《机器学习：实用案例解析》源代码及数据集

为找资料的网友们整理了机器学习类书籍配套资源，介绍了关于机器学习、机器学习案例、机器学习方面的内容，本书是由机械工业出版社出版，已被252人关注，由许力强测试纠错，目前本书在机器学习类综合评分为：9.4分。

当今各行业，尤其是互联网，数据规模越来越大，要从中有效地发现模式来提高生产力，用传统的方式已经几乎不可能，只能借助计算机来完成诸多使命。因此，机器学习这一新兴的学科变得越来越重要，它已经在搜索、推荐、数据挖掘等多个领域闪耀光芒。机器学习是一门交叉学科，内容涉及概率论、统计学、高等数学、计算机科学等多门学科。该学科致力于设计一种让计算机具有“学习”能力的算法，通过发现经验数据中隐藏的模式，实现对未知数据的预测。

大数据时代是机器学习最美好的时代，因为数据不再是问题，各类问题都可以收集到海量的数据。但是，对于很多人来说，这一门交叉学科本身却神秘而陌生，对于没有系统学习过相关基础学科的人来说尤其感到“高不可攀”。如今已出版的机器学习相关书籍中，很多都有这个特点：公式多，晦涩难懂。这让很多程序员出身的人望而却步。然而，在第一次读到本书的英文版时，译者就彻底相信：机器学习完全可以讲解得通俗易懂，让知识的传递实现“润物细无声”。

本书秉承的原则是：实践出真知，只要多动手，没有攻克不了的技术难题。因此作者预期的阅读对象是如电脑黑客般的人，要求对技术有发自内心的求知欲和好奇心，愿意自己动手而非纸上谈兵。全书精心选择了12个机器学习案例，由浅入深，面面俱到，既有基础知识（如数据分析），也有当前热门的社交网站推荐案例。书中的每一个案例都由作者娓娓道来，逐一剖析关键算法的代码，没有丝毫学究气息，触动每个机器学习初学者的内心最深处。

书中所有算法都采用R语言实现。R语言是一门用于统计学的开源脚本语言，基于它的开源性，有来自世界各地的开源拥护者贡献的各种统计学相关的程序包，稳定且方便，尤其是它对数据可视化的支持，更是一柄利器，既轻巧又实用。书中所有源代码和数据在原书的官方网站上都可以免费下载。在阅读过程中，犹如作者亲至身侧，为你讲解代码和思路，为你排除错误和优化效果。

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。所选择的案例妙趣横生，如分析UFO目击记录、破译密码、预测股票、分析美国参议员“结党”的情况，等等，这里就不“剧透”了，大家自己去享受学习的乐趣吧。

书中12个案例之间的依赖关系不是特别强（除R语言基础知识外，其余某几章仅有个别知识点之间存在依赖性），可以像连续剧一样，逐一播放，也可以像一个个小品一般，挑感兴趣的内容分别播放。学习完这些案例之后，相信你会窥见机器学习的一斑，然后再根据自己的实际情况更深入地学习。

本书翻译工作由三位来自互联网世界的工程师通力协作完成，其中，来自新浪微博的陈开江负责完成前言及第1～4章的翻译；来自阿里B2B的刘逸哲负责完成第5、8、9和11章的翻译；来自阿里一淘的孟晓楠负责完成第6、7、10和12章的翻译；同时，全书审校工作由来自北京理工大学的罗森林教授义务承担。

本书能够得以出版，首先要感谢机械工业出版社的吴怡编辑，是她给了我们三位工程师这个学习知识并传递知识的机会，她经验丰富，在翻译过程中给予了我们许多建设性的指导意见。其次，要感谢罗森林教授，他在百忙之中为我们担任全书的审校工作，从而让国内的机器学习者能感受到这本书应有的魅力。最后，我们要感谢互联网，因为译者与本书的缘分始于互联网，从看到原书、报名翻译、组成翻译团队、翻译过程中的讨论，所有这样都是通过互联网完成的。

虽然经过罗森林教授认真审校并且给我们提出了宝贵意见，但是由于译者本身水平有限，书中译文势必还存在不妥甚至错误之处，恳请机器学习界的广大前辈、同仁们不吝赐教，促使我们继续为大家更好地传递先进技术，让更多机器学习爱好者成为机器学习的黑客。

我们坚信集体智慧是再高的个人智慧都无法企及的，因此真诚希望大家一起来贡献自己的智慧。三位译者的微博分别为：http://weibo.com/kaijiangidan（陈开江，@刑无刀）、http://weibo.com/liuyizhe10（刘逸哲，@刘逸哲）、http://weibo.com/u/1911115643（孟晓楠，@XiaonanMeng）。无论是对翻译本身有任何意见或建议，还是对机器学习方面有心得，都欢迎大家到我们的微博上交流、切磋，我们一起贡献自己的智慧，在集体智慧中互相学习，共同进步。

封面图

目录

• 前言1
• 第1章 使用R语言9
• R与机器学习10
• 第2章 数据分析36
• 分析与验证36
• 什么是数据37
• 推断数据的类型40
• 推断数据的含义42
• 数值摘要表43
• 均值、中位数、众数44
• 分位数46
• 标准差和方差47
• 可视化分析数据49
• 列相关的可视化68
• 第3章 分类：垃圾过滤77
• 非此即彼：二分类77
• 漫谈条件概率81
• 试写第一个贝叶斯垃圾分类器82
• 第4章 排序：智能收件箱97
• 次序未知时该如何排序97
• 按优先级给邮件排序98
• 实现一个智能收件箱102
• 第5章 回归模型：预测网页访问量128
• 回归模型简介128
• 预测网页流量142
• 定义相关性152
• 第6章 正则化：文本回归155
• 数据列之间的非线性关系：超越直线155
• 避免过拟合的方法164
• 文本回归174
• 第7章 优化：密码破译182
• 优化简介182
• 岭回归188
• 密码破译优化问题193
• 第8章 PCA：构建股票市场指数203
• 无监督学习203
• 主成分分析204
• 第9章 MDS：可视化地研究参议员相似性212
• 基于相似性聚类212
• 如何对美国参议员做聚类219
• 第10章 kNN：推荐系统229
• k近邻算法229
• R语言程序包安装数据235
• 第11章 分析社交图谱239
• 社交网络分析239
• 用黑客的方法研究Twitter的社交关系图数据244
• 分析Twitter社交网络252
• 第12章 模型比较270
• SVM：支持向量机270
• 算法比较280
• 参考文献287

以上就是本次关于配套资源的介绍和部分内容，我们还整理了以往更新的其它相关电子书资源内容，可以在下方直接下载，关于相关的资源我们在下方做了关联展示，需要的朋友们也可以参考下。