计算机 类型
可以朗读 语音朗读
186千字 字数
2017-01-01 发行日期
展开全部

主编推荐语

《Spark MLLib编程全攻略》:全面详尽、实例相结合，快速掌握MLLib编程。

内容简介

本书分为12章，从Spark基础开始，依次介绍MLLib程序设计基础、MLLib的数据对象构建、MLLib中RDD使用介绍，各种分类、聚类、回归等数据处理方法。本书理论内容由浅而深，内容精炼，采取实例和理论相结合的方式，内容全面而详尽、讲解细致直观。通过实例的演示，可以使读者在学习本书时，快速有效地掌握MLLib编程知识。

目录

  • 封面页
  • 书名页
  • 版权页
  • 作者简介
  • 内容简介
  • 前言
  • 目录
  • 第1章　星星之火
  • 1.1　大数据时代
  • 1.2　大数据分析时代
  • 1.3　简单、优雅、有效——这就是Spark
  • 1.4　核心——MLlib
  • 1.5　星星之火，可以燎原
  • 1.6　小结
  • 第2章　Spark安装和开发环境配置
  • 2.1　Windows单机模式Spark安装和配置
  • 2.1.1　Windows 7安装Java
  • 2.1.2　Windows 7安装Scala
  • 2.1.3　Intellij IDEA下载和安装
  • 2.1.4　Intellij IDEA中Scala插件的安装
  • 2.1.5　HelloJava——使用Intellij IDEA创建Java程序
  • 2.1.6　HelloScala——使用Intellij IDEA创建Scala程序
  • 2.1.7　最后一脚——Spark单机版安装
  • 2.2　经典的WordCount
  • 2.2.1　Spark实现WordCount
  • 2.2.2　MapReduce实现WordCount
  • 2.3　小结
  • 第3章　RDD详解
  • 3.1　RDD是什么
  • 3.1.1　RDD名称的秘密
  • 3.1.2　RDD特性
  • 3.1.3　与其他分布式共享内存的区别
  • 3.1.4　RDD缺陷
  • 3.2　RDD工作原理
  • 3.2.1　RDD工作原理图
  • 3.2.2　RDD的相互依赖
  • 3.3　RDD应用API详解
  • 3.3.1　使用aggregate方法对给定的数据集进行方法设定
  • 3.3.2　提前计算的cache方法
  • 3.3.3　笛卡尔操作的cartesian方法
  • 3.3.4　分片存储的coalesce方法
  • 3.3.5　以value计算的countByValue方法
  • 3.3.6　以key计算的countByKey方法
  • 3.3.7　除去数据集中重复项的distinct方法
  • 3.3.8　过滤数据的filter方法
  • 3.3.9　以行为单位操作数据的flatMap方法
  • 3.3.10　以单个数据为目标进行操作的map方法
  • 3.3.11　分组数据的groupBy方法
  • 3.3.12　生成键值对的keyBy方法
  • 3.3.13　同时对两个数据进行处理的reduce方法
  • 3.3.14　对数据进行重新排序的sortBy方法
  • 3.3.15　合并压缩的zip方法
  • 3.4　小结
  • 第4章　MLlib基本概念
  • 4.1　MLlib基本数据类型
  • 4.1.1　多种数据类型
  • 4.1.2　从本地向量集起步
  • 4.1.3　向量标签的使用
  • 4.1.4　本地矩阵的使用
  • 4.1.5　分布式矩阵的使用
  • 4.2　MLlib数理统计基本概念
  • 4.2.1　基本统计量
  • 4.2.2　统计量基本数据
  • 4.2.3　距离计算
  • 4.2.4　两组数据相关系数计算
  • 4.2.5　分层抽样
  • 4.2.6　假设检验
  • 4.2.7　随机数
  • 4.3　小结
  • 第5章　协同过滤算法
  • 5.1　协同过滤
  • 5.1.1　协同过滤概述
  • 5.1.2　基于用户的推荐
  • 5.1.3　基于物品的推荐
  • 5.1.4　协同过滤算法的不足
  • 5.2　相似度度量
  • 5.2.1　基于欧几里得距离的相似度计算
  • 5.2.2　基于余弦角度的相似度计算
  • 5.2.3　欧几里得相似度与余弦相似度的比较
  • 5.2.4　第一个例子——余弦相似度实战
  • 5.3　MLlib中的交替最小二乘法（ALS算法）
  • 5.3.1　最小二乘法（LS算法）详解
  • 5.3.2　MLlib中交替最小二乘法（ALS算法）详解
  • 5.3.3　ALS算法实战
  • 5.4　小结
  • 第6章　MLlib线性回归理论与实战
  • 6.1　随机梯度下降算法详解
  • 6.1.1　道士下山的故事
  • 6.1.2　随机梯度下降算法的理论基础
  • 6.1.3　随机梯度下降算法实战
  • 6.2　MLlib回归的过拟合
  • 6.2.1　过拟合产生的原因
  • 6.2.2　lasso回归与岭回归
  • 6.3　MLlib线性回归实战
  • 6.3.1　MLlib线性回归基本准备
  • 6.3.2　MLlib线性回归实战：商品价格与消费者收入之间的关系
  • 6.3.3　对拟合曲线的验证
  • 6.4　小结
