中圖網小程序
一鍵登錄
更方便
本類五星書更多>
-
>
全國計算機等級考試最新真考題庫模擬考場及詳解·二級MSOffice高級應用
-
>
決戰行測5000題(言語理解與表達)
-
>
軟件性能測試.分析與調優實踐之路
-
>
第一行代碼Android
-
>
JAVA持續交付
-
>
EXCEL最強教科書(完全版)(全彩印刷)
-
>
深度學習
SPARK機器學習(第2版) 版權信息
- ISBN：9787115497833
- 條形碼：9787115497833 ; 978-7-115-49783-3
- 裝幀：一般膠版紙
- 冊數：暫無
- 重量：暫無
- 所屬分類：>
SPARK機器學習(第2版) 本書特色
本書結合案例研究講解Spark 在機器學習中的應用，并介紹如何從各種公開渠道獲取用于機器學習系統的數據。內容涵蓋推薦系統、回歸、聚類、降維等經典機器學習算法及其實際應用。第2版新增了有關機器學習數學基礎以及Spark ML Pipeline API 的章節，內容更加系統、全面、與時俱進。
SPARK機器學習(第2版) 內容簡介
本書結合案例研究講解Spark 在機器學習中的應用，并介紹如何從各種公開渠道獲取用于機器學習系統的數據。內容涵蓋推薦系統、回歸、聚類、降維等經典機器學習算法及其實際應用。第2版新增了有關機器學習數學基礎以及Spark ML Pipeline API 的章節，內容更加系統、全面、與時俱進。
SPARK機器學習(第2版) 目錄
第 1章 Spark的環境搭建與運行 1
1.1 Spark的本地安裝與配置 2
1.2 Spark集群 3
1.3 Spark編程模型 4
1.3.1 SparkContext類與SparkConf類 4
1.3.2 SparkSession 5
1.3.3 Spark shell 6
1.3.4 彈性分布式數據集 8
1.3.5 廣播變量和累加器 12
1.4 SchemaRDD 13
1.5 Spark data frame 13
1.6 Spark Scala編程入門 14
1.7 Spark Java編程入門 17
1.8 Spark Python編程入門 19
1.9 Spark R編程入門 21
1.10 在Amazon EC2上運行Spark 23
1.11 在Amazon Elastic Map Reduce上配置并運行Spark 28
1.12 Spark用戶界面 31
1.13 Spark所支持的機器學習算法 32
1.14 Spark ML的優勢 36
1.15 在Google Compute Engine上用Dataproc構建Spark集群 38
1.15.1 Hadoop和Spark版本 38
1.15.2 創建集群 38
1.15.3 提交任務 41
1.16 小結 43
第 2章 機器學習的數學基礎 44
2.1 線性代數 45
2.1.1 配置IntelliJ Scala環境 45
2.1.2 配置命令行Scala環境 47
2.1.3 域 48
2.1.4 矩陣 54
2.1.5 函數 64
2.2 梯度下降 68
2.3 先驗概率、似然和后驗概率 69
2.4 微積分 69
2.4.1 可微微分 69
2.4.2 積分 70
2.4.3 拉格朗日乘子 70
2.5 可視化 71
2.6 小結 72
第3章 機器學習系統設計 73
3.1 機器學習是什么 73
3.2 MovieStream介紹 74
3.3 機器學習系統商業用例 75
3.3.1 個性化 75
3.3.2 目標營銷和客戶細分 76
3.3.3 預測建模與分析 76
3.4 機器學習模型的種類 76
3.5 數據驅動的機器學習系統的組成 77
3.5.1 數據獲取與存儲 77
3.5.2 數據清理與轉換 78
3.5.3 模型訓練與測試循環 79
3.5.4 模型部署與整合 79
3.5.5 模型監控與反饋 80
3.5.6 批處理或實時方案的選擇 80
3.5.7 Spark數據管道 81
3.6 機器學習系統架構 82
3.7 Spark MLlib 83
3.8 Spark ML的性能提升 83
3.9 MLlib支持算法的比較 85
3.9.1 分類 85
3.9.2 聚類 85
3.9.3 回歸 85
3.10 MLlib支持的函數和開發者API 86
3.11 MLlib愿景 87
3.12 MLlib版本的變遷 87
3.13 小結 88
第4章 Spark上數據的獲取、處理與準備 89
4.1 獲取公開數據集 90
