Spark MLlib機器學習:算法、源碼及實戰詳解 Spark MLlib机器学习:算法、源码及实战详解
黃美靈
- 出版商: 電子工業
- 出版日期: 2016-03-01
- 定價: $474
- 售價: 8.5 折 $403
- 語言: 簡體中文
- 頁數: 404
- 裝訂: 平裝
- ISBN: 7121282143
- ISBN-13: 9787121282140
-
相關分類:
Spark、Machine Learning
立即出貨 (庫存=1)
買這商品的人也買了...
-
$560Python 自然語言處理 (Natural Language Processing with Python)
-
$780$616 -
$360$306 -
$620$484 -
$690$538 -
$301Spark大數據實例開發教程
-
$250Spark MLlib機器學習實踐
-
$301Spark大資料分析實戰
-
$311Spark核心技術與高級應用
-
$301推薦系統 (Recommender Systems: An Introduction)
-
$202深度學習:方法及應用
-
$454JavaEE 開發的顛覆者: Spring Boot實戰
-
$880$695 -
$580$458 -
$680$537 -
$352Scala 函數式編程
-
$556Scala 程式設計, 2/e (Programming Scala: Scalability = Functional Programming + Objects, 2/e)
-
$383Spark核心源碼分析與開發實戰
-
$560$437 -
$699$594 -
$420$357 -
$580$458 -
$296Scala 集合技術手冊
-
$301Python 數據挖掘入門與實踐 (Learning Data Mining with Python)
-
$229用 Python 寫網絡爬蟲 (Web Scraping with Python)
相關主題
商品描述
<內容介紹>
黃美靈編寫的《Spark MLlib機器學習(演算法源碼及實戰詳解)》以Spark 1.4.1版本源碼為切入點,全面並且深入地解析Spark MLlib模塊,著力於探索分佈式機器學習的底層實現。
《Spark MLlib機器學習(演算法源碼及實戰詳解)》中本著循序漸進的原則,首先解析MLlib的底層實現基礎:數據操作及矩陣向量計算操作,該部分是MLlib實現的基礎;接著對各個機器學習演算法的理論知識進行講解,並且解析機器學習演算法如何在MLlib中實現分佈式計算;然後對MLlib源碼進行詳細的講解;最後進行MLlib實例的講解。相信通過《Spark MLlib機器學習:演算法、源碼及實戰詳解》的學習,讀者可全面掌握Spark MLlib機器學習,能夠進行MLlib實戰、MLlib定製開發等。
《Spark MLlib機器學習(演算法源碼及實戰詳解)》適合大數據、Spark、數據挖掘領域的從業人員閱讀,同時也為Spark開發者和大數據愛好者展現了分佈式機器學習的原理和實現細節。
<章節目錄>
第一部分 Spark MLlib基礎
第1章 Spark機器學習簡介
1.1 機器學習介紹
1.2 Spark介紹
1.3 Spark MLlib介紹
第2章 Spark數據操作
2.1 Spark RDD操作
2.1.1 Spark RDD創建操作
2.1.2 Spark RDD轉換操作
2.1.3 Spark RDD行動操作
2.2 MLlib Statistics統計操作
2.2.1 列統計匯總
2.2.2 相關係數
2.2.3 假設檢驗
2.3 MLlib數據格式
2.3.1 數據處理
2.3.2 生成樣本
第3章 Spark MLlib矩陣向量
3.1 Breeze介紹
3.1.1 Breeze創建函數
3.1.2 Breeze元素訪問及操作函數
3.1.3 Breeze數值計算函數
3.1.4 Breeze求和函數
3.1.5 Breeze布爾函數
3.1.6 Breeze線性代數函數
3.1.7 Breeze取整函數
3.1.8 Breeze常量函數
3.1.9 Breeze複數函數
3.1.10 Breeze三角函數
3.1.11 Breeze對數和指數函數
3.2 BLAS介紹
3.2.1 BLAS向量-向量運算
3.2.2 BLAS矩陣-向量運算
3.2.3 BLAS矩陣-矩陣運算
3.3 MLlib向量
3.3.1 MLlib向量介紹
3.3.2 MLlib Vector接口
3.3.3 MLlib DenseVector類
3.3.4 MLlib SparseVector類
3.3.5 MLlib Vectors伴生對象
3.4 MLlib矩陣
3.4.1 MLlib矩陣介紹
3.4.2 MLlib Matrix接口
3.4.3 MLlib DenseMatrix類
3.4.4 MLlib SparseMatrix類
3.4.5 MLlib Matrix伴生對象
3.5 MLli
3.6 MLlib分佈式矩陣
3.6.1 MLlib分佈式矩陣介紹
3.6.2 行矩陣(RowMatrix)
3.6.3 行索引矩陣(IndexedRowMatrix)
3.6.4 坐標矩陣(CoordinateMatrix)
3.6.5 分塊矩陣(BlockMatrix)
第二部分 Spark MLlib回歸演算法
第4章 Spark MLlib線性回歸演算法
第5章 Spark MLlib邏輯回歸演算法
第6章 Spark MLlib保序回歸演算法
第三部分 Spark MLlib分類演算法
第7章 Spark MLlib貝葉斯分類演算法
第8章 Spark MLlib SVM支持向量機演算法
第9章 Spark MLlib決策樹演算法
第四部分 Spark MLlib聚類演算法
第10章 Spark MLlib KMeans聚類演算法
第11章 Spark MLlib LDA主題模型演算法
第五部分 Spark MLlib關聯規則挖掘演算法
第12章 Spark MLlib FPGrowth關聯規則演算法
第六部分 Spark MLlib推薦演算法
第13章 Spark MLlib ALS交替最小二乘演算法
第14章 Spark MLlib協同過濾推薦演算法
第七部分 Spark MLlib神經網絡演算法
第15章 Spark MLlib神經網絡演算法綜述