分  享 
分  享 
源  码 
源  码 
课  程 
课  程 
设  计 
设  计 

[语言编程] 【PDF教材】《Spark MLlib 机器学习:算法、源码及实战详解》完整PDF附源码 [69MB]

[复制链接]
密探007微信认证 发表于 2018-7-26 15:15:48 | 显示全部楼层 |阅读模式
「智能推荐」
【PDF教材】《Spark MLlib 机器学习:算法、源码及实战详解》完整PDF附源码 [69MB] 【PDF教材】《Spark大数据处理: 原理、算法与实例》PDF扫描版 [148MB]
【PDF教材】《Spark内核机制解析及性能调优》高清PDF扫描版 [167MB] 【PDF教材】《Spark大数据处理技术》完整pdf扫描版[48MB]
【PDF教材】《图解Spark:核心技术与案例实战》景瞻-完整pdf扫描版 【PDF教材】《数据算法:Hadoop/Spark大数据处理技巧》完整版-中文pdf扫描版[100MB]
【WORD教材】《基于spark运行scala程序(sbt和命令行方法)》中文WORD版 【PDF教材】《实战Scala&Spark 》中文PDF版
【PDF教材】《Spark快速大数据分析 [(美)卡劳]》中文pdf版 【WORD教材】《Spark入门实战系列》中文WORD版
【PDF教材】《Spark SQL编程指南 (Spark 官方文档翻译)》 中文PDF版 【PDF教材】《Spark大数据处理 技术、应用与性能优化》
【PDF教材】《Spark快速数据处理》中文pdf版[12MB] 【PDF教材】《Spark大数据分析:核心概念、技术及实践》中文PDF扫描版 [88MB]
【PDF教材】《机器学习之路:Caffe、Keras、scikit-learn 实战》完整PDF扫描版 【PDF教材】《图解算法》带书签中文PDF高清版 [139MB]

欢迎加入「奥学网」学霸平台,让自学改变你的世界!

您需要 登录 才可以下载或查看,没有帐号?账号注册

x
【PDF教材】《Spark MLlib 机器学习:算法、源码及实战详解》完整PDF附源码 [69MB] - 奥学网

  《Spark MLlib机器学习:算法、源码及实战详解》以Spark 1.4.1版本源码为切入点,全面并且深入地解析Spark MLlib模块,着力于探索分布式机器学习的底层实现。

  《Spark MLlib机器学习:算法、源码及实战详解》中本着循序渐进的原则,首先解析MLlib的底层实现基础:数据操作及矩阵向量计算操作,该部分是MLlib实现的基础;接着对各个机器学习算法的理论知识进行讲解,并且解析机器学习算法如何在MLlib中实现分布式计算;然后对MLlib源码进行详细的讲解;最后进行MLlib实例的讲解。相信通过《Spark MLlib机器学习:算法、源码及实战详解》的学习,读者可全面掌握Spark MLlib机器学习,能够进行MLlib实战、MLlib定制开发等。

  《Spark MLlib机器学习:算法、源码及实战详解》适合大数据、Spark、数据挖掘领域的从业人员阅读,同时也为Spark开发者和大数据爱好者展现了分布式机器学习的原理和实现细节。

  目录

  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



 百度网盘 / Download(回复可见):
 The following hidden content members only. Join us 
游客,如果您要查看本帖隐藏内容请回复

 

 

楼 主 推 荐
yusongking 发表于 2018-7-26 15:49:45 | 显示全部楼层
好书,看看有什么用没有。
回复 支持 反对

使用道具 举报

yusongking 发表于 2018-7-26 16:11:26 | 显示全部楼层
好书,看看有什么用没有。
回复 支持 反对

使用道具 举报

1dKOk 发表于 2018-7-27 01:12:43 | 显示全部楼层
不能被埋没的好帖子,顶上去,让世界都看到
回复 支持 反对

使用道具 举报

DgUr 发表于 2018-7-28 20:14:23 | 显示全部楼层
要不我崇拜你?行吗?
回复 支持 反对

使用道具 举报

MdRrh9 发表于 2018-7-30 12:26:22 | 显示全部楼层
必须顶
回复 支持 反对

使用道具 举报

2BGO 发表于 2018-7-30 22:26:55 | 显示全部楼层
精华帖子可以加精华.
回复 支持 反对

使用道具 举报

wangxinbill 发表于 2018-8-2 03:56:30 | 显示全部楼层
恐惊天上人,何似在人间~~急急急~~~~~~~
回复 支持 反对

使用道具 举报

suede678 发表于 2018-8-9 20:48:19 | 显示全部楼层
奥学网,表示很强大
回复 支持 反对

使用道具 举报

faildd 发表于 2018-8-9 23:36:09 | 显示全部楼层
楼上的话等于没说~~~
回复 支持 反对

使用道具 举报

快速回复 收藏帖子 返回列表
加密...

SiteMap|奥学网 ( 闽ICP备12011685号-6 )|随机浏览

闽公网安备35021202000025号

Xtreme-aesthetic Design

© 2012~Now 6SO.SO

快速回复 返回顶部 返回列表