每周一书《大数据时代的算法:机器学习、人工智能及其典型实例 》分享!

本文主要是介绍每周一书《大数据时代的算法:机器学习、人工智能及其典型实例 》分享!,希望对大家解决编程问题提供一定的参考价值,需要的开发者们随着小编来一起学习吧!

《大数据时代的算法:机器学习、人工智能及其典型实例》介绍在互联网行业中经常涉及的算法,包括排序算法、查找算法、资源分配算法、路径分析算法、相似度分析算法,以及与机器学习相关的算法,包括数据分类算法、聚类算法、预测与估算算法、决策算法、关联规则分析算法及推荐算法。《大数据时代的算法:机器学习、人工智能及其典型实例》涉及的相关算法均为解决实际问题中的主流算法,对于工作和学习都有实际参考意义。《大数据时代的算法:机器学习、人工智能及其典型实例》是一本算法领域内的技术参考书籍,涵盖数十种算法,通过由浅入深的介绍基础算法和机器学习算法相关理论和应用,阐述了各个算法的应用场景及算法复杂度,使读者对算法的理解不只是停留在表面,还从应用的角度提供了大量实例,使读者能够快速、高效进阶各类算法,并能够熟练应用到将来的工作实践中。

目录:

第1章算法基础...................................1

I.I 基础算法分析类型………..…………. I

1.1.l 分治法................................. I

1.1.2 动态规划法......................... 2

1.1.3 回溯法................................. 3

1.1.4 分支限界法…...……………….4

l.1.5 贪心法................................. 4

1.2 算法性能分析….......……………….5

1.3 概率论与数理统计基础………..….6

1.4 距离计算......................................... 8

1.4.1 欧氏距离............................. 8

1.4.2 马氏距离............................. 9

1.4.3 曼哈顿距离......................... 9

1.4.4 切比雪夫距离....…………….. 9

1.4.5 闵氏距离............................. 9

1.4.6 海明距离........................... 10

1.5 排序算法....................................... 10

1.5.1 快速排序........................... 11

1.5.2 归并排序........................... 11

1.5.3 堆排序............................... 13

l.5.4 基数排序........................... 15

1.5.5 外排序............................... 16

1.6 字符压缩编码............................... 17

1.6.1 哈夫曼编码....................... 17

1.6.2 香农-范诺编码…...…….21

1.7 本章小结....................................... 24

第2章数据查找与资源分配算法…....25

2.1 数值查找算法.....…..…..…......... 25

2.1.1 二分搜索算法···········25

2.1.2 分块查找算法…………….. 27

2.1.3 哈希查找算法...………...… 28

2.2 字符串查找算法…...…...……....….. 30

2.2.1 Knuth-Morris-Pratt 算法... 31

2.2.2 Boyer-Moore 算法…….34

2.2.3 Sunday 算法······················37

2.3 海址数据中的查找………...…….... 39

2.3.1 基于布隆过滤器查找…... 39

2.3.2 倒排索弓I查找..............….. 41

2.4 银行家算法................................... 43

2.5 背包问题······································· 44

2.5.1 0-1背包问题.................... 45

2.5.2 部分背包问题………………. 46

2.6 本章小结....................................... 47

第3章路径分析算法......……....…...... 49

3.1 基千Dijkstra算法的路径分析............49

3.1.1 应用示例:极地探险....... 49

3.1.2 基于Dijkstra的最短路径规划............... 50

3.2 基千Floyd算法的路径分析…..... 53

3.2. 1 应用示例:任意两个城

市之间的最短路径............……... 53

3.2.2 Floyd原理........................ 54

3.2.3 基于Floyd算法计算两

个城市最短距离……....….. 56

3.3 基于A*算法的路径搜索……...... 58

3.3.1 应用实例:绕过障碍区

到达目的地....................... 58

3.3.2 A*算法与最短距离计算… 59

3.4 基于维特比算法的概率路径...... 61

3.4.1 应用实例:推断天气状态... 61

3.4.2 维特比算法思想……… 62

3.4.3 计算天气状态..... 62

3.5 最长公共子序列问题…………….. 64

3.5.1 概要................................... 64

3.5.2 最长公共子串………...…… 64

3.5.3 最长公共子序列原理…... 66

3.5.4 实例:求两宇符串的最

长公共子序列……..…...….. 66

3.6 本章小结·······································68

第4章相似度分析算法…..........69

4.1 应用实例:海量网页相似度分析............ 69

4.2 基千Jaccard相似系数的相似

度计算........................................... 70

4.2.1 计算流程........................... 70

4.2.2 狭义Jaccard相似系数..... 71

4.2.3 广义Jaccard相似系数..... 71

4.3 基于MinHash的相似性符法….. 71

4.3.l 与Jaccard相似性关系..... 71

4.3.2 计算网页文本相似性过程............ 72

