下载地址：https://u20150046.ctfile.com/fs/20150046-377913782
34.7M

内容简介
这本书为机器学习技术提供了一些非常棒的案例研究。它并不想成为一本关于机器学习的工具书或者理论书籍，它注重的是一个学习的过程，因而对于任何有一些编程背景和定量思维的人来说，它都是不错的选择。

机器学习是计算机科学和人工智能中非常重要的一个研究领域，近年来，机器学习不但在计算机科学的众多领域中大显身手，而且成为一些交叉学科的重要支撑技术。本书比较全面系统地介绍了机器学习的方法和技术，不仅详细阐述了许多经典的学习方法，还讨论了一些有生命力的新理论、新方法。


全书案例既有分类问题，也有回归问题；既包含监督学习，也涵盖无监督学习。


本书讨论的案例从分类讲到回归，然后讨论了聚类、降维、最优化问题等。这些案例包括分类：
垃圾邮件识别，排序：
智能收件箱，回归模型：
预测网页访问量，正则化：
文本回归，最优化：
密码破解，无监督学习：
构建股票市场指数，空间相似度：
用投票记录对美国参议员聚类，推荐系统：
给用户推荐R语言包，社交网络分析：
在Twitter上感兴趣的人，模型比较：
给你的问题找到最佳算法。


各章对原理的叙述力求概念清晰、表达准确，突出理论联系实际，富有启发性，易于理解。在探索这些案例的过程中用到的基本工具就是R统计编程语言。R语言非常适合用于机器学习的案例研究，因为它是一种用于数据分析的高水平、功能性脚本语言。