Java机器学习电子书在线阅读完整高清版|百度网盘下载

编辑评论：

Java 机器学习详细介绍了机器学习中的高级技术，包括分类、聚类、异常值检测、流式学习、主动学习、半监督学习、概率图建模、文本挖掘、深度学习和大数据批处理和流式机器学习

编辑推荐

本书详细介绍了机器学习中的高级技术，包括分类、聚类、异常值检测、流式学习、主动学习、半监督学习、概率图建模、文本挖掘、深度学习和大数据批处理.因此，每章中的示例和实际案例研究展示了如何使用完整的方法和当前可用的基于 Java 的最佳工具来应用刚刚学到的技术。

阅读本书后，您将了解解决各个领域的数据科学问题和构建强大的机器学习模型所需的工具和技术。

通过阅读本书，您将：

掌握关键的Java机器学习库，通过理论和实践指导发现每一种可以解决的问题

探索各种机器学习领域的强大技术，例如分类、聚类、异常值检测、图形建模和文本挖掘

通过方法、流程、应用和分析将机器学习应用于真实数据

使用新工具和方法探索机器学习新专业方面的技术和实验，例如深度学习、流数据挖掘以及主动和半监督学习，以构建基于批处理和流的高性能大数据学习，实时的自适应预测模型

更深入地了解可应用于安全、金融犯罪、物联网和社交网络等领域的更强大的人工智能技术。

简介

本书涵盖了机器学习中的经典技术，例如分类、聚类、降维、异常值检测、半监督学习和主动学习。它还介绍了最近的高级主题，包括流数据学习、深度学习和大数据学习的挑战。每章指定一个主题，包括案例研究、基于 Java 的尖端工具和软件的介绍，以及完整的知识发现周期：数据采集、实验设计、建模、结果和评估。每章都是独立的，提供了很大的使用灵活性。随附的网站提供源代码和数据。对于学生和数据分析从业者来说，这真的很难，你可以直接用刚刚学过的方法进行实验，或者通过将它们应用到现实世界中来加深对它们的理解。

关于作者

博士。 Uday Kamath 是 BAE Systems Applied Intelligence 的首席数据科学家，专门研究可扩展的机器学习，在反洗钱 (AML)、金融犯罪欺诈检测、网络空间安全和生物信息学领域拥有 20 年的研究经验。 Kamath博士负责BAE Systems应用智能AI事业部在行为科学、社交网络和大数据机器学习领域的核心产品的研究和分析。他获得了博士学位。来自乔治梅森大学，在 Kenneth De Jong 博士的指导下，他的论文研究重点是大数据机器学习和自动序列挖掘领域。

Krishna Choppella 在 BAE Systems Applied Intelligence 担任解决方案架构师，负责构建工具和客户解决方案。他有 20 年的 Java 编程经验，主要兴趣是数据科学、函数式编程和分布式计算。

主要内容

第 1 章介绍了机器学习的基本概念和技术。读者还可以在 Packt 的其他类似书籍中找到这些内容，例如 Learning Machine Learning in Java 等。本章涵盖的概念有：数据、数据转换、采样和偏移、特征及其重要性、监督学习、无监督学习、大数据学习、数据流和实时学习、概率图模型和半监督学习。

第 2 章直接概述了广泛的监督学习场景和相关技术，还涵盖了特征选择和降维、线性建模、逻辑模型、非线性模型、SVM 和核函数、集成学习技术（例如 bagging和提升）、验证技术和指标，以及模型选择。本章中的案例研究使用 Weka 和 RapidMiner，涵盖了从数据分析到模型性能分析的所有步骤。与其他章节一样，案例研究作为示例帮助读者理解本章介绍的技术如何应用​​于现实生活中。本案例研究使用的数据集来自 UCI Horse Colic。

第 3 章介绍了各种高级聚类和异常值技术及其应用。本章涵盖的主题包括无监督数据的特征选择和降维、聚类算法、聚类模型评估以及使用统计方法、距离和分布技术的异常检测。在本章的最后，我们展示了一个使用一组真实世界图像数据集 MNIST 进行聚类和异常值检测的案例研究。另外，使用Smile API完成特征降维，使用ELKI进行学习。

第 4 章详细介绍了只有少量标记数据可用时的学习算法和技术。本章涵盖的主题包括自我训练、生成模型、转导 SVM 算法、协同训练、主动学习和多视图学习。