第1章 数据挖掘简介及本书使用方法

欢迎来到21世纪

寻找相关对象

但如何寻找对象？

并不只是对象

根据数据挖掘可以对已做的事进行扩展

TB级挖掘是现实不是科幻

本书体例

我十分同意上述说法

学完本书之后可以做的事

为什么这本书很重要

哎呀！

为什么书名中包含“Ancient Art of the Numerati”

第2章 协同过滤——爱你所爱

如何寻找相似用户

曼哈顿距离

欧氏距离

毕达哥拉斯定理（勾股定理）

N 维下的思考

一个缺陷

一般化

Python中数据表示方法及代码

计算曼哈顿距离的代码

用户的评级差异

皮尔逊相关系数

在继续之前稍微休息一下

最后一个公式——余弦相似度

那么问题在哪里

相似度的选择

原因是什么？

一些怪异的事情

k近邻

Python的一个推荐类

一个新数据集

第3章 协同过滤——隐式评级及基于物品的过滤

显式评级

隐式评级

显式评级的问题

成功带来的问题

基于用户的过滤

基于物品的过滤（Item-based Filtering）

调整后的余弦相似度

Slope One算法

Slope One算法的粗略描述图

第一部分：计算偏差

第二部分：利用加权Slope One算法进行预测

基于Python的实现

加权Slope One：推荐模块

MovieLens数据集

第3章已经结束，祝贺！

第4章 内容过滤及分类——基于物品属性的过滤

选择合适取值的重要性

一个简单的例子

用Python实现

给出推荐的原因

一个取值范围的问题

归一化

使用标准分数的问题

改进的标准分数

归一化 vs. 不归一化

回到Pandora

最近邻分类器的Python代码

分类器是一个利用对象属性判定对象属于哪个组或类别的程序！

体育项目的识别

解答

测试数据

Python编程

Assertion错误及Assert语句

解答

解答

解答

就是它了

Iris数据集

汽车MPG数据

杂谈

第5章 分类的进一步探讨——算法评估及kNN

训练集和测试集

10折交叉验证（10-fold Cross Validation）

10折交叉验证的例子

混淆矩阵

一个编程的例子

testBucket方法

10折交叉验证的执行流程

Kappa统计量

近邻算法的改进

kNN

一个新数据集及挑战

更多数据、更好的算法以及一辆破公共汽车

第6章 概率及朴素贝叶斯——朴素贝叶斯

概率

一些术语

微软购物车

贝叶斯定理

为什么需要贝叶斯定理

朴素贝叶斯

i100 i500

iHealth100:

iHealth500:

用Python编程实现

训练

分类

共和党 vs. 民主党

概率估计

问题的解决

一点澄清

数字

方法1：构建类别

方法2：高斯分布！

总体标准差和样本标准差

实现上的一些说明

Python实现

训练阶段

这种做法会比近邻算法好吗

第7章 朴素贝叶斯及文本——非结构化文本分类

一个文本正负倾向性的自动判定系统

训练阶段

朴素贝叶斯分类阶段

Newsgroup语料库

对立观点：去除停用词的危害性

用Python编码实现

朴素贝叶斯以及情感分析

免责声明

第8章 聚类——群组发现

k-means聚类（k-means clustering）

层次聚类（hierarchical clustering）

单连接聚类（Single-linkage clustering）

全连接聚类（Complete-linkage clustering）

平均连接聚类（Average-linkage clustering）

算法流程如下

编程实现一个层次聚类算法

从文件中读入数据

对优先级队列进行初始化

等距问题以及元组中的信息

等距中需要考虑的另一个问题

重复下列过程直到只有一个簇为止

k-means聚类

爬山法

SSE或散度

k-means++

小结

安然公司

链接分析