4.4 向撮空间模型............................... 73

4.4. l 词袋模型....................73

4.4.2 TF-IDF算法…..…...…....….74

4.5 基千余弦相似性算法的相似度

分析············································76

4.5.1 原理基础........................... 76

4.5.2 公式解析························… 77

4.5.3 计算网页文本相似性过程... 77

4.6 基千语义主题模型的相似度

算法............................................... 78

4.7 基于SimHash算法的指纹码....... 80

4.7.1 SimHash弓l入..............….. 81

4.7.2 SimH ash的计算流程…….81

4.7.3 计算重复信息…….....….. 83

4.8 相似度算法的差异性………..….84

4.9 本章小结........................ 85

第5章数据分类算法………………..….86

5.1 基于朴素贝叶斯分类器………..... 86

5.1.1 有监督分类与无监督

分类................................... 87

5.1.2 应用实例:识别车厘子

与樱桃............................... 88

5.1.3 分类流程归纳................... 91

5.1.4 应用扩展:垃圾邮件

识别···································92

5.1.5 常用评价指标................... 96

5.2 基千AdaBoost分类器…………... 100

5.2.1 AdaBoost概述………….. 100

5.2.2 AdaBoost算法具体流程...........101

5.2.3 AdaBoost算法的应用

实例................................. 102

5 .2.4 AdaBoost算法的优点…. 105

5.3 基千支持向扯机的分类器……… 105

5.3.1 线性可分与线性不可分.. 106

5.3.2 感知器·····························107

5.3.3 支持向量机………......…... 108

5.4 基于K邻近算法的分类器…..... 109

5.4.1 应用实例:电影观众

兴趣发现·························109

5.4.2 核心思想......................... 109

5.4.3 电影观众兴趣发现…….. 110

5.5 本章小结..................................... 1 I 3

第6章数据聚类算法…………....…. 115

6.1 基于系统聚类法…...………………. 115

6.1.1 概述................................. 116

6.1.2 最短距离法..................... 117

6.1.3 重心聚类法..................... 119

6.1.4 动态聚类法.................... 120

6.2 基千K-Means聚类算法…..….. 122

6.2.l 应用实例:新闻聚类...............…. 122

6.2.2 逻辑流程......................... 123

6.2.3 实现新闻聚类分析.....…124

6.2.4 K-Means++ ·················]28

6.2.5 K-中心点聚类算法....................…129

6.2.6 ISODATA聚类算法……. 130

6.3 基于密度的DBSCAN算法....... 131

6.4 基于BIRCH算法的聚类分析... 133

6.4.1 聚类特征......................... 133

6.4.2 聚类特征树…...………... 134

6.5 聚类与分类差异……....……….. 135

6.6 本章小结..................................... 136

第7章数据预测与估算算法……….... 137

7.1 产生式模型与判别式模型…..... 137

7.2 基于最大似然估计的预测……... 138

7.3 基千线性回归的估算……………. 140

7.3.1 概要................................. 140

7.3.2 最4、二乘法..................... 141

7.4 基千最大期望算法分析....…..… 143

7.5 基于隐马尔科夫模型预测.....… 144

7.5.J 应用实例:高温天气与

行为概率......................... 144

7.5.2 原理分析......................... 145

7.5.3 高温天气与行为概率….. 147

7.6 基于条件随机场的序列预测….. 151

7.6.1 应用实例......................... 151

7.6.2 原理分析…................ 15 I

7.6.3 条件随机场的优缺点….. 153

7.7 本章小结·····································154

第8章数据决策分析算法……..…….. 155

8.1 基千ID3算法的决策分析....….. 156

8.1.1 信息量............................. 156

8.1.2 信息嫡............................. 156

8.1.3 信息增益......................... 157

8.1.4 ID3算法流程…....…........ 157

8.1.5 ID3算法的应用………….. 157

8.2 基千C4.5算法的分类决策树.. 159

8.2.1 概要................................. 159

8.2.2 应用实例......................... 159

8.3 基于分类回归树的决策划分… 161

8.3.l 概要................................. 162

8.3.2 应用实例: 决策划分..... 163

8.3.3 剪枝................................. 164

8.4 基于随机森林的决策分类.…... 168

8.4.1 随机森林的特点……..….. 169

8.4.2 随机森林的构造方法.…. 169

8.4.3 应用实例: 决定车厘子

