由于此商品库存有限,请在下单后15分钟之内支付完成,手慢无哦!
100%刮中券,最高50元无敌券,券有效期7天
活动自2017年6月2日上线,敬请关注云钻刮券活动规则更新。
如活动受政府机关指令需要停止举办的,或活动遭受严重网络攻击需暂停举办的,或者系统故障导致的其它意外问题,苏宁无需为此承担赔偿或者进行补偿。
音像自己动手做引擎(印)苏雷什·库马尔·戈拉卡拉|译者:左妍
¥ ×1
作者简介
技术评审员简介
前言
章 引擎介绍1
1.1引擎定义1
1.2系统的必要3
1.3大数据对系统的推动作用4
1.4系统类型4
1.4.1协同过滤系统4
1.4.2基于内容的系统5
1.4.3混合系统6
1.4.4情境感知系统7
1.5系统技术的发展8
1.5.1Mahout在可扩展系统中的应用8
1.5.2Apache Spark在可扩展实时系统中的应用9
1.6本章小结12
第2章 构建个引擎13
2.1构建基础引擎14
2.1.1载入并格式化数据15
2.1.2计算用户相似度17
2.1.3为用户预测未知评级18
2.2本章小结24
第3章 引擎详解25
3.1引擎的发展26
3.2基于近邻算法的引擎27
3.2.1基于用户的协同过滤29
3.2.2基于项目的协同过滤30
3..优点2
3.2.4缺点32
3.3基于内容的系统32
3.3.1用户画像生成35
3.3.优点
3.3.3缺点36
3.4情境感知系统37
3.4.1情境定义38
3.4.2前置过滤法40
3.4.3后置过滤法40
3.4.4优点41
3.4.5缺点41
3.5混合系统41
3.5.1加权法42
3.5.2混合法42
3.5.3层叠法42
3.5.4特征组合法42
3.5.5优点43
3.6基于模型的系统43
3.6.1概率法44
3.6.2机器学习法44
3.6.3数学法44
3.6.4优点45
3.7本章小结45
第4章 数据挖掘技术在擎的应用46
4.1基于近邻算的技47
4.1.1欧氏距离47
4.1.2余弦相似度48
4.1.3Jaccard相似度51
4.1.4皮尔逊相关系数51
4.2数学建模技术53
4.2.1矩阵分解53
4.2.2交替二乘法55
4..奇异值分解55
4.3机器学习技术57
4.3.1线回归57
4.3.2分类模型59
4.4聚类技术69
4.5降维71
4.6向量空间模型75
4.6.1词频75
4.6.2词频-逆文档频率76
4.7评估技术78
4.7.1交叉验79
4.7.2正则化80
4.8本章小结82
第5章 构建协同过滤引擎83
5.1在RStudio上安装recommenderlab83
5.2recommenderlab包中可用的数据集85
5.3探讨数据集88
5.4使用recommenderlab构建基于用户的协同过滤89
5.4.1准备训练数据和测试数据90
5.4.2创建一个基于用户的协同模型90
5.4.3在测试集上进行预测92
5.4.4分析数据集93
5.4.5使用k折交叉验评估模型95
5.4.6评估基于用户的协同过滤96
5.5构建基于项目的模型99
5.5.1构建IBCF模型100
5.5.2模型评估103
5.5.3模型准确率度量104
5.5.4模型准确率绘图105
5.5.5IBCF参数调优107
5.6使用Python构建协同过滤110
5.6.1安装必要包110
5.6.2数据源110
5.7数据探讨111
5.7.1表示评级矩阵113
5.7.2创建训练集和测试集114
5.7.3构建UBCF的步骤115
5.7.4基于用户的相似度计算115
5.7.5预测活跃用户的未知评级116
5.8使用KNN 进行基于用户的协同过滤117
5.9基于项目的118
5.9.1评估模型119
5.9.2KNN训练模型120
5.9.3评估模型120
5.10本章小结120
第6章 构建个化引擎121
6.1个化系统122
6.2基于内容的系统122
6.2.1构建一个基于内容的系统1
6.2.2使用 R语言构建基于内容的1
6..使用Python语言构建基于内容的133
6.3情境感知系统144
6.3.1构建情境感知系统144
6.3.2使用R语言构建情境感知145
6.4本章小结150
第7章 使用Spark构建实时引擎151
7.1Spark 2.0介绍152
7.1.1Spark架构152
7.1.2Spark组件154
7.1.3Spark Cre54
7.1.4Spark的优点156
7.1.5Spark设置156
7.1.6SparkSession157
7.1.7弹分布式数据集158
7.1.8关于ML流水线158
7.2使用交替二乘法进行协同过滤160
7.3使用PySpark构建基于模型的系统162
7.4MLlib引擎模块163
7.5引擎方法164
7.5.1实现164
7.5.2基于用户的协同过滤172
7.5.3模型评估173
7.5.4模型选择和超参数调优174
7.6本章小结179
第8章 通过Neo4j构建实时180
8.1图数据库种类181
8.2e4j83
8.2.1Cypher查询语言184
8.2.2节点语法184
8..关系语法185
8.2.4构建个图185
8.3Neo4j Windows安装192
8.4Neo4j Linux安装194
8.4.1下载e4j94
8.4.2设置e4j95
8.4.3命令行启动e4j95
8.5构建引擎197
8.5.1将数据加载到e4j97
8.5.2使用Neo4j生成200
8.5.3使用欧氏距离进行协同过滤201
8.5.4使用余弦相似度进行协同过滤206
8.6本章小结209
第9章 使用Mahout构建可扩展的引擎210
9.1Mahout简介211
9.2配置Mahout211
9.2.1Mahout单机模式211
9.2.2Mahout分布式模式218
9.3Mahout的核心构建模块220
9.3.1基于用户的协同过滤引擎组件220
9.3.2使用Mahout构建引擎2
9.3.3数据描述2
9.3.4基于用户的协同过滤225
9.4基于项目的协同过滤228
9.5协同过滤评估1
9.6基于用户的评估1
9.7基于项目的评估2
9.8SVD系统5
9.9使用Mahout进行分布式
9.10可扩展系统的架构240
9.11本章小结241
0章 引擎的未来242
10.1引擎的未来242
10.2系统的发展阶段243
10.2.1一般的系统243
10.2.2个化系统244
10..未来的系统245
10.2.4下一个举措249
10.2.5使用案例249
10.3流行方法251
10.4引擎的时效252
10.4.1A/B测试253
10.4.2反馈机制254
10.5本章小结255
亲,大宗购物请点击企业用户渠道>小苏的服务会更贴心!
亲,很抱歉,您购买的宝贝销售异常火爆让小苏措手不及,请稍后再试~
非常抱歉,您前期未参加预订活动,
无法支付尾款哦!
抱歉,您暂无任性付资格