掃一掃
關(guān)注中圖網(wǎng)
官方微博
買過本商品的人還買了
Spark Mllib 機(jī)器學(xué)習(xí)-算法.源碼及實戰(zhàn)詳解 版權(quán)信息
- ISBN：9787121282140
- 條形碼：9787121282140 ; 978-7-121-28214-0
- 裝幀：暫無
- 冊數(shù)：暫無
- 重量：暫無
- 所屬分類：>>
Spark Mllib 機(jī)器學(xué)習(xí)-算法.源碼及實戰(zhàn)詳解 本書特色
本書以spark 1.4.1版本源碼為切入點(diǎn)，全面并且深入地解析spark mllib模塊，著力于探索分布式機(jī)器學(xué)習(xí)的底層實現(xiàn)。 本書循序漸進(jìn)，首先解析mllib的底層實現(xiàn)基礎(chǔ)：數(shù)據(jù)操作及矩陣向量計算操作，該部分是mllib實現(xiàn)的基礎(chǔ)；其次再對各個機(jī)器學(xué)習(xí)算法的理論知識進(jìn)行講解，并且解析機(jī)器學(xué)習(xí)算法如何在mllib中實現(xiàn)分布式計算；然后對mllib源碼進(jìn)行詳細(xì)的講解；*后進(jìn)行mllib實例的講解。相信通過本書的學(xué)習(xí)，讀者可全面掌握spark mllib機(jī)器學(xué)習(xí)，能夠進(jìn)行mllib實戰(zhàn)、mllib定制開發(fā)等。
Spark Mllib 機(jī)器學(xué)習(xí)-算法.源碼及實戰(zhàn)詳解 內(nèi)容簡介
本書系統(tǒng)、全面、深入地解析了spark mllib機(jī)器學(xué)習(xí)的相關(guān)知識，著力于探索分布式機(jī)器學(xué)習(xí)的底層實現(xiàn)。以源碼為基礎(chǔ)，兼顧算法、理論與實戰(zhàn)，幫助讀者在實際工作中進(jìn)行mllib的應(yīng)用開發(fā)和定制開發(fā)。適合大數(shù)據(jù)、spark、數(shù)據(jù)挖掘領(lǐng)域的從業(yè)人員閱讀。
Spark Mllib 機(jī)器學(xué)習(xí)-算法.源碼及實戰(zhàn)詳解 目錄
**部分 spark mllib基礎(chǔ)第1章 spark機(jī)器學(xué)習(xí)簡介 21.1 機(jī)器學(xué)習(xí)介紹 21.2 spark介紹 31.3 spark mllib介紹 4第2章 spark數(shù)據(jù)操作 62.1 spark rdd操作 62.1.1 spark rdd創(chuàng)建操作 62.1.2 spark rdd轉(zhuǎn)換操作 72.1.3 spark rdd行動操作 142.2 mllib statistics統(tǒng)計操作 152.2.1 列統(tǒng)計匯總 152.2.2 相關(guān)系數(shù) 162.2.3 假設(shè)檢驗 182.3 mllib數(shù)據(jù)格式 182.3.1 數(shù)據(jù)處理 182.3.2 生成樣本 22第3章 spark mllib矩陣向量 263.1 breeze介紹 263.1.1 breeze創(chuàng)建函數(shù) 273.1.2 breeze元素訪問及操作函數(shù) 293.1.3 breeze數(shù)值計算函數(shù) 343.1.4 breeze求和函數(shù) 353.1.5 breeze布爾函數(shù) 363.1.6 breeze線性代數(shù)函數(shù) 373.1.7 breeze取整函數(shù) 393.1.8 breeze常量函數(shù) 403.1.9 breeze復(fù)數(shù)函數(shù) 403.1.10 breeze三角函數(shù) 403.1.11 breeze對數(shù)和指數(shù)函數(shù) 403.2 blas介紹 413.2.1 blas向量-向量運(yùn)算 423.2.2 blas矩陣-向量運(yùn)算 423.2.3 blas矩陣-矩陣運(yùn)算 433.3 mllib向量 433.3.1 mllib向量介紹 433.3.2 mllib vector接口 443.3.3 mllib densevector類 463.3.4 mllib sparsevector類 