目录 - 博文视点

目录
第1部分 Spark MLlib基础
第1章 Spark机器学习简介
第2章 Spark数据操作
第3章 Spark MLlib矩阵向量
第2部分 Spark MLlib回归算法
第4章 Spark MLlib线性回归算法
第5章 Spark MLlib逻辑回归算法
第6章 Spark MLlib保序回归算法
第3部分 Spark MLlib分类算法
第7章 Spark MLlib贝叶斯分类算法 170
第8章 Spark MLlib SVM支持向量机算法
第9章 Spark MLlib决策树算法
第4部分 Spark MLlib聚类算法
第10章 Spark MLlib KMeans聚类算法
第11章 Spark MLlib LDA主题模型算法
第5部分 Spark MLlib关联规则挖掘算法
第12章 Spark MLlib FPGrowth关联规则算法
第13章 Spark MLlib ALS交替最小二乘算法 310
第6部分 Spark MLlib推荐算法
第14章 Spark MLlib协同过滤推荐算法
第7部分 Spark MLlib神经网络算法
第15章 Spark MLlib神经网络算法综述

图书类别

第一部分　Spark MLlib基础  
第1章　Spark机器学习简介 2  
1.1　机器学习介绍 2  
1.2　Spark介绍 3  
1.3　Spark MLlib介绍 4  
第2章　Spark数据操作 6  
2.1　Spark RDD操作 6  
2.1.1　Spark RDD创建操作 6  
2.1.2　Spark RDD转换操作 7  
2.1.3　Spark RDD行动操作 14  
2.2　MLlib Statistics统计操作 15  
2.2.1　列统计汇总 15  
2.2.2　相关系数 16  
2.2.3　假设检验 18  
2.3　MLlib数据格式 18  
2.3.1　数据处理 18  
2.3.2　生成样本 22  
第3章　Spark MLlib矩阵向量 26  
3.1　Breeze介绍 26  
3.1.1　Breeze创建函数 27  
3.1.2　Breeze元素访问及操作函数 29  
3.1.3　Breeze数值计算函数 34  
3.1.4　Breeze求和函数 35  
3.1.5　Breeze布尔函数 36  
3.1.6　Breeze线性代数函数 37  
3.1.7　Breeze取整函数 39  
3.1.8　Breeze常量函数 40  
3.1.9　Breeze复数函数 40  
3.1.10　Breeze三角函数 40  
3.1.11　Breeze对数和指数函数 40  
3.2　BLAS介绍 41  
3.2.1　BLAS向量-向量运算 42  
3.2.2　BLAS矩阵-向量运算 42  
3.2.3　BLAS矩阵-矩阵运算 43  
3.3　MLlib向量 43  
3.3.1　MLlib向量介绍 43  
3.3.2　MLlib Vector接口 44  
3.3.3　MLlib DenseVector类 46  
3.3.4　MLlib SparseVector类 49  
3.3.5　MLlib Vectors伴生对象 50  
3.4　MLlib矩阵 57  
3.4.1　MLlib矩阵介绍 57  
3.4.2　MLlib Matrix接口 57  
3.4.3　MLlib DenseMatrix类 59  
3.4.4　MLlib SparseMatrix类 64  
3.4.5　MLlib Matrix伴生对象 71  
3.5　MLlib BLAS 77  
3.6　MLlib分布式矩阵 93  
3.6.1　MLlib分布式矩阵介绍 93  
3.6.2　行矩阵（RowMatrix） 94  
3.6.3　行索引矩阵（IndexedRowMatrix） 96  
3.6.4　坐标矩阵（CoordinateMatrix） 97  
3.6.5　分块矩阵（BlockMatrix） 98  
  
第二部分　Spark MLlib回归算法  
第4章　Spark MLlib线性回归算法 102  
4.1　线性回归算法 102  
4.1.1　数学模型 102  
4.1.2　最小二乘法 105  
4.1.3　梯度下降算法 105  
4.2　源码分析 106  
4.2.1　建立线性回归 108  
4.2.2　模型训练run方法 111  
4.2.3　权重优化计算 114  
4.2.4　线性回归模型 121  
4.3　实例 123  
4.3.1　训练数据 123  
4.3.2　实例代码 123  
第5章　Spark MLlib逻辑回归算法 126  
5.1　逻辑回归算法 126  
5.1.1　数学模型 126  
5.1.2 梯度下降算法 128  
5.1.3　正则化 129  
5.2　源码分析 132  
5.2.1　建立逻辑回归 134  
5.2.2　模型训练run方法 137  
5.2.3　权重优化计算 137  
5.2.4　逻辑回归模型 144  
5.3　实例 148  
5.3.1　训练数据 148  
5.3.2　实例代码 148  
第6章　Spark MLlib保序回归算法 151  
6.1　保序回归算法 151  
6.1.1　数学模型 151  
6.1.2　L2保序回归算法 153  
6.2　源码分析 153  
6.2.1　建立保序回归 154  
6.2.2　模型训练run方法 156  
6.2.3　并行PAV计算 156  
6.2.4　PAV计算 157  
6.2.5　保序回归模型 159  
6.3　实例 164  
6.3.1　训练数据 164  
6.3.2　实例代码 164  
  
