标签
内容简介
本书是面向 Java 开发者的机器学习入门读物。书中先交代机器学习与数据科学的基本概念，讲清一个问题什么时候适合交给机器学习来解决，以及从数据收集、清洗、缺失值填补、异常值处理到特征变换与归约的完整前置流程；随后梳理 Java 生态里可用的机器学习库与平台，包括 Weka、Apache Mahout、Apache Spark、Deeplearning4j 与 MALLET，并比较它们各自适用的场景。在算法层面，本书覆盖分类、回归、聚类等基础任务，也涉及集成方法、关联分析、推荐、异常与欺诈检测、图像识别、传感器行为识别以及文本挖掘等应用方向。每一章围绕一个具体任务展开，给出思路、工具选型与示例流程，读者可以按章查阅，也可以顺着数据处理的线索通读。全书篇幅约一百七十余页，节奏偏紧凑，重点是让读者尽快把 Java 机器学习库用起来，而不是推导公式。适合作为有 Java 基础、刚踏入机器学习领域的读者的第一本实战型参考书。
编辑推荐
市面上讲机器学习的书大多以 Python 为载体，对长期写 Java、又不想在项目里多引入一套技术栈的开发者来说，往往只能“看懂了，但落不了地”。这本书补的正是这个缺口：它不追求算法推导的完整，而是把 Weka、Mahout、Spark、Deeplearning4j、MALLET 这些 Java 侧工具摆出来，告诉你面对分类、回归、聚类、推荐、异常检测、文本挖掘这些具体任务时，该挑哪个库、大致怎么走流程。全书只有一百七十多页，章节短小，每章围绕一个任务独立成篇，非常适合通勤或周末分次读完。语言偏工程化，示例驱动，读完能对 Java 机器学习的工具版图形成一张清晰的“地图”。需要提醒的是，书中涉及的库版本与今天已有距离，部分示例可能需要调整依赖才能跑通；另外如果你期待深入的数学推导或最新的深度学习方法，这本书并不是那个选择。
适合谁读
适合
- 有 Java 基础、想用熟悉语言做数据分析和机器学习的开发者
- 需要快速了解 Weka、Mahout、Spark、MALLET 等 Java 机器学习库选型的工程师
- 在校学生或转行者，希望用一本薄书建立机器学习工程实践的整体印象
- 后端工程师，要在现有 Java 系统中加入推荐、异常检测或文本分类能力
不适合
- 想系统学习算法数学原理、需要推导过程的读者
- 完全没有 Java 基础、希望直接从零学编程的入门者
- 追求最新深度学习框架（如 PyTorch、TensorFlow 新版）实践经验的读者
阅读建议
- 先读第 1、2 章建立概念和工具地图，再按自己手上的任务挑选后续章节精读，不必按顺序通读。
- 动手前先确认书中各库的当前版本与依赖，示例代码可能需要小幅修改才能在本地跑通。
- 每读完一章，用自己领域的一小份真实数据复现流程，比照抄示例更有收获。
- 把本书当索引而非教程：遇到具体任务时回查对应章节的工具选型建议，再配合官方文档深入。
出版社简介
人民邮电出版社
中国 · 成立于 1953 年
人民邮电出版社以科技、计算机与信息通信类图书见长，并由此延伸至摄影、艺术、软件学习与励志成长等门类，形成较为多元的出版方向。库内图书既涵盖《重构与模式（修订版）》《华为交换机学习指南（第二版）》等计算机与通信技术读物，也收录《小王子（中英法彩绘典藏纪念版）》《了不起的盖茨比》《假如给我三天光明》等双语典藏类作品；《北京十年：1980-1990》与《鬼刀 WLOP个人插画作品集》则体现其在摄影与艺术领域的布局。作者资源包括安东尼·圣埃克苏佩里、海伦·凯勒、Joshua Kerievsky、王达、张兆增与WLOP等。
目录
- 第1章 机器学习应用快速入门
- 第2章 面向机器学习的Java库与平台
- 第3章 基本算法——分类、回归和聚类
- 第4章 利用集成方法预测客户关系
- 第5章 关联分析
- 第6章 使用Apache Mahout制作推荐引擎
- 第7章 欺诈与异常检测
- 第8章 利用Deeplearning4j进行图像识别
- 第9章 利用手机传感器进行行为识别
- 第10章 利用Mallet进行文本挖掘——主题模型与垃圾邮件检测
- 第11章 机器学习进阶
常见问题
这本书需要什么基础？
需要能读懂并编写 Java 代码，了解类、集合和基本构建工具即可；机器学习方面假定是初学者，概念从第 1 章讲起，不要求数学基础特别扎实。
书中主要讲哪些 Java 库？
据图灵社区公布的目录，涉及 Weka、Apache Mahout、Apache Spark、Deeplearning4j 和 MALLET，第 2 章专门比较了这些库的定位与适用场景。
和其他同名的《Java机器学习》是同一本吗？
不是。市面上另有乌黛·卡马特等人著、机械工业出版社 2018 年出版的《Java机器学习》（原书 Mastering Java Machine Learning），内容更深、篇幅更大；本书是卡鲁扎著、武传海译的人民邮电版。
书中的代码示例还能跑吗？
本书 2017 年出版，所涉及的库此后多有版本更迭，示例依赖和 API 可能需要调整；建议以思路和流程为主，具体调用参考各库当前官方文档。
读者评论
查询本书
本站为索引目录：「全网查询」由您发起、在您的浏览器中运行，所列入口均指向第三方站点，请自行判断可用性。