493.3.5 mllib vectors伴生對象 503.4 mllib矩陣 573.4.1 mllib矩陣介紹 573.4.2 mllib matrix接口 573.4.3 mllib densematrix類 593.4.4 mllib sparsematrix類 643.4.5 mllib matrix伴生對象 713.5 mllib blas 773.6 mllib分布式矩陣 933.6.1 mllib分布式矩陣介紹 933.6.2 行矩陣（rowmatrix） 943.6.3 行索引矩陣（indexedrowmatrix） 963.6.4 坐標(biāo)矩陣（coordinatematrix） 973.6.5 分塊矩陣（blockmatrix） 98第二部分 spark mllib回歸算法第4章 spark mllib線性回歸算法 1024.1 線性回歸算法 1024.1.1 數(shù)學(xué)模型 1024.1.2 *小二乘法 1054.1.3 梯度下降算法 1054.2 源碼分析 1064.2.1 建立線性回歸 1084.2.2 模型訓(xùn)練run方法 1114.2.3 權(quán)重優(yōu)化計算 1144.2.4 線性回歸模型 1214.3 實例 1234.3.1 訓(xùn)練數(shù)據(jù) 1234.3.2 實例代碼 123第5章 spark mllib邏輯回歸算法 1265.1 邏輯回歸算法 1265.1.1 數(shù)學(xué)模型 1265.1.2 梯度下降算法 1285.1.3 正則化 1295.2 源碼分析 1325.2.1 建立邏輯回歸 1345.2.2 模型訓(xùn)練run方法 1375.2.3 權(quán)重優(yōu)化計算 1375.2.4 邏輯回歸模型 1445.3 實例 1485.3.1 訓(xùn)練數(shù)據(jù) 1485.3.2 實例代碼 148第6章 spark mllib保序回歸算法 1516.1 保序回歸算法 1516.1.1 數(shù)學(xué)模型 1516.1.2 l2保序回歸算法 1536.2 源碼分析 1536.2.1 建立保序回歸 1546.2.2 模型訓(xùn)練run方法 1566.2.3 并行pav計算 1566.2.4 pav計算 1576.2.5 保序回歸模型 1596.3 實例 1646.3.1 訓(xùn)練數(shù)據(jù) 1646.3.2 實例代碼 164第三部分 spark mllib分類算法第7章 spark mllib貝葉斯分類算法 1707.1 貝葉斯分類算法 1707.1.1 貝葉斯定理 1707.1.2 樸素貝葉斯分類 1717.2 源碼分析 1737.2.1 建立貝葉斯分類 1737.2.2 模型訓(xùn)練run方法 1767.2.3 貝葉斯分類模型 1797.3 實例 1817.3.1 訓(xùn)練數(shù)據(jù) 1817.3.2 實例代碼 182第8章 spark mllib svm支持向量機(jī)算法 1848.1 svm支持向量機(jī)算法 1848.1.1 數(shù)學(xué)模型 1848.1.2 拉格朗日 1868.2 源碼分析 1898.2.1 建立線性svm分類 1918.2.2 模型訓(xùn)練run方法 1948.2.3 權(quán)重優(yōu)化計算 1948.2.4 線性svm分類模型 1968.3 實例 1998.3.1 訓(xùn)練數(shù)據(jù) 1998.3.2 實例代碼 199第9章 spark mllib決策樹算法 2029.1 決策樹算法 2029.1.1 決策樹 2029.1.2 特征選擇 2039.1.3 決策樹生成 2059.1.4 決策樹生成實例 2069.1.5 決策樹的剪枝 2089.2 源碼分析 2099.2.1 建立決策樹 2119.2.2 建立隨機(jī)森林 2169.2.3 建立元數(shù)據(jù) 2209.2.4 查找特征的分裂及劃分 2239.2.5 查找*好的分裂順序 2289.2.6 決策樹模型 2319.3 實例 2349.3.1 訓(xùn)練數(shù)據(jù) 2349.3.2 實例代碼 234第四部分 spark mllib聚類算法第10章 spark mllib kmeans聚類算法 23810.1 kmeans聚類算法 23810.1.1 kmeans算法 23810.1.2 演示kmeans算法 