4.2 探索與可視化數據 92
4.2.1 探索用戶數據 94
4.2.2 探索電影數據 102
4.2.3 探索評級數據 104
4.3 數據的處理與轉換 109
4.4 從數據中提取有用特征 112
4.4.1 數值特征 112
4.4.2 類別特征 113
4.4.3 派生特征 114
4.4.4 文本特征 116
4.4.5 正則化特征 121
4.4.6 用軟件包提取特征 123
4.5 小結 126
第5章 Spark 構建推薦引擎 127
5.1 推薦模型的分類 128
5.1.1 基于內容的過濾 128
5.1.2 協同過濾 128
5.1.3 矩陣分解 130
5.2 提取有效特征 139
5.3 訓練推薦模型 140
5.3.1 使用MovieLens 100k數據集訓練模型 141
5.3.2 使用隱式反饋數據訓練模型 143
5.4 使用推薦模型 143
5.4.1 ALS模型推薦 144
5.4.2 用戶推薦 145
5.4.3 物品推薦 148
5.5 推薦模型效果的評估 152
5.5.1 ALS模型評估 152
5.5.2 均方差 154
5.5.3 K值平均準確率 156
5.5.4 使用MLlib內置的評估函數 159
5.6 FP-Growth算法 161
5.6.1 FP-Growth的基本例子 161
5.6.2 FP-Growth在MovieLens數據集上的實踐 163
5.7 小結 164
第6章 Spark構建分類模型 165
6.1 分類模型的種類 167
6.1.1 線性模型 167
6.1.2 樸素貝葉斯模型 177
6.1.3 決策樹 180
6.1.4 樹集成模型 183
6.2 從數據中抽取合適的特征 188
6.3 訓練分類模型 189
6.4 使用分類模型 190
6.4.1 在Kaggle StumbleUpon evergreen數據集上進行預測 191
6.4.2 評估分類模型的性能 191
6.4.3 預測的正確率和錯誤率 191
6.4.4 準確率和召回率 193
6.4.5 ROC曲線和AUC 194
6.5 改進模型性能以及參數調優 196
6.5.1 特征標準化 197
6.5.2 其他特征 199
6.5.3 使用正確的數據格式 202
6.5.4 模型參數調優 203
6.6 小結 211
第7章 Spark構建回歸模型 212
7.1 回歸模型的種類 212
7.1.1 *小二乘回歸 213
7.1.2 決策樹回歸 214
7.2 評估回歸模型的性能 215
7.2.1 均方誤差和均方根誤差 215
7.2.2 平均絕對誤差 215
7.2.3 均方根對數誤差 216
7.2.4 R-平方系數 216
7.3 從數據中抽取合適的特征 216
7.4 回歸模型的訓練和應用 220
7.4.1 BikeSharingExecutor 220
7.4.2 在bike sharing數據集上訓練回歸模型 221
7.4.3 決策樹集成 229
7.5 改進模型性能和參數調優 235
7.5.1 變換目標變量 235
7.5.2 模型參數調優 242
7.6 小結 256
第8章 Spark構建聚類模型 257
8.1 聚類模型的類型 258
8.1.1 K-均值聚類 258
8.1.2 混合模型 262
8.1.3 層次聚類 262
8.2 從數據中提取正確的特征 262
8.3 K-均值訓練聚類模型 265
8.3.1 訓練K-均值聚類模型 266
8.3.2 用聚類模型來預測 267
8.3.3 解讀預測結果 267
8.4 評估聚類模型的性能 271
8.4.1 內部評估指標 271
8.4.2 外部評估指標 272
8.4.3 在MovieLens數據集上計算性能指標 272
8.4.4 迭代次數對WSSSE的影響 272
8.5 二分K-均值 275
8.5.1 二分K-均值——訓練一個聚類模型 276
8.5.2 WSSSE和迭代次數 280
8.6 高斯混合模型 283
8.6.1 GMM聚類分析 283
8.6.2 可視化GMM類簇分布 285
8.6.3 迭代次數對類簇邊界的影響 286
8.7 小結 287
第9章 Spark應用于數據降維 288
9.1 降維方法的種類 289
9.1.1 主成分分析 289
9.1.2 奇異值分解 289
9.1.3 和矩陣分解的關系 290
9.1.4 聚類作為降維的方法 290
9.2 從數據中抽取合適的特征 291
