白话大数据与机器学习

3.1.2　非古典概型 17
3.2　排列组合的应用示例 18
3.2.1　双色球彩票 18
3.2.2　购车摇号 20
3.2.3　德州扑克 21
3.3　小结 25
第4章　统计与分布 27
4.1　加和值、平均值和标准差 27
4.1.1　加和值 28
4.1.2　平均值 29
4.1.3　标准差 30
4.2　加权均值 32
4.2.1　混合物定价 32
4.2.2　决策权衡 34
4.3　众数、中位数 35
4.3.1　众数 36
4.3.2　中位数 37
4.4　欧氏距离 37
4.5　曼哈顿距离 39
4.6　同比和环比 41
4.7　抽样 43
4.8　高斯分布 45
4.9　泊松分布 49
4.10　伯努利分布 52
4.11　小结 54
第5章　指标 55
5.1　什么是指标 55
5.2　指标化运营 58
5.2.1　指标的选择 58
5.2.2　指标体系的构建 62
5.3　小结 63
第6章　信息论 64
6.1　信息的定义 64
6.2　信息量 65
6.2.1　信息量的计算 65
6.2.2　信息量的理解 66
6.3　香农公式 68
6.4　熵 70
6.4.1　热力熵 70
6.4.2　信息熵 72
6.5　小结 75
第7章　多维向量空间 76
7.1　向量和维度 76
7.1.1　信息冗余 77
7.1.2　维度 79
7.2　矩阵和矩阵计算 80
7.3　数据立方体 83
7.4　上卷和下钻 85
7.5　小结 86
第8章　回归 87
8.1　线性回归 87
8.2　拟合 88
8.3　残差分析 94
8.4　过拟合 99
8.5　欠拟合 100
8.6　曲线拟合转化为线性拟合 101
8.7　小结 104
第9章　聚类 105
9.1　K-Means算法 106
9.2　有趣模式 109
9.3　孤立点 110
9.4　层次聚类 110
9.5　密度聚类 113
9.6　聚类评估 116
9.6.1　聚类趋势 117
9.6.2　簇数确定 119
9.6.3　测定聚类质量 121
9.7　小结 124
第10章　分类 125
10.1　朴素贝叶斯 126
10.1.1　天气的预测 128
10.1.2　疾病的预测 130
10.1.3　小结 132
10.2　决策树归纳 133
10.2.1　样本收集 135
10.2.2　信息增益 136
10.2.3　连续型变量 137
10.3　随机森林 140
10.4　隐马尔可夫模型 141
10.4.1　维特比算法 144
10.4.2　前向算法 151
10.5　支持向量机SVM 154
10.5.1　年龄和好坏 154
10.5.2　“下刀”不容易 157
10.5.3　距离有多远 158
10.5.4　N维度空间中的距离 159
10.5.5　超平面怎么画 160
10.5.6　分不开怎么办 160
10.5.7　示例 163
10.5.8　小结 164
10.6　遗传算法 164
10.6.1　进化过程 164
10.6.2　算法过程 165
10.6.3　背包问题 165
10.6.4　极大值问题 173
10.7　小结 181
第11章　关联分析 183
11.1　频繁模式和Apriori算法 184
11.1.1　频繁模式 184
11.1.2　支持度和置信度 185
11.1.3　经典的Apriori算法 187
11.1.4　求出所有频繁模式 190
11.2　关联分析与相关性分析 192
11.3　稀有模式和负模式 193
11.4　小结 194
第12章　用户画像 195
12.1　标签 195
12.2　画像的方法 196
12.2.1　结构化标签 196
12.2.2　非结构化标签 198
12.3　利用用户画像 203
12.3.1　割裂型用户画像 203
12.3.2　紧密型用户画像 204
12.3.3　到底“像不像” 204
12.4　小结 205
第13章　推荐算法 206
13.1　推荐思路 206
13.1.1　贝叶斯分类 206
13.1.2　利用搜索记录 207
13.2　User-based CF 209
13.3　Item-based CF 211
13.4　优化问题 215
13.5　小结 217
第14章　文本挖掘 218
14.1　文本挖掘的领域 218
14.2　文本分类 219
14.2.1　Rocchio算法 220
14.2.2　朴素贝叶斯算法 223
14.2.3　K-近邻算法 225
14.2.4　支持向量机SVM算法 226
14.3　小结 227
第15章　人工神经网络 228
15.1　人的神经网络 228
15.1.1　神经网络结构 229
15.1.2　结构模拟 230
15.1.3　训练与工作 231
15.2　FANN库简介 233