23910.1.3 初始化聚類中心點(diǎn) 23910.2 源碼分析 24010.2.1 建立kmeans聚類 24210.2.2 模型訓(xùn)練run方法 24710.2.3 聚類中心點(diǎn)計算 24810.2.4 中心點(diǎn)初始化 25110.2.5 快速距離計算 25410.2.6 kmeans聚類模型 25510.3 實例 25810.3.1 訓(xùn)練數(shù)據(jù) 25810.3.2 實例代碼 259第11章 spark mllib lda主題模型算法 26111.1 lda主題模型算法 26111.1.1 lda概述 26111.1.2 lda概率統(tǒng)計基礎(chǔ) 26211.1.3 lda數(shù)學(xué)模型 26411.2 graphx基礎(chǔ) 26711.3 源碼分析 27011.3.1 建立lda主題模型 27211.3.2 優(yōu)化計算 27911.3.3 lda模型 28311.4 實例 28811.4.1 訓(xùn)練數(shù)據(jù) 28811.4.2 實例代碼 288第五部分 spark mllib關(guān)聯(lián)規(guī)則挖掘算法第12章 spark mllib fpgrowth關(guān)聯(lián)規(guī)則算法 29212.1 fpgrowth關(guān)聯(lián)規(guī)則算法 29212.1.1 基本概念 29212.1.2 fpgrowth算法 29312.1.3 演示fp樹構(gòu)建 29412.1.4 演示fp樹挖掘 29612.2 源碼分析 29812.2.1 fpgrowth類 29812.2.2 關(guān)聯(lián)規(guī)則挖掘 30012.2.3 fptree類 30312.2.4 fpgrowthmodel類 30612.3 實例 30612.3.1 訓(xùn)練數(shù)據(jù) 30612.3.2 實例代碼 306第六部分 spark mllib推薦算法第13章 spark mllib als交替*小二乘算法 31013.1 als交替*小二乘算法 31013.2 源碼分析 31213.2.1 建立als 31413.2.2 矩陣分解計算 32213.2.3 als模型 32913.3 實例 33413.3.1 訓(xùn)練數(shù)據(jù) 33413.3.2 實例代碼 334第14章 spark mllib協(xié)同過濾推薦算法 33714.1 協(xié)同過濾推薦算法 33714.1.1 協(xié)同過濾推薦概述 33714.1.2 用戶評分 33814.1.3 相似度計算 33814.1.4 推薦計算 34014.2 協(xié)同推薦算法實現(xiàn) 34114.2.1 相似度計算 34414.2.2 協(xié)同推薦計算 34814.3 實例 35014.3.1 訓(xùn)練數(shù)據(jù) 35014.3.2 實例代碼 350第七部分 spark mllib神經(jīng)網(wǎng)絡(luò)算法第15章 spark mllib神經(jīng)網(wǎng)絡(luò)算法綜述 35415.1 人工神經(jīng)網(wǎng)絡(luò)算法 35415.1.1 神經(jīng)元 35415.1.2 神經(jīng)網(wǎng)絡(luò)模型 35515.1.3 信號前向傳播 35615.1.4 誤差反向傳播 35715.1.5 其他參數(shù) 36015.2 神經(jīng)網(wǎng)絡(luò)算法實現(xiàn) 36115.2.1 神經(jīng)網(wǎng)絡(luò)類 36315.2.2 訓(xùn)練準(zhǔn)備 37015.2.3 前向傳播 37515.2.4 誤差反向傳播 37715.2.5 權(quán)重更新 38115.2.6 ann模型 38215.3 實例 38415.3.1 測試數(shù)據(jù) 38415.3.2 測試函數(shù)代碼 38715.3.3 實例代碼 388
展開全部
書友推薦
- >
唐代進(jìn)士錄
- >
中國歷史的瞬間
- >
伯納黛特,你要去哪(2021新版)
- >
月亮虎
- >
經(jīng)典常談
- >
羅曼·羅蘭讀書隨筆-精裝
- >
人文閱讀與收藏·良友文學(xué)叢書:一天的工作
- >
有舍有得是人生
本類暢銷
