“太棒了!对于初学这些算法的开发者而言，我想不出有比这本书更好的选择了，而对于像我这样学过Al的老朽而言，我也想不出还有什么更好的办法能够让自己重温这些知识的细节。”
——Dan Russell，资深技术经理，Google
“Toby的这本书非常成功地将机器学习算法这一复杂的议题拆分成了一个个既实用又易。瞳的例子，我们可以直接利用这些例子来分析当前网络上的社会化交互作用。假如我早两年读过这本书，就会省去许多宝贵的时间，也不至于走那么多的弯路了。”
——Tim Wolters，CT0，Collective Intellect
想了解蕴藏在搜索排名、商品推荐、社会化书签以及在线婚介应用背后的巨大威力吗?本书的内容引人人胜，它将会告诉我们如何构造Web 2．0应用，使其能够挖掘有大量用户参与的互联网应用所产生的海量数据。利用书中介绍的这些复杂算法，可以编写出智能程序、访问其他Web站点的数据集、从我们自己的应用程序中搜集用户数据，进而分析和理解这些数据。
本书将引领我们进入机器学习与计算统计的世界，并解释如何得出有关用户体验、市场营销、个人品味以及我们和他人每天搜集的用户行为方面的结论。书中对每一个算法都进行了详细的描述，并附以简洁的代码，这些代码可以直接用于我们的Web站点、博客、维基，或者其他特定的应用。
本书向读者介绍了：
令在线零售商向用户提供商品或媒体推荐的协作型过滤技术；
在一个大型数据集中检测相似项群组的聚类方法；
在针对某一问题的数以百万计的可能题解中进行搜索，并从中选出最优解的优化算法；
用于垃圾过滤技术的贝叶斯过滤器，如何根据单词类型及其他特征对文档进行分类；
用于对在线约会站点的用户进行配对的支持向量机；
用于问题求解的智能进化技术——随着玩游戏的次数逐渐增多，计算机玩家如何通过改进自身代码的方式来发展技能。
本书的每一章后都有练习，这些练习对算法进行了扩展，使其变得更加强大。让我们超越以数据库为后端的简单应用系统，挖掘互联网数据的价值，为我所用!

本书以机器学习与计算统计为主题背景，专门讲述如何挖掘和分析Web上的数据和资源，如何分析用户体验、市场营销、个人品味等诸多信息，并得出有用的结论，通过复杂的算法来从Web网站获取、收集并分析用户的数据和反馈信息，以便创造新的用户价值和商业价值。全书内容翔实，包括协作过滤技术（实现关联产品推荐功能）、集群数据分析（在大规模数据集中发掘相似的数据子集）、搜索引擎核心技术（爬虫、索引、查询引擎、PageRank算法等）、搜索海量信息并进行分析统计得出结论的优化算法、贝叶斯过滤技术（垃圾邮件过滤、文本过滤）、用决策树技术实现预测和决策建模功能、社交网络的信息匹配技术、机器学习和人工智能应用等。
本书是Web开发者、架构师、应用工程师等的绝佳选择。

Toby Segaran是Genstruct公司的软件开发主管，这家公司涉足计算生物领域，他本人的职责是设计算法，并利用数据挖掘技术来辅助了解药品机理。Toby Segaran还为其他几家公司和数个开源项目服务，帮助它们从收集到的数据当中分析并发掘价值。除此以外，TobySegaran还建立了几个免费的网站应用，包括流行的tasktoy和Lazybase。他非常喜欢滑雪与品酒，其博客地址是bl09．kiwitobes．corn，现居于旧金山。

第1章 集体智慧导言
什么是集体智慧
什么是机器学习
机器学习的局限
真实生活中的例子
学习型算法的其他用途
第2章 提供推荐
协作型过滤
搜集偏好
寻找相近的用户
推荐物品
匹配商品
构建一个基于delici0US的链接推荐系统
基于物品的过滤
使用MovieLens数据集
基于用户进行过滤还是基于物品进行过滤
练习
第3章 发现群组
监督学习和无监督学习
单词向量
分级聚类
绘制树状图
列聚类
K－均值聚类
针对偏好的聚类
以二维形式展现数据
有关聚类的其他事宜
练习
第4章 搜索与排名
搜索引擎的组成
一个简单的爬虫程序
建立索引
查询
基于内容的排名
利用外部回指链接
从点击行为中学习
练习
第5章 优化
组团旅游
描述题解
成本函数
随机搜索
爬山法
模拟退火算法
遗传算法
真实的航班搜索
涉及偏好的优化
网络可视化
其他可能的应用场合
练习
第6章 文档过滤
过滤垃圾信息
文档和单词
对分类器进行训练
计算概率
朴素分类器
费舍尔方法
将经过训练的分类器持久化
过滤博客订阅源
……
第7章 决策树建模
第8章 构建价格模型
第9章 高阶分类：核方法与SVM
第10章 寻找独立特征
第11章 智能进化
第12章 算法总结
附录A：第三方函数库
附录B：数学公式
索引