9.3 訓練降維模型 299
9.4 使用降維模型 302
9.4.1 在LFW數據集上使用PCA投影數據 302
9.4.2 PCA和SVD模型的關系 303
9.5 評價降維模型 304
9.6 小結 307
第 10章 Spark高級文本處理技術 308
10.1 文本數據處理的特別之處 308
10.2 從數據中抽取合適的特征 309
10.2.1 詞加權表示 309
10.2.2 特征散列 310
10.2.3 從20 Newsgroups數據集中提取TF-IDF特征 311
10.3 使用TF-IDF 模型 324
10.3.1 20 Newsgroups數據集的文本相似度和TF-IDF特征 324
10.3.2 基于20 Newsgroups數據集使用TF-IDF訓練文本分類器 326
10.4 評估文本處理技術的作用 328
10.5 Spark 2.0上的文本分類 329
10.6 Word2Vec模型 331
10.6.1 借助Spark MLlib訓練Word2Vec模型 331
10.6.2 借助Spark ML訓練Word2Vec模型 332
10.7 小結 334
第 11章 Spark Streaming實時機器學習 335
11.1 在線學習 335
11.2 流處理 336
11.2.1 Spark Streaming介紹 337
11.2.2 Spark Streaming緩存和容錯機制 339
11.3 創建Spark Streaming應用 340
11.3.1 消息生成器 341
11.3.2 創建簡單的流處理程序 343
11.3.3 流式分析 346
11.3.4 有狀態的流計算 348
11.4 使用Spark Streaming進行在線學習 349
11.4.1 流回歸 350
11.4.2 一個簡單的流回歸程序 350
11.4.3 流式K-均值 354
11.5 在線模型評估 355
11.6 結構化流 358
11.7 小結 359
第 12章 Spark ML Pipeline API 360
12.1 Pipeline簡介 360
12.1.1 DataFrame 360
12.1.2 Pipeline組件 360
12.1.3 轉換器 361
12.1.4 評估器 361
12.2 Pipeline工作原理 363
12.3 Pipeline機器學習示例 367
12.4 小結 375
1.1 Spark的本地安裝與配置 2
1.2 Spark集群 3
1.3 Spark編程模型 4
1.3.1 SparkContext類與SparkConf類 4
1.3.2 SparkSession 5
1.3.3 Spark shell 6
1.3.4 彈性分布式數據集 8
1.3.5 廣播變量和累加器 12
1.4 SchemaRDD 13
1.5 Spark data frame 13
1.6 Spark Scala編程入門 14
1.7 Spark Java編程入門 17
1.8 Spark Python編程入門 19
1.9 Spark R編程入門 21
1.10 在Amazon EC2上運行Spark 23
1.11 在Amazon Elastic Map Reduce上配置并運行Spark 28
1.12 Spark用戶界面 31
1.13 Spark所支持的機器學習算法 32
1.14 Spark ML的優勢 36
1.15 在Google Compute Engine上用Dataproc構建Spark集群 38
1.15.1 Hadoop和Spark版本 38
1.15.2 創建集群 38
1.15.3 提交任務 41
1.16 小結 43
第 2章 機器學習的數學基礎 44
2.1 線性代數 45
2.1.1 配置IntelliJ Scala環境 45
2.1.2 配置命令行Scala環境 47
2.1.3 域 48
2.1.4 矩陣 54
2.1.5 函數 64
2.2 梯度下降 68
2.3 先驗概率、似然和后驗概率 69
2.4 微積分 69
2.4.1 可微微分 69
2.4.2 積分 70
2.4.3 拉格朗日乘子 70
2.5 可視化 71
2.6 小結 72
第3章 機器學習系統設計 73
3.1 機器學習是什么 73
3.2 MovieStream介紹 74
3.3 機器學習系統商業用例 75
3.3.1 個性化 75
3.3.2 目標營銷和客戶細分 76
3.3.3 預測建模與分析 76
3.4 機器學習模型的種類 76
