返回首页
苏宁会员
购物车 0
易付宝
手机苏宁

服务体验

店铺评分与同行业相比

用户评价:----

物流时效:----

售后服务:----

  • 服务承诺: 正品保障
  • 公司名称:
  • 所 在 地:

  • 数据算法 (美)马哈默德·帕瑞斯安(Mahmoud Parsian) 著;苏金国 等 译 专业科技 文轩网
  • 新华书店正版
    • 作者: (美)马哈默德·帕瑞斯安(Mahmoud Parsian) 著;苏金国 等 译著
    • 出版社: 中国电力出版社
    • 出版时间:2016-10-01 00:00:00
    送至
  • 由""直接销售和发货,并提供售后服务
  • 加入购物车 购买电子书
    服务

    看了又看

    商品预定流程:

    查看大图
    /
    ×

    苏宁商家

    商家:
    文轩网图书旗舰店
    联系:
    • 商品

    • 服务

    • 物流

    搜索店内商品

    商品分类

         https://product.suning.com/0070067633/11555288247.html

     

    商品参数
    • 作者: (美)马哈默德·帕瑞斯安(Mahmoud Parsian) 著;苏金国 等 译著
    • 出版社:中国电力出版社
    • 出版时间:2016-10-01 00:00:00
    • 版次:1
    • 印次:1
    • 印刷时间:2016-10-01
    • 字数:834千字
    • 页数:680
    • 开本:16开
    • 装帧:平装
    • 国别/地区:中国
    • 版权提供:中国电力出版社

    数据算法

    作  者:(美)马哈默德·帕瑞斯安(Mahmoud Parsian) 著;苏金国 等 译
    定  价:128
    出 版 社:中国电力出版社
    出版日期:2016年10月01日
    页  数:680
    装  帧:平装
    ISBN:9787512395947
    主编推荐

    内容简介

    《数据算法:Hadoop/Spark大数据处理技巧》介绍了很多基本设计模式、优化技术和数据挖掘及机器学习解决方案,以解决生物信息学、基因组学、统计和社交网络分析等领域的很多问题。这还概要介绍了MapReduce、Hadoop和Spark。
    主要包括:
    完成超大量交易的购物篮分析。
    数据挖掘算法(K-均值、KNN和朴素贝叶斯)。
    使用超大基因组数据完成DNA和RNA测序。
    朴素贝叶斯定理和马尔可夫链实现数据和市场预测。
    推荐算法和成对文档相似性。
    线性回归、Cox回归和皮尔逊(Pearson)相关分析。
    等位基因频率和DNA挖掘。
    社交网络分析(推荐系统、三角形计数和情感分析)。

    作者简介

    Mahmoud Parsian,计算机科学博士,是一位热衷于实践的软件专家,作为开发人员、设计人员、架构师和作者,他有30多年的软件开发经验。目前领导着Illumina的大数据团队,在过去15年间,他主要从事Java(服务器端)、数据库、MapReduce和分布式计算的有关工作。Mahmoud还著有《JDBC Recipes》和《JDBC Metadata,MySQL,and Oracle Recipes》等书(均由Apress出版)。