第三部分　Spark MLlib分类算法  
第7章　Spark MLlib贝叶斯分类算法 170  
7.1　贝叶斯分类算法 170  
7.1.1　贝叶斯定理 170  
7.1.2　朴素贝叶斯分类 171  
7.2　源码分析 173  
7.2.1　建立贝叶斯分类 173  
7.2.2　模型训练run方法 176  
7.2.3　贝叶斯分类模型 179  
7.3　实例 181  
7.3.1　训练数据 181  
7.3.2　实例代码 182  
第8章　Spark MLlib SVM支持向量机算法 184  
8.1　SVM支持向量机算法 184  
8.1.1　数学模型 184  
8.1.2　拉格朗日 186  
8.2　源码分析 189  
8.2.1　建立线性SVM分类 191  
8.2.2　模型训练run方法 194  
8.2.3　权重优化计算 194  
8.2.4　线性SVM分类模型 196  
8.3　实例 199  
8.3.1　训练数据 199  
8.3.2　实例代码 199  
第9章　Spark MLlib决策树算法 202  
9.1　决策树算法 202  
9.1.1　决策树 202  
9.1.2　特征选择 203  
9.1.3　决策树生成 205  
9.1.4　决策树生成实例 206  
9.1.5　决策树的剪枝 208  
9.2　源码分析 209  
9.2.1　建立决策树 211  
9.2.2　建立随机森林 216  
9.2.3　建立元数据 220  
9.2.4　查找特征的分裂及划分 223  
9.2.5　查找最好的分裂顺序 228  
9.2.6　决策树模型 231  
9.3　实例 234  
9.3.1　训练数据 234  
9.3.2　实例代码 234  
  
第四部分　Spark MLlib聚类算法  
第10章　Spark MLlib KMeans聚类算法 238  
10.1　KMeans聚类算法 238  
10.1.1　KMeans算法 238  
10.1.2　演示KMeans算法 239  
10.1.3　初始化聚类中心点 239  
10.2　源码分析 240  
10.2.1　建立KMeans聚类 242  
10.2.2　模型训练run方法 247  
10.2.3　聚类中心点计算 248  
10.2.4　中心点初始化 251  
10.2.5　快速距离计算 254  
10.2.6　KMeans聚类模型 255  
10.3　实例 258  
10.3.1　训练数据 258  
10.3.2　实例代码 259  
第11章　Spark MLlib LDA主题模型算法 261  
11.1　LDA主题模型算法 261  
11.1.1　LDA概述 261  
11.1.2　LDA概率统计基础 262  
11.1.3　LDA数学模型 264  
11.2　GraphX基础 267  
11.3　源码分析 270  
11.3.1　建立LDA主题模型 272  
11.3.2　优化计算 279  
11.3.3　LDA模型 283  
11.4　实例 288  
11.4.1　训练数据 288  
11.4.2　实例代码 288  
  
第五部分　Spark MLlib关联规则挖掘算法  
第12章　Spark MLlib FPGrowth关联规则算法 292  
12.1　FPGrowth关联规则算法 292  
12.1.1　基本概念 292  
12.1.2　FPGrowth算法 293  
12.1.3　演示FP树构建 294  
12.1.4　演示FP树挖掘 296  
12.2　源码分析 298  
12.2.1　FPGrowth类 298  
12.2.2　关联规则挖掘 300  
12.2.3　FPTree类 303  
12.2.4　FPGrowthModel类 306  
12.3　实例 306  
12.3.1　训练数据 306  
12.3.2　实例代码 306  
  
第六部分　Spark MLlib推荐算法  
第13章　Spark MLlib ALS交替最小二乘算法 310  
13.1　ALS交替最小二乘算法 310  
13.2　源码分析 312  
13.2.1　建立ALS 314  
13.2.2　矩阵分解计算 322  
13.2.3　ALS模型 329  
13.3　实例 334  
13.3.1　训练数据 334  
13.3.2　实例代码 334  
第14章　Spark MLlib协同过滤推荐算法 337  
14.1　协同过滤推荐算法 337  
14.1.1　协同过滤推荐概述 337  
14.1.2　用户评分 338  
14.1.3　相似度计算 338  
14.1.4　推荐计算 340  
14.2　协同推荐算法实现 341  
14.2.1　相似度计算 344  
14.2.2　协同推荐计算 348  
14.3　实例 350  
14.3.1　训练数据 350  
14.3.2　实例代码 350  
  
第七部分　Spark MLlib神经网络算法  
第15章　Spark MLlib神经网络算法综述 354  
15.1　人工神经网络算法 354  
15.1.1　神经元 354  
15.1.2　神经网络模型 355  
15.1.3 信号前向传播 356  
15.1.4　误差反向传播 357  
15.1.5　其他参数 360  
15.2　神经网络算法实现 361  
15.2.1　神经网络类 363  
15.2.2　训练准备 370  
15.2.3　前向传播 375  
15.2.4　误差反向传播 377  
15.2.5　权重更新 381  
15.2.6　ANN模型 382  
15.3　实例 384  
15.3.1　测试数据 384  
15.3.2　测试函数代码 387  
15.3.3　实例代码 388

图书分类

高可靠系统构建指南：服务稳定性建设与技术债务治理

特色专题

帮助

目录

目录

图书类别