倩倩生活補給站

《機器學習駭客秘笈》




「本書提供許多絕佳的機器學習實用案例。有別於工具書或理論證明，本書著重於實際問題處理，因此具備程式設計背景及對機器學習有興趣的讀者們均可輕鬆入門。」
- Max Shron, OkCupid

如果你是平時喜歡上網蒐集各種資料的程式設計師，想尋找並學習資料分析的方法與工具，本書將會是您了解機器學習最好的起點。在Machine Learning領域中，包含各種分析問題的工具與方法，可以讓我們很方便地架構出一套自動分析資料系統，使電腦可以自動分析。不過這些方法的背後，通常都蘊含著艱澀、難懂的數學理論，因而提高了學習門檻。有鑑於此，本書作者Drew Conway和John Myles準備了許多實用案例。在本書中，他們將以生動活潑的方式，使用案例導向方式，透過生活實例，帶領我們一起學習這些Machine Learning工具和統計工具的實際應用。經由這些過程學習機器學習領域的核心與價值，而非傳統數學導向的介紹方式。

本書採用實例導向、問題導向的介紹方式，在每一個章節中，透過實際問題，介紹機器學習典型問題與解決方法。其中包含：分類問題、預測問題、最佳化問題、推薦系統建置問題...等，在書中都會一一介紹。本書所有程式均以R語言撰寫，於每個章節中將學到：如何以R語言分析資料，並撰寫簡易機器學習演算法。《機器學習駭客秘笈》本書，是專為機器學習領域的初學者所寫的，無論是商業、政府機關或學術界...等都適用。

在本書中，您將學到：
● 建立單純貝氏分類器(Naive Bayesian Classifier)對電子郵件內容進行垃圾信件判別
● 以線性回歸，預測網站的瀏覽人次
● 以最佳化技術破解簡易字母密碼
● 運用記名投票紀錄，以統計方式對美國參議員進行分類
● 以推特社群資料建立「潛在關注對象」推薦系統

• 
  
  

  作者介紹

  
  
  
  
  
  Drew Conway
  
  為美國紐約大學政治學博士候選人。其研究領域以數學與統計工具，分析國際關係、國際衝突與恐怖主義。擁有多年擔任美國情報與國防體系分析師的工作經驗
  
  John Myles White
  
  為美國普林斯頓大學心理學博士生。研究主題為「人類決策過程」的理論與實驗。同時也是諸多R語言套件之主要維護者，包含ProjectTemplate和log4r等熱門套件