3.5 數據驅動的機器學習系統的組成 77
3.5.1 數據獲取與存儲 77
3.5.2 數據清理與轉換 78
3.5.3 模型訓練與測試循環 79
3.5.4 模型部署與整合 79
3.5.5 模型監控與反饋 80
3.5.6 批處理或實時方案的選擇 80
3.5.7 Spark數據管道 81
3.6 機器學習系統架構 82
3.7 Spark MLlib 83
3.8 Spark ML的性能提升 83
3.9 MLlib支持算法的比較 85
3.9.1 分類 85
3.9.2 聚類 85
3.9.3 回歸 85
3.10 MLlib支持的函數和開發者API 86
3.11 MLlib愿景 87
3.12 MLlib版本的變遷 87
3.13 小結 88
第4章 Spark上數據的獲取、處理與準備 89
4.1 獲取公開數據集 90
4.2 探索與可視化數據 92
4.2.1 探索用戶數據 94
4.2.2 探索電影數據 102
4.2.3 探索評級數據 104
4.3 數據的處理與轉換 109
4.4 從數據中提取有用特征 112
4.4.1 數值特征 112
4.4.2 類別特征 113
4.4.3 派生特征 114
4.4.4 文本特征 116
4.4.5 正則化特征 121
4.4.6 用軟件包提取特征 123
4.5 小結 126
第5章 Spark 構建推薦引擎 127
5.1 推薦模型的分類 128
5.1.1 基于內容的過濾 128
5.1.2 協同過濾 128
5.1.3 矩陣分解 130
5.2 提取有效特征 139
5.3 訓練推薦模型 140
5.3.1 使用MovieLens 100k數據集訓練模型 141
5.3.2 使用隱式反饋數據訓練模型 143
5.4 使用推薦模型 143
5.4.1 ALS模型推薦 144
5.4.2 用戶推薦 145
5.4.3 物品推薦 148
5.5 推薦模型效果的評估 152
5.5.1 ALS模型評估 152
5.5.2 均方差 154
5.5.3 K值平均準確率 156
5.5.4 使用MLlib內置的評估函數 159
5.6 FP-Growth算法 161
5.6.1 FP-Growth的基本例子 161
5.6.2 FP-Growth在MovieLens數據集上的實踐 163
5.7 小結 164
第6章 Spark構建分類模型 165
6.1 分類模型的種類 167
6.1.1 線性模型 167
6.1.2 樸素貝葉斯模型 177
6.1.3 決策樹 180
6.1.4 樹集成模型 183
6.2 從數據中抽取合適的特征 188
6.3 訓練分類模型 189
6.4 使用分類模型 190
6.4.1 在Kaggle StumbleUpon evergreen數據集上進行預測 191
6.4.2 評估分類模型的性能 191
6.4.3 預測的正確率和錯誤率 191
6.4.4 準確率和召回率 193
6.4.5 ROC曲線和AUC 194
6.5 改進模型性能以及參數調優 196
6.5.1 特征標準化 197
6.5.2 其他特征 199
6.5.3 使用正確的數據格式 202
6.5.4 模型參數調優 203
6.6 小結 211
第7章 Spark構建回歸模型 212
7.1 回歸模型的種類 212
7.1.1 *小二乘回歸 213
7.1.2 決策樹回歸 214
7.2 評估回歸模型的性能 215
7.2.1 均方誤差和均方根誤差 215
7.2.2 平均絕對誤差 215
7.2.3 均方根對數誤差 216
7.2.4 R-平方系數 216
7.3 從數據中抽取合適的特征 216
7.4 回歸模型的訓練和應用 220
7.4.1 BikeSharingExecutor 220
7.4.2 在bike sharing數據集上訓練回歸模型 221
7.4.3 決策樹集成 229
7.5 改進模型性能和參數調優 235
7.5.1 變換目標變量 235
7.5.2 模型參數調優 242
7.6 小結 256
第8章 Spark構建聚類模型 257
8.1 聚類模型的類型 258
8.1.1 K-均值聚類 258
8.1.2 混合模型 262
8.1.3 層次聚類 262
8.2 從數據中提取正確的特征 262
8.3 K-均值訓練聚類模型 265
8.3.1 訓練K-均值聚類模型 266
8.3.2 用聚類模型來預測 267
8.3.3 解讀預測結果 267
8.4 評估聚類模型的性能 271