的售价层次………………… 170

8.5 本章小结..................................... 172

第9章数据关联规则分析算法…...... 174

9.1 基千Apriori算法的关联项

分析............................................. 174

9.1.1 应用实例:超市的货架

摆放问题......................... 175

9.1.2 基本概要......................... 175

9.1.3 算法原理·························176

9.1.4 有效摆放货架……………. 176

9.2 基于FP-Growth算法的关联性

分析............................................. 179

9.2.1 构建FP树....................... 179

9.2.2 频繁项分析......………….. 181

9.2.3 与Apripri算法比较…. 184

9.3 基于Eclat算法的频繁项集

挖掘............................................. 184

9.4 本章小结..................................... 185

第10章数据推荐算法……………..….. 187

10.1 概要........................................... 187

10.1.1 推荐算法发展…………... 188

10.1.2 协同过泥推荐…...… ·…. 189

10.2 基于Item-Based协同过滤推荐········190

I 0.2.1 Item-Based基本思想.… 190

I 0.2.2 Slope One实例:基于评分推荐······190

10.3 基千User-Based协同过滤推荐........ 193

10.3.1 应用实例:根据人群的推荐............. 194

10.3.2 User-Based与Item-Based对比..... 197

10.4 基于潜在因子算法的推荐... 198

I 0.4. l 应用实例:新闻推荐... 198

10.4.2 流行度与推荐….....…… 200

10.5 推荐算法与效果评价…..……….201

10.6 本章小结···································203

如果想得到下载地址,请访问中科院计算所培训中心官网 http://www.tcict.cn/ 添加官网上的客服微信索取!

这篇关于每周一书《大数据时代的算法:机器学习、人工智能及其典型实例 》分享!的文章就介绍到这儿,希望我们推荐的文章对编程师们有所帮助!



http://www.chinasem.cn/article/439277

相关文章

如何使用 Python 读取 Excel 数据

《如何使用Python读取Excel数据》:本文主要介绍使用Python读取Excel数据的详细教程,通过pandas和openpyxl,你可以轻松读取Excel文件,并进行各种数据处理操... 目录使用 python 读取 Excel 数据的详细教程1. 安装必要的依赖2. 读取 Excel 文件3. 读

SpringBoot请求参数接收控制指南分享

《SpringBoot请求参数接收控制指南分享》:本文主要介绍SpringBoot请求参数接收控制指南,具有很好的参考价值,希望对大家有所帮助,如有错误或未考虑完全的地方,望不吝赐教... 目录Spring Boot 请求参数接收控制指南1. 概述2. 有注解时参数接收方式对比3. 无注解时接收参数默认位置

Spring 请求之传递 JSON 数据的操作方法

《Spring请求之传递JSON数据的操作方法》JSON就是一种数据格式,有自己的格式和语法,使用文本表示一个对象或数组的信息,因此JSON本质是字符串,主要负责在不同的语言中数据传递和交换,这... 目录jsON 概念JSON 语法JSON 的语法JSON 的两种结构JSON 字符串和 Java 对象互转

C++如何通过Qt反射机制实现数据类序列化

《C++如何通过Qt反射机制实现数据类序列化》在C++工程中经常需要使用数据类,并对数据类进行存储、打印、调试等操作,所以本文就来聊聊C++如何通过Qt反射机制实现数据类序列化吧... 目录设计预期设计思路代码实现使用方法在 C++ 工程中经常需要使用数据类,并对数据类进行存储、打印、调试等操作。由于数据类

SpringBoot使用GZIP压缩反回数据问题

《SpringBoot使用GZIP压缩反回数据问题》:本文主要介绍SpringBoot使用GZIP压缩反回数据问题,具有很好的参考价值,希望对大家有所帮助,如有错误或未考虑完全的地方,望不吝赐教... 目录SpringBoot使用GZIP压缩反回数据1、初识gzip2、gzip是什么,可以干什么?3、Spr

Vue3组件中getCurrentInstance()获取App实例,但是返回null的解决方案

《Vue3组件中getCurrentInstance()获取App实例,但是返回null的解决方案》:本文主要介绍Vue3组件中getCurrentInstance()获取App实例,但是返回nu... 目录vue3组件中getCurrentInstajavascriptnce()获取App实例,但是返回n

SpringBoot集成Milvus实现数据增删改查功能

《SpringBoot集成Milvus实现数据增删改查功能》milvus支持的语言比较多,支持python,Java,Go,node等开发语言,本文主要介绍如何使用Java语言,采用springboo... 目录1、Milvus基本概念2、添加maven依赖3、配置yml文件4、创建MilvusClient

SQL表间关联查询实例详解

《SQL表间关联查询实例详解》本文主要讲解SQL语句中常用的表间关联查询方式,包括:左连接(leftjoin)、右连接(rightjoin)、全连接(fulljoin)、内连接(innerjoin)、... 目录简介样例准备左外连接右外连接全外连接内连接交叉连接自然连接简介本文主要讲解SQL语句中常用的表

SpringValidation数据校验之约束注解与分组校验方式

《SpringValidation数据校验之约束注解与分组校验方式》本文将深入探讨SpringValidation的核心功能,帮助开发者掌握约束注解的使用技巧和分组校验的高级应用,从而构建更加健壮和可... 目录引言一、Spring Validation基础架构1.1 jsR-380标准与Spring整合1

openCV中KNN算法的实现

《openCV中KNN算法的实现》KNN算法是一种简单且常用的分类算法,本文主要介绍了openCV中KNN算法的实现,文中通过示例代码介绍的非常详细,对大家的学习或者工作具有一定的参考学习价值,需要的... 目录KNN算法流程使用OpenCV实现KNNOpenCV 是一个开源的跨平台计算机视觉库,它提供了各