塞班岛娱乐-业界公认的最权威网站,欢迎光临!

塞班岛娱乐_塞班岛娱乐平台_塞班岛娱乐官网

机器学习算法《智能Web算法(中文版)》【PDF】

时间:2018-04-04 00:39来源:赵进良 作者:莎釹孒 点击:
4.9To Do ............... 169 4.10参考资料.......171 4.8总结.................168 4.7.2高维度.167 4.7.1计算复杂性.........................................166 4.7超大规模数据聚类.........................................16

   4.9To Do ............... 169

4.10参考资料.......171

4.8总结.................168

4.7.2高维度.167

4.7.1计算复杂性.........................................166

4.7超大规模数据聚类.........................................165

4.6.2DBSCAN的原理................................162

4.6.1基于密度的算法简介......................... 159

4.6DBSCAN......... 159

4.5.2为什么ROCK这么强大.................... 154

4.5.1ROCK简介.........................................154

4.5鲁棒的链接型聚类(ROCK)...................... 153

4.4.2k-means的内部原理.......................... 151

4.4.1初识k-means算法.............................150

4.4k-means算法..149

4.3.5最小生成树算法.................................147

4.3.4平均链接算法.....................................144

4.3.3单链接算法.........................................142

4.3.2基于链接的算法概况......................... 141

4.3.1树状图:基本的聚类数据结构.........139

4.3基于链接的算法.............................................138

4.2.3根据数据规模的聚类算法分类.........137

4.2.2基于数据类型和结构的聚类算法分类.............................................137

4.2.1基于分组结构的聚类算法分类.........136

4.2聚类算法概述.135

4.1.3用数组排序分组.................................132

4.1.2用SQL order by子句分组.................131

4.1.1网站中的用户组:web。案例研究............. 129

4.1聚类的需求.....129

4聚类:学习机器学习算法。事物的分组..................................128

3.8参考资料.........127

3.7To Do ............... 125

3.6总结.................124

3.5大规模的实现与评估.....................................123

3.4.2数据标准化与相关系数..................... 117

3.4.1电影数据集的介绍及推荐器............. 114

3.4像那样推荐电影........................ 114

3.3.3DiggDelphi的内部工作机制............. 108

3.3.2发现朋友.............................................106

简介..................... 105

3.3推荐朋友、文章与新闻报道......................... 104

3.2.3基于内容的推荐...................................98

3.2.2基于相似条目的推荐........................... 94

3.2.1基于相似用户的推荐........................... 85

3.2推荐引擎是怎么工作的...................................84

3.1.3什么才是最好的相似度计算公式.......83

3.1.2走近相似度的计算...............................80

3.1.1距离与相似度的概念........................... 75

3.1一个在线音乐商店:基本概念....................... 74

3推荐系统..73

2.10参考资料.........72

2.9To Do ................. 70

2.8总结...................69

2.7用户得到了想要的结果吗?精确度和查全率...............................................67

2.6大规模实现的有关问题...................................65

2.5.2DocRank的原理...................................60

2.5.1DocRank算法简介...............................58

2.5Word、PDF等无链接文档的排序.................. 58

2.4.3整合Lucene索引、PageRank和用户点击........................................54

2.4.2朴素贝叶斯分类器的使用................... 50

2.4.1用户点击初探.......................................48

2.4根据用户点击改进搜索结果........................... 47

2.3.5结合索引分值和PageRank分值.........45

2.3.4理解幂方法...........................................40

2.3.3alpha:机器学习算法。网页间跳转的影响.................. 38

2.3.2计算PageRank向量.............................37

2.3.1PageRank简介......................................35

2.3用链接分析改进搜索结果...............................35

2.2为什么搜索不仅仅是索引...............................33

2.1.2搜索的基本步骤...................................31

2.1.1理解Lucene代码.................................24

2.1用Lucene实现搜索.........................................23

2搜索..........22

1.8参考资料...........21

1.7小结...................20

1.6.8误区8:机器学习算法。存在无偏见的模型................20

1.6.7误区7:对比一下机器学习算法。复杂的模型更好....................20

1.6.6误区6:pdf。总是能知道计算时间............20

1.6.5误区5:看着机器。随处使用同样的方法............19

1.6.4误区4:机器学习算法《智能Web算法(中文版)》【PDF】。不考虑解决方案的可扩展性19

1.6.3误区3:算法。不用考虑数据规模................19

1.6.2误区2:对比一下中文版。计算能马上完成....................19

1.6.1误区1:机器学习算法。数据是可靠的........................18

1.6智能应用中八个常见的误区........................... 17

1.5机器学习、数据挖掘及其他........................... 16

1.4.2获取更多的数据...................................12

1.4.1检查功能和数据...................................12

1.4如何构建智能应用...........................................11

1.3.6网络游戏...............................................11

1.3.5文件分享网站.........................................9

1.3.4维基.........9

1.3.3门户网站.8

1.3.2Mashup .... 7

1.3.1社交网络.6

1.3什么应用会受益于智能.....................................5

1.2智能应用的基本要素.........................................4

1.1智能Web应用实例............................................3

1什么是智能Web.........................................1

关于本书...... XXI

致谢............. XIX

前言.............. XV

Haralambos (Babis) Marmanis博士是一个把机器学习技术应用于工业界的先行者,机器学习算法。所以对于希望从业务角度更好地理解有关技术的技术经理、产品经理和管理层来说,所以对于读者的知识背景并没有过多的要求。机器学习算法。《智能Web算法》中的例子和思想应用广泛,机器学习算法。特别是对算法感兴趣的工程师与学生,智能。第2~6章以代码示例的形式分别对这五类算法进行了介绍。你看机器学习算法《智能Web算法(中文版)》【PDF】。

作者简介

《智能Web算法》面向的是广大普通读者,机器学习算法。并结合具体的案例讨论了它们在Web应用中的角色及要注意的问题。看着机器学习算法。除了第1章的概要性介绍以及第7章对所有技术的整合应用外, 《智能Web算法》涵盖了五类重要的智能算法:学习。搜索、推荐、聚类、分类和分类器组合,算法。内容简介

(责任编辑:admin)
顶一下
(0)
0%
踩一下
(0)
0%
------分隔线----------------------------
发表评论
请自觉遵守互联网相关的政策法规,严禁发布色情、暴力、反动的言论。
评价:
表情:
用户名: 验证码:点击我更换图片
最新评论 进入详细评论页>>
推荐内容