第1章 排序 1 1.1 研究动因:谷歌问题 1 1.2 研究结果 4 1.2.1 Perron-Frobenius定理 4 1.2.2 PageRank 8 1.3 案例研究:品牌忠诚度 14 1.4 练习 17 第2章 在线学习 19 2.1 研究动因:投资组合选择 19 2.2 研究结果 22 2.2.1 在线镜像下降 22 2.2.2 熵设定 29 2.3 案例分析:专家建议 33 2.4 练习 34 第3章 **系统 37 3.1 研究动因:Netflix大赛 37 3.2 研究结果 38 3.2.1 基于近邻的方法 38 3.2.2 基于模型的方法 41 3.3 案例分析:潜在语义分析 52 3.4 练习 54 第4章 分类 56 4.1 研究动因:信用调查 56 4.2 研究结果 57 4.2.1 Fisher判别规则 57 4.2.2 支持向量机 64 4.3 案例分析:质量控制 72 4.4 练习 74 第5章 聚类 77 5.1 研究动因:DNA测序 77 5.2 研究结果 79 5.2.1 k-均值算法 79 5.2.2 谱聚类 82 5.3 案例分析:主题抽取 88 5.4 练习 91 第6章 线性回归 93 6.1 研究动因:计量经济学分析 93 6.2 研究结果 95 6.2.1 *小二乘法 95 6.2.2 岭回归 102 6.3 案例分析:资本资产定价 107 6.4 练习 109 第7章 稀疏恢复 112 7.1 研究动因:变量选择 112 7.2 研究结果 114 7.2.1 Lasso回归 114 7.2.2 迭代阈值收缩算法 119 7.3 案例分析:压缩感知 124 7.4 练习 126 第8章 神经网络 127 8.1 研究动因:神经细胞 127 8.2 研究结果 129 8.2.1 逻辑回归 129 8.2.2 感知机 135 8.3 案例分析:垃圾邮件过滤 140 8.4 练习 143 第9章 决策树 145 9.1 研究动因:泰坦尼克号幸存率 145 9.2 研究结果 148 9.2.1 NP完全性 148 9.2.2 自上而下的和自下而上的启发式算法 154 9.3 案例研究:国际象棋引擎 157 9.4 练习 160 第10章 练习题解 163 10.1 排序 163 10.2 在线学习 169 10.3 **系统 174 10.4 分类 182 10.5 聚类 189 10.6 线性回归 198 10.7 稀疏恢复 205 10.8 神经网络 210 10.9 决策树 216 参考文献 228 索引 231 英文索引 236