智能Web算法（第2版）

作品简介

机器学习一直是人工智能研究领域的重要方向，而在大数据时代，来自Web的数据采集、挖掘、应用技术又越来越受到瞩目，并创造着巨大的价值。本书是有关Web数据挖掘和机器学习技术的一本知名的著作，第2版进一步加入了本领域最新的研究内容和应用案例，介绍了统计学、结构建模、推荐系统、数据分类、点击预测、深度学习、效果评估、数据采集等众多方面的内容。本书内容翔实、案例生动，有很高的阅读价值。

（英）道格拉斯·G.麦基尔雷思（Douglas G.McIlwraith），（美）哈若拉玛·玛若曼尼斯（Haralambos Marmanis），（美）德米特里·巴邦科（Dmitry Babenko）著。

作品目录

• 译者序
• 译者简介
• 序言
• 前言
• 致谢
• 关于本书
• 1 为智能Web建立应用
• 1.1 智能算法的实践运用：Google Now
• 1.2 智能算法的生命周期
• 1.3 智能算法的更多示例
• 1.4 不属于智能应用的内容
• 1.5 智能算法的类别体系
• 1.6 评估智能算法的效果
• 1.7 智能算法的重点归纳
• 1.8 本章小结
• 2 从数据中提取结构：聚类和数据变换
• 2.1 数据、结构、偏见和噪声
• 2.2 维度诅咒
• 2.3 k-means算法
• 2.4 高斯混合模型
• 2.5 k-means和GMM的关系
• 2.6 数据坐标轴的变换
• 2.7 本章小结
• 3 推荐系统的相关内容
• 3.1 场景设置：在线电影商店
• 3.2 距离和相似度
• 3.3 推荐引擎是如何工作的
• 3.4 基于用户的协同过滤
• 3.5 奇异值分解用于基于模型的推荐
• 3.6 Netflix竞赛
• 3.7 评估推荐系统
• 3.8 本章小结
• 4 分类：将物品归类到所属的地方
• 4.1 对分类的需求
• 4.2 分类算法概览
• 4.3 基于逻辑回归的欺诈检测
• 4.4 你的结果可信吗
• 4.5 大型数据集的分类技术
• 4.6 本章小结
• 5 在线广告点击预测
• 5.1 历史与背景
• 5.2 广告交易平台
• 5.3 什么是bidder
• 5.4 何为决策引擎
• 5.5 使用Vowpal Wabbit进行点击预测
• 5.6 构建决策引擎的复杂问题
• 5.7 实时预测系统的前景
• 5.8 本章小结
• 6 深度学习和神经网络
• 6.1 深度学习的直观方法
• 6.2 神经网络
• 6.3 感知机
• 6.4 多层感知机
• 6.5 更深层：从多层神经网络到深度学习
• 6.6 本章小结
• 7 做出正确的选择
• 7.1 A/B测试
• 7.2 多臂赌博机
• 7.3 实践中的贝叶斯赌博机策略
• 7.4 A/B测试与贝叶斯赌博机的对比
• 7.5 扩展到多臂赌博机
• 7.6 本章小结
• 8 智能Web的未来
• 8.1 智能Web的未来应用
• 8.2 智能Web的社会影响
• 附录A 抓取网络上的数据