集体智慧编程

引言

由 Toby Segaran 所著的《Programming Collective Intelligence》（中文译名为《集体智慧编程》）一书于 2007 年出版，但至今仍是使用 Python 进行机器学习和数据分析的最佳实践入门书籍之一。与学术教科书不同，本书侧重于可直接应用于构建智能 Web 应用程序的真实算法：从推荐系统到搜索引擎和垃圾邮件过滤器。

本书内容

本书以一系列实践项目的形式构建。每一章都专注于一个特定的任务：数据聚类、构建决策树、内容过滤、语义搜索（LSI）、使用遗传算法进行优化以及神经网络。所有示例均使用纯 Python 编写（不依赖第三方机器学习库），这使得读者能够更深入地理解算法的内部机制。

主要主题

• 推荐系统 — 基于用户相似度的协同过滤（欧几里得距离、皮尔逊相关系数）。
• 聚类 — 用于数据分组的层次聚类和 K-means 算法。
• 搜索与排序 — 构建搜索索引、PageRank、语义分析（LSI）。
• 垃圾邮件过滤 — 带有实用改进的朴素贝叶斯分类器。
• 优化 — 遗传算法、模拟退火、爬山法。
• 神经网络 — 简单的多层感知器和反向传播。
• 数据可视化 — 用于显示聚类的多维缩放（MDS）。

本书适合谁

本书面向已经掌握 Python 基础的程序员。读者无需深厚的数学知识——所有公式都以直观的方式解释，并立即转化为代码。对于那些希望从编写脚本转向创建智能系统，但又畏惧复杂机器学习教科书的人来说，这是一个理想的选择。

读者将学到什么

• 如何从头实现协同过滤算法。
• 如何构建带有排序功能的自己的搜索引擎。
• 如何编写一个可以在自己的数据上训练的垃圾邮件过滤器。
• 如何使用聚类分析用户或商品群体。
• 如何应用遗传算法解决优化问题（例如，排程或路线规划）。
• 如何使用 Python 可视化多维数据。
• 神经网络在代码层面是如何工作的，而不是一个黑箱。

本书的优势

实践导向。 每一章都以可运行的代码结尾，这些代码可以立即运行并根据自己的需求进行调整。作者不沉迷于理论，而是展示算法如何在真实的 Web 服务（如 Amazon、Netflix、Google）中应用。

易于理解。 复杂的概念（SVD、LSI、神经网络）通过简单的类比和逐步实现来解释。理解这些内容只需要基本的 Python 知识和高中数学水平。

与时俱进。 尽管出版年代较早，但基础算法（协同过滤、PageRank、贝叶斯分类器）仍然是现代推荐系统和搜索引擎的基石。本书为进一步学习更复杂的框架（如 scikit-learn、TensorFlow）打下了坚实的基础。

推荐给谁

本书对Web 开发者（希望为其项目添加“智能”功能）、数据分析师（刚刚开始数据科学之旅）以及学生（正在学习机器学习并希望了解算法“引擎盖下”如何工作）都很有帮助。如果您已经在使用 scikit-learn 或 PyTorch