• 目录
• 简介
  • 序
  • 数据挖掘简介及如何使用本书
  • 欢迎来到21世纪
  • 本书的结构
• 推荐系统入门
  • 你喜欢的东西我也喜欢
  • 使用Python代码来表示数据
  • 最后一个公式：余弦相似度
  • Python推荐模块
• 隐式评价和基于物品的过滤算法
  • 显式评价&隐式评价
  • 显式评价的问题
  • 什么会阻碍你成功？
  • 基于用户/物品的协同过滤
  • 修正的余弦相似度
  • Slope One算法
  • 使用Python实现Slope One算法
• 分类
  • 根据物品特征进行分类
  • 回到潘多拉
  • 她是从事什么运动的？
  • Python编码
  • 每加仑燃油可以跑多少公里？
  • 番外篇：关于标准化
• 进一步探索分类
  • 效果评估算法和kNN
  • 留一法
  • 混淆矩阵
  • 代码示例
  • Kappa指标
  • 优化近邻算法
  • 新的数据集，新的挑战
• 朴素贝叶斯
  • 朴素贝叶斯
  • 微软购物车
  • 贝叶斯法则
  • 为什么我们需要贝叶斯法则？
  • i100、i500健康手环
  • 使用Python编写朴素贝叶斯分类器
  • 共和党还是民主党
  • 数值型数据
  • 使用Python实现
• 朴素贝叶斯算法和非结构化文本
  • 非结构化文本的分类算法
  • 训练阶段
  • 使用朴素贝叶斯进行分类
  • 新闻组语料库
  • 朴素贝叶斯与情感分析
• 聚类
  • 层次聚类法
  • 编写层次聚类算法
  • k-means聚类算法
  • 安然事件