8.4.1 內部評估指標 271
8.4.2 外部評估指標 272
8.4.3 在MovieLens數據集上計算性能指標 272
8.4.4 迭代次數對WSSSE的影響 272
8.5 二分K-均值 275
8.5.1 二分K-均值——訓練一個聚類模型 276
8.5.2 WSSSE和迭代次數 280
8.6 高斯混合模型 283
8.6.1 GMM聚類分析 283
8.6.2 可視化GMM類簇分布 285
8.6.3 迭代次數對類簇邊界的影響 286
8.7 小結 287
第9章 Spark應用于數據降維 288
9.1 降維方法的種類 289
9.1.1 主成分分析 289
9.1.2 奇異值分解 289
9.1.3 和矩陣分解的關系 290
9.1.4 聚類作為降維的方法 290
9.2 從數據中抽取合適的特征 291
9.3 訓練降維模型 299
9.4 使用降維模型 302
9.4.1 在LFW數據集上使用PCA投影數據 302
9.4.2 PCA和SVD模型的關系 303
9.5 評價降維模型 304
9.6 小結 307
第 10章 Spark高級文本處理技術 308
10.1 文本數據處理的特別之處 308
10.2 從數據中抽取合適的特征 309
10.2.1 詞加權表示 309
10.2.2 特征散列 310
10.2.3 從20 Newsgroups數據集中提取TF-IDF特征 311
10.3 使用TF-IDF 模型 324
10.3.1 20 Newsgroups數據集的文本相似度和TF-IDF特征 324
10.3.2 基于20 Newsgroups數據集使用TF-IDF訓練文本分類器 326
10.4 評估文本處理技術的作用 328
10.5 Spark 2.0上的文本分類 329
10.6 Word2Vec模型 331
10.6.1 借助Spark MLlib訓練Word2Vec模型 331
10.6.2 借助Spark ML訓練Word2Vec模型 332
10.7 小結 334
第 11章 Spark Streaming實時機器學習 335
11.1 在線學習 335
11.2 流處理 336
11.2.1 Spark Streaming介紹 337
11.2.2 Spark Streaming緩存和容錯機制 339
11.3 創建Spark Streaming應用 340
11.3.1 消息生成器 341
11.3.2 創建簡單的流處理程序 343
11.3.3 流式分析 346
11.3.4 有狀態的流計算 348
11.4 使用Spark Streaming進行在線學習 349
11.4.1 流回歸 350
11.4.2 一個簡單的流回歸程序 350
11.4.3 流式K-均值 354
11.5 在線模型評估 355
11.6 結構化流 358
11.7 小結 359
第 12章 Spark ML Pipeline API 360
12.1 Pipeline簡介 360
12.1.1 DataFrame 360
12.1.2 Pipeline組件 360
12.1.3 轉換器 361
12.1.4 評估器 361
12.2 Pipeline工作原理 363
12.3 Pipeline機器學習示例 367
12.4 小結 375
展開全部
SPARK機器學習(第2版) 作者簡介
拉結帝普·杜瓦（Rajdeep Dua） Salesforce公司工程主管，致力于打造云計算和人工智能團隊。曾參與Google的大數據分析工具BigQuery的宣傳團隊。在云計算、大數據分析和機器學習領域有近20年的經驗。 曼普利特·辛格·古特拉（Manpreet Singh Ghotra） Salesforce公司軟件工程主管，擁有十余年軟件開發經驗，目前致力于開發基于Apache Spark的機器學習平臺。 尼克·彭特里思（Nick Pentreath） IBM開源數據及人工智能技術中心首席工程師，大數據及機器學習公司Graphflow聯合創始人，Spark項目管理委員會成員。 【譯者簡介】 蔡立宇 曾從事自然語言處理和圖數據分析相關工作，現提供數據分析相關的獨立咨詢和開發服務。坐標深圳。
書友推薦
- >
羅曼·羅蘭讀書隨筆-精裝
- >
回憶愛瑪儂
- >
巴金－再思錄
- >
伊索寓言-世界文學名著典藏-全譯本
- >
隨園食單
- >
新文學天穹兩巨星--魯迅與胡適/紅燭學術叢書(紅燭學術叢書)
- >
名家帶你讀魯迅:故事新編
- >
自卑與超越
本類暢銷