15.3　常见的神经网络 235
15.4　BP神经网络 235
15.4.1　结构和原理 236
15.4.2　训练过程 237
15.4.3　过程解释 240
15.4.4　示例 240
15.5　玻尔兹曼机 244
15.5.1　退火模型 244
15.5.2　玻尔兹曼机 245
15.6　卷积神经网络 247
15.6.1　卷积 248
15.6.2　图像识别 249
15.7　深度学习 255
15.8　小结 256
第16章　大数据框架简介 257
16.1　著名的大数据框架 257
16.2　Hadoop框架 258
16.2.1　MapReduce原理 259
16.2.2　安装Hadoop 261
16.2.3　经典的WordCount 264
16.3　Spark 框架 269
16.3.1　安装Spark 270
16.3.2　使用Scala计算WordCount 271
16.4　分布式列存储框架 272
16.5　PrestoDB——神奇的CLI 273
16.5.1　Presto为什么那么快 273
16.5.2　安装Presto 274
16.6　小结 277
第17章　系统架构和调优 278
17.1　速度——资源的配置 278
17.1.1　思路一：逻辑层面的优化 279
17.1.2　思路二：容器层面的优化 279
17.1.3　思路三：存储结构层面的优化 280
17.1.4　思路四：环节层面的优化 280
17.1.5　资源不足 281
17.2　稳定——资源的可用 282
17.2.1　借助云服务 282
17.2.2　锁分散 282
17.2.3　排队 283
17.2.4　谨防“雪崩” 283
17.3　小结 285
第18章　数据解读与数据的价值 286
18.1　运营指标 286
18.1.1　互联网类型公司常用指标 287
18.1.2　注意事项 288
18.2　AB测试 289
18.2.1　网页测试 290
18.2.2　方案测试 290
18.2.3　灰度发布 292
18.2.4　注意事项 293
18.3　数据可视化 295
18.3.1　图表 295
18.3.2　表格 299
18.4　多维度——大数据的灵魂 299
18.4.1　多大算大 299
18.4.2　大数据网络 300
18.4.3　去中心化才能活跃 301
18.4.4　数据会过剩吗 302
18.5　数据变现的场景 303
18.5.1　数据价值的衡量的讨论 303
18.5.2　场景1：征信数据 307
18.5.3　场景2：宏观数据 308
18.5.4　场景3：画像数据 309
18.6　小结 310
附录A　VMware Workstation的安装 311
附录B　CentOS虚拟机的安装方法 314
附录C　Python语言简介 318
附录D　Scikit-learn库简介 323
附录E　FANN for Python安装 324
附录F　群众眼中的大数据 325
写作花絮 327
参考文献 329

.　　全书所有的Python代码由卫峥编写与补充整理。
　　第16章、附录全部由尹会生编写。
　　全书所有的漫画插画由万娟创作完成。
　　勘误和支持
　　由于水平有限，编写时间仓促，书中难免会出现一些错误或者不准确的地方，恳请读者批评指正。如果你有更多的宝贵意见，欢迎扫描下方的二维码，关注“奇点大数据”微信公众号和我们进行互动讨论。关注大数据尖端技术发展，关注“奇点大数据”。
　　同时，你也可以通过邮箱77232517@qq.com联系到我，期待能够得到你的真挚反馈，在技术之路上互勉共进。
　　致谢
　　特别感谢：万娟女士为本书做的漫画插画内容。
　　万娟女士现任深圳星盘科技有限公司UI设计师，是我在多年工作中遇到过的最敬业的UI设计师之一，在2013年一起合作的过程中给我留下了非常深刻的印象。
　　她多次参加全国和国际艺术比赛，曾获得全国青少年绘画大赛铜奖，中国–新加坡国际青少年绘画比赛优秀奖，以及全国大学生工业设计大赛三等奖。从小酷爱绘画，理想是开一个属于自己的画室。
　　她给我留下的最深刻的印象用两个词可以描述：一个词是“敬业”，不管是在过去共事期间的合作，还是在为本书创作插画的过程中，为了保证进度带病坚持创作，都让我非常感动；另一个词是“唯美”，不仅人长得美，作品设计风格也透出现代与时尚的气息。
　　此外还要对所有支持和关心本书成书的各界朋友表示由衷的感谢：
　　衷心感谢北京邮电大学软件学院杨谈老师对本书的审校工作。
　　衷心感谢腾讯公司数据分析师彭瑶女士对本书的审校工作。
　　衷心感谢重庆工商大学黄辉老师、杨艺老师对本书的大力支持。
　　衷心感谢机械工业出版社华章公司对本书的支持与帮助。
　　衷心感谢“奇点大数据”微信群友对本书的关注与支持。
　　高扬