作译者简介
译者序
序
前言
第1章 数据挖掘简介及本书使用方法
第2章 协同过滤—爱你所爱
第3章 协同过滤—隐式评级及基于物品的过滤
第4章 内容过滤及分类—基于物品属性的过滤
第5章 分类的进一步探讨—算法评估及kNN
第6章 概率及朴素贝叶斯—朴素贝叶斯
第7章 朴素贝叶斯及文本—非结构化文本分类
第8章 聚类—群组发现
· · · · · · (收起)
具体描述
数据挖掘一般是指从大量的数据中通过算法搜索隐藏于其中信息的过程。大多数数据挖掘的教材都专注于介绍理论基础，因而往往难以理解和学习。
本书是写给程序员的一本数据挖掘指南，可以帮助读者动手实践数据挖掘、集体智慧并构建推荐系统。全书共8章，介绍了数据挖掘的基本知识和理论、协同过滤、内容过滤及分类、算法评估、朴素贝叶斯、非结构化文本分类以及聚类等内容。本书采用“在实践中学习”的方式，用生动的图示、大量的表格、简明的公式、实用的Python代码示例，阐释数据挖掘的知识和技能。每章还给出了习题和练习，帮助读者巩固所学的知识。
本书适合对数据挖掘、数据分析和推荐系统感兴趣的程序员及相关领域的从业者阅读参考；同时，本书也可以作为一本轻松有趣的数据挖掘课程教学参考书。
用户评价
##基础入门，可以统计挖掘的入门概念有个认识，思路比较自然。相似度、各种距离、皮尔逊系数、标准差归一化、k近邻、评估方法、贝叶斯、朴素贝叶斯、高斯分布、文本分类、k means聚类
评分##习惯用字典代替矩阵
评分##基础入门，可以统计挖掘的入门概念有个认识，思路比较自然。相似度、各种距离、皮尔逊系数、标准差归一化、k近邻、评估方法、贝叶斯、朴素贝叶斯、高斯分布、文本分类、k means聚类
评分##这本书理论比较简单，书中错误较少，动手锻炼较多，如果每个代码都自己写出来，收获不少。总结：适合入门。
评分##对于0基础的程序员非常适合。 1.只需要概念ok。不需要推导。 2.库都有现成的。干嘛要实现。 3.有实现就代表有思路。 反正挺适合我这种学渣快速撸一个推荐系统。不至于还需要发个1年时间抱着高数啃来啃去。
评分##数据挖掘或是机器学习方面的入门书，如果想自己动手实现一个推荐系统的话，那么可以试试这本书，跟着里面的代码动手实现，感觉真的很棒。不涉及太深入的理论，对于大部分内容都是点到为止，当然是可以实现成可执行代码的程度。适合入门。 典型的老外的写书风格，如果适应这种风格的话，可以试一试。，
评分##入门
评分##这本书理论比较简单，书中错误较少，动手锻炼较多，如果每个代码都自己写出来，收获不少。总结：适合入门。
评分##写得非常细，有数据，有代码，有测试，容易上手。
相关图书
本站所有内容均为互联网搜索引擎提供的公开搜索信息，本站不存储任何数据与内容，任何内容与数据均与本站无关，如有需要请联系相关搜索引擎包括但不限于百度，google,bing,sogou 等
© 2025 book.teaonline.club All Rights Reserved. 图书大百科 版权所有