书籍封面
书籍目录
封面
书名
版权
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 IDE下载和安装
2.1.4 Intellij IDE中 Scala插件的安装
2.1.5 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
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：胃癌的转移判断
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胃癌转移
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
封底
没有回复内容