Spark机器学习(第2版)

图书信息

作者	（印）拉结帝普·杜瓦（Rajdeep Dua）,（印）曼普利特辛格·古特拉（Manpreet Singh Ghotra）,（南非）尼克·彭特里思（Nick Pentreath）
出版社	人民邮电出版社
ISBN	9787115497833
出版时间	2018-11-01
字数	37.3万
分类	（南非）尼克·彭特里思（Nick Pentreath）,人民邮电出版社,科技,计算机,网络,软件系统

读书简介

本书结合案例研究讲解Spark 在机器学习中的应用，并介绍如何从各种公渠道获取用于机器学习系统的数据。内容涵盖推荐系统、回归、聚类、降维等经典机器学习算法及其实际应用。第2版新增了有关机器学习数学基础以及Spark ML Pipeline API 的章节，内容更加系统、全面、与时俱。
【推荐语】
Apache Spark是分布式计算框架，专为满足低延迟任务和内存数据存储的需求而优化。

目录

第1章 Spark的环境搭建与运行

1.1 Spark的本地安装与配置

1.2 Spark集群

1.3 Spark编程模型

1.4 SchemaRDD

1.5 Spark data frame

1.6 Spark Scala编程入门

1.7 Spark Java编程入门

1.8 Spark Python编程入门

1.9 Spark R编程入门

1.10 在Amazon EC2上运行Spark

1.11 在Amazon Elastic Map Reduce上配置并运行Spark

1.12 Spark用户界面

1.13 Spark所支持的机器学习算法

1.14 Spark ML的优势

1.15 在Google Compute Engine上用Dataproc构建Spark集群

1.16 小结

第2章 机器学习的数学基础

2.1 线性代数

2.2 梯度下降

2.3 先验概率、似然和后验概率

2.4 微积分

2.5 可视化

2.6 小结

第3章 机器学习系统设计

3.1 机器学习是什么

3.2 MovieStream介绍

3.3 机器学习系统商业用例

3.4 机器学习模型的种类

3.5 数据驱动的机器学习系统的组成

3.6 机器学习系统架构

3.7 Spark MLlib

3.8 Spark ML的性能提升

3.9 MLlib支持算法的比较

3.10 MLlib支持的函数和开发者API

3.11 MLlib愿景

3.12 MLlib版本的变迁

3.13 小结

第4章 Spark上数据的获取、处理与准备

4.1 获取公开数据集

4.2 探索与可视化数据

4.3 数据的处理与转换

4.4 从数据中提取有用特征

4.5 小结

第5章 Spark构建推荐引擎

5.1 推荐模型的分类

5.2 提取有效特征

5.3 训练推荐模型

5.4 使用推荐模型

5.5 推荐模型效果的评估

5.6 FP-Growth 算法

5.7 小结

第6章 Spark构建分类模型

6.1 分类模型的种类

6.2 从数据中抽取合适的特征

6.3 训练分类模型

6.4 使用分类模型

6.5 改进模型性能以及参数调优

6.6 小结

第7章 Spark构建回归模型

7.1 回归模型的种类

7.2 评估回归模型的性能

7.3 从数据中抽取合适的特征

7.4 回归模型的训练和应用

7.5 改进模型性能和参数调优

7.6 小结

第8章 Spark构建聚类模型

8.1 聚类模型的类型

8.2 从数据中提取正确的特征

8.3 K-均值训练聚类模型

8.4 评估聚类模型的性能

8.5 二分-均值

8.6 高斯混合模型

8.7 小结

第9章 Spark应用于数据降维

9.1 降维方法的种类

9.2 从数据中抽取合适的特征

9.3 训练降维模型

9.4 使用降维模型

9.5 评价降维模型

9.6 小结

第10章 Spark高级文本处理技术

10.1 文本数据处理的特别之处

10.2 从数据中抽取合适的特征

10.3 使用TF-IDF模型

10.4 评估文本处理技术的作用

10.5 Spark 2.0上的文本分类

10.6 Word2Vec模型

10.7 小结

第11章 Spark Streaming实时机器学习

11.1 在线学习

11.2 流处理

11.3 创建Spark Streaming应用

11.4 使用Spark Streaming进行在线学习

11.5 在线模型评估

11.6 结构化流

11.7 小结

第12章 Spark ML Pipeline API

12.1 Pipeline简介

12.2 Pipeline工作原理

12.3 Pipeline机器学习示例

12.4 小结