  • 第7章　MLlib分类实战
  • 7.1　逻辑回归详解
  • 7.1.1　逻辑回归不是回归算法
  • 7.1.2　逻辑回归的数学基础
  • 7.1.3　一元逻辑回归示例
  • 7.1.4　多元逻辑回归示例
  • 7.1.5　MLlib逻辑回归验证
  • 7.1.6　MLlib逻辑回归实例：肾癌的转移判断
  • 7.2　支持向量机详解
  • 7.2.1　三角还是圆
  • 7.2.2　支持向量机的数学基础
  • 7.2.3　支持向量机使用示例
  • 7.2.4　使用支持向量机分析肾癌转移
  • 7.3　朴素贝叶斯详解
  • 7.3.1　穿裤子的男生or女生
  • 7.3.2　贝叶斯定理的数学基础和意义
  • 7.3.3　朴素贝叶斯定理
  • 7.3.4　MLlib朴素贝叶斯使用示例
  • 7.3.5　MLlib朴素贝叶斯实战：“僵尸粉”的鉴定
  • 7.4　小结
  • 第8章　决策树与保序回归
  • 8.1　决策树详解
  • 8.1.1　水晶球的秘密
  • 8.1.2　决策树的算法基础：信息熵
  • 8.1.3　决策树的算法基础——ID3算法
  • 8.1.4　MLlib中决策树的构建
  • 8.1.5　MLlib中决策树示例
  • 8.1.6　随机雨林与梯度提升算法（GBT）
  • 8.2　保序回归详解
  • 8.2.1　何为保序回归
  • 8.2.2　保序回归示例
  • 8.3　小结
  • 第9章　MLlib中聚类详解
  • 9.1　聚类与分类
  • 9.1.1　什么是分类
  • 9.1.2　什么是聚类
  • 9.2　MLlib中的Kmeans算法
  • 9.2.1　什么是kmeans算法
  • 9.2.2　MLlib中Kmeans算法示例
  • 9.2.3　Kmeans算法中细节的讨论
  • 9.3　高斯混合聚类
  • 9.3.1　从高斯分布聚类起步
  • 9.3.2　混合高斯聚类
  • 9.3.3　MLlib高斯混合模型使用示例
  • 9.4　快速迭代聚类
  • 9.4.1　快速迭代聚类理论基础
  • 9.4.2　快速迭代聚类示例
  • 9.5　小结
  • 第10章　MLlib中关联规则
  • 10.1　Apriori频繁项集算法
  • 10.1.1　啤酒与尿布
  • 10.1.2　经典的Apriori算法
  • 10.1.3　Apriori算法示例
  • 10.2　FP-growth算法
  • 10.2.1　Apriori算法的局限性
  • 10.2.2　FP-growth算法
  • 10.2.3　FP树示例
  • 10.3　小结
  • 第11章　数据降维
  • 11.1　奇异值分解（SVD）
  • 11.1.1　行矩阵（RowMatrix）详解
  • 11.1.2　奇异值分解算法基础
  • 11.1.3　MLlib中奇异值分解示例
  • 11.2　主成分分析（PCA）
  • 11.2.1　主成分分析（PCA）的定义
  • 11.2.2　主成分分析（PCA）的数学基础
  • 11.2.3　MLlib中主成分分析（PCA）示例
  • 11.3　小结
  • 第12章　特征提取和转换
  • 12.1　TF-IDF
  • 12.1.1　如何查找所要的新闻
  • 12.1.2　TF-IDF算法的数学计算
  • 12.1.3　MLlib中TF-IDF示例
  • 12.2　词向量化工具
  • 12.2.1　词向量化基础
  • 12.2.2　词向量化使用示例
  • 12.3　基于卡方检验的特征选择
  • 12.3.1　“吃货”的苦恼
  • 12.3.2　MLlib中基于卡方检验的特征选择示例
  • 12.4　小结
  • 第13章　MLlib实战演练——鸢尾花分析
  • 13.1　建模说明
  • 13.1.1　数据的描述与分析目标
  • 13.1.2　建模说明
  • 13.2　数据预处理和分析
  • 13.2.1　微观分析——均值与方差的对比分析
  • 13.2.2　宏观分析——不同种类特性的长度计算
  • 13.2.3　去除重复项——相关系数的确定
  • 13.3　长与宽之间的关系——数据集的回归分析
  • 13.3.1　使用线性回归分析长与宽之间的关系
  • 13.3.2　使用逻辑回归分析长与宽之间的关系
  • 13.4　使用分类和聚类对鸢尾花数据集进行处理
  • 13.4.1　使用聚类分析对数据集进行聚类处理
  • 13.4.2　使用分类分析对数据集进行分类处理
  • 13.5　最终的判定——决策树测试
  • 13.5.1　决定数据集的归类——决策树
  • 13.5.2　决定数据集归类的分布式方法——随机雨林
  • 13.6　小结
展开全部

评分及书评

尚无评分
目前还没人评分

出版方

清华大学出版社

清华大学出版社成立于1980年6月，是由教育部主管、清华大学主办的综合出版单位。植根于“清华”这座久负盛名的高等学府，秉承清华人“自强不息，厚德载物”的人文精神，清华大学出版社在短短二十多年的时间里，迅速成长起来。清华大学出版社始终坚持弘扬科技文化产业、服务科教兴国战略的出版方向，把出版高等学校教学用书和科技图书作为主要任务，并为促进学术交流、繁荣出版事业设立了多项出版基金，逐渐形成了以出版高水平的教材和学术专著为主的鲜明特色，在教育出版领域树立了强势品牌。