写给程序员的数据挖掘实践指南
出版日期:2015-10-24
ISBN:9787115336350
作者:[美] Ron Zacharski
页数:400页
书籍目录
内容提要
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
作者简介
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。
发布书评
精彩书评 (总计2条)
-
说说这本书的优点吧。1. 这本书好在节奏上。虽说有300页，但其实看起来很轻松，可以很快看完。而且有一些篇幅直接是放的代码，较真的人可能觉得有点浪费纸张，但这样可以脱离操作电脑专注在书本上，还能对代码行写写画画做笔记。2. 看这本书没有压力。所有的问题让你想一想后都会给出答案和代码。这样对自己思考的结果会有一个评判。还有，公式都特别大，据说公式放大看就显得看上去更简单。3. 所用的数据集和案例简单易懂。看完这本书，可以说就入门了，以后看其他相关书籍都会觉得似曾相识的。4. Python代码简洁、一致。代码很好懂，而且越看到后面会发现只是在前面代码上的少量叠加。熟能生巧，到后面自己尝试写新代码了吧。目前不知道怎么说缺点，等我多看几本之后再来看能不能说出几条缺点来。 -
一本小众的书吧，不过对于初学者来说足够用了，这本书不是讲数据挖掘的理论，而是通过生活中的例子讲解了是数据挖掘，讲解了数据挖掘中常见的公式，而且通过python编程给出了源代码。公式的讲解不是从数学角度推理，演算，讲解的，而是从实用角度出发，通过例子，通过要解决的问题，一步步引出公式，使得公式非常容易接受和理解
精彩短评 (总计13条)
-
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。， -
习惯用字典代替矩阵 -
入门书 翻翻挺快的 有headfirst风格 适合没有经验的码农读 -
鉴于python水平和算法难度，改成'写给高中生的数据挖掘实践指南'比较合适 -
非常通俗易懂，看完立即就能写出程序，就像很久以前看Head First Design Pattern一样的感觉。 -
一本小众的书吧，不过对于初学者来说足够用了，这本书不是讲数据挖掘的理论，而是通过生活中的例子讲解了是数据挖掘，讲解了数据挖掘中常见的公式，而且通过python编程给出了源代码。公式的讲解不是从数学角度推理，演算，讲解的，而是从实用角度出发，通过例子，通过要解决的问题，一步步引出公式，使得公式非常容易接受和理解 -
说得很清楚。入门完全不错。 -
书很有趣 然而学渣并不适合这门课 -
风格类似head first，例题把概念解释得很清楚；排版再讲究一点作为入门书就圆满了。 -
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。 -
快速了解 -
睡前读物，非常适合入门！很好很不错，公式讲解详细，初中生都能看懂，读过后对于数据挖掘的基本概念和基本术语有很好的了解。 -
实在太粗浅了，但凡有一点背景的人就完全完全不建议读，两三篇博客就能说清楚的内容能洋洋洒洒写一本书！还好原版不要钱。而且特别喜欢用一些乐队啊电影啊运动员啊举例子不了解的连一点intuition都没有，为啥就不能举点大家都知道的香蕉苹果大鸭梨的例子呢？！