    精彩内容

    目录
    序1
    前言3
    第1章二次排序:简介19
    二次排序问题解决方案21
    MapReduce/Hadoop的二次排序解决方案25
    Spark的二次排序解决方案29
    第2章二次排序:详细示例42
    二次排序技术43
    二次排序的完整示例46
    运行示例——老版本HadoopAPI50
    运行示例——新版本HadoopAPI52
    第3章靠前0列表54
    TopN设计模式的形式化描述55
    MapReduce/Hadoop实现:专享键56
    Spark实现:专享键62
    Spark实现:非专享键73
    使用takeOrdered()的Spark靠前0解决方案84
    MapReduce/Hadoop靠前0解决方案:非专享键91
    第4章左外连接96
    左外连接示例96
    MapReduce左外连接实现99
    Spark左外连接实现105
    使用leftOuterJoin()的Spark实现117
    第5章反转排序127
    反转排序模式示例128
    反转排序模式的MapReduce/Hadoop实现129
    运行示例134
    第6章移动平均137
    示例1:时间序列数据(股票价格)137
    示例2:时间序列数据(URL访问数)138
    形式定义139
    POJO移动平均解决方案140
    MapReduce/Hadoop移动平均解决方案143
    第7章购物篮分析155
    MBA目标155
    MBA的应用领域157
    使用MapReduce的购物篮分析157
    Spark解决方案166
    运行Spark实现的YARN脚本179
    第8章共同好友182
    输入183
    POJO共同好友解决方案183
    MapReduce算法184
    解决方案1:使用文本的Hadoop实现187
    解决方案2:使用ArrayListOfLongsWritable的Hadoop实现189
    Spark解决方案191
    第9章使用MapReduce实现推荐引擎201
    购买过该商品的顾客还购买了哪些商品202
    经常一起购买的商品206
    推荐连接210
    第10章基于内容的电影推荐225
    输入226
    MapReduce阶段1226
    MapReduce阶段2和阶段3227
    Spark电影推荐实现234
    第11章使用马尔可夫模型的智能邮件营销.253
    马尔可夫链基本原理254
    使用MapReduce的马尔可夫模型256
    Spark解决方案269
    第12章K-均值聚类282
    什么是K-均值聚类?285
    聚类的应用领域285
    K-均值聚类方法非形式化描述:分区方法286
    K-均值距离函数286
    K-均值聚类形式化描述287
    K-均值聚类的MapReduce解决方案288
    K-均值算法Spark实现292
    第13章k-近邻296
    kNN分类297
    距离函数297
    kNN示例298
    kNN算法非形式化描述299
    kNN算法形式化描述299
    kNN的类Java非MapReduce解决方案299
    Spark的kNN算法实现301
    第14章朴素贝叶斯315
    训练和学习示例316
    条件概率319
    深入分析朴素贝叶斯分类器319
    朴素贝叶斯分类器:符号数据的MapReduce解决方案322
    朴素贝叶斯分类器Spark实现332
    使用Spark和Mahout347
    第15章情感分析349
    情感示例350
    情感分数:正面或负面350
    一个简单的MapReduce情感分析示例351
    真实世界的情感分析353
    第16章查找、统计和列出大图中的所有三角形354
    基本的图概念355
    三角形计数的重要性356
    MapReduce/Hadoop解决方案357
    Spark解决方案364
    第17章K-mer计数375
    K-mer计数的输入数据376
    K-mer计数应用376
    K-mer计数MapReduce/Hadoop解决方案377
    K-mer计数Spark解决方案378
    第18章DNA测序390
    DNA测序的输入数据392
    输入数据验证393
    DNA序列比对393
    DNA测试的MapReduce算法394
    第19章Cox回归413
    Cox模型剖析414
    使用R的Cox回归415
    Cox回归应用416
    Cox回归POJO解决方案417
    MapReduce输入418
    使用MapReduce的Cox回归419
    第20章Cochran-Armitage趋势检验426
    Cochran-Armitage算法427
    Cochran-Armitage应用432
    MapReduce解决方案435
    第21章等位基因频率443
    基本定义444
    形式化问题描述448
    等位基因频率分析的MapReduce解决方案449
    MapReduce解决方案,阶段1449
    MapReduce解决方案,阶段2459
    MapReduce解决方案,阶段3463
    染色体X和Y的特殊处理466
    第22章T检验468
    对bioset完成T检验469
    MapReduce问题描述472
    输入472
    期望输出473
    MapReduce解决方案473
    Spark实现476
    第23章皮尔逊相关系数488
    皮尔逊相关系数公式489
    皮尔逊相关系数示例491
    皮尔逊相关系数数据集492
    皮尔逊相关系数POJO解决方案492
    皮尔逊相关系数MapReduce解决方案493
    皮尔逊相关系数的Spark解决方案496
    运行Spark程序的YARN脚本516
    使用Spark计算斯皮尔曼相关系数517
    第24章DNA碱基计数520
    FASTA格式521
    FASTQ格式522
    MapReduce解决方案:FASTA格式522
    运行示例524
    MapReduce解决方案:FASTQ格式528
    Spark解决方案:FASTA格式533
    Spark解决方案:FASTQ格式537
    第25章RNA测序543
    数据大小和格式543
    MapReduce工作流544
    RNA测序分析概述544
    RNA测序MapReduce算法548
    第26章基因聚合553
    输入554
    输出554
    MapReduce解决方案(按单个值过滤和按平均值过滤)555
    基因聚合的Spark解决方案567
    Spark解决方案:按单个值过滤567
    Spark解决方案:按平均值过滤576
    第27章线性回归586
    基本定义587
    简单示例587
    问题描述588
    输入数据589
    期望输出590
    使用SimpleRegression的MapReduce解决方案590
    Hadoop实现类593
    使用R线性模型的MapReduce解决方案593
    第28章MapReduce和幺半群600
    概述600
    幺半群的定义602
    幺半群和非幺半群示例603
    MapReduce示例:非幺半群606
    MapReduce示例:幺半群608
    使用幺半群的Spark示例612
    使用幺半群的结论618
    函子和幺半群619
    第29章小文件问题622
    解决方案1:在客户端合并小文件623
    解决方案2:用CombineFileInputFormat解决小文件问题629
    其他解决方案634
    第30章MapReduce的大容量缓存635
    实现方案636
    缓存问题形式化描述637
    一个精巧、可伸缩的解决方案637
    实现LRUMap缓存640
    使用LRUMap的MapReduce解决方案646
    第31章Bloom过滤器651Bloom
    过滤器性质651
    一个简单的Bloom过滤器示例653
    Guava库中的Bloom过滤器654
    MapReduce中使用Bloom过滤器655
    附录ABioset659
    附录BSparkRDD659
    参考书目677

    售后保障

    最近浏览

    猜你喜欢

    该商品在当前城市正在进行 促销

    注:参加抢购将不再享受其他优惠活动

    x
    您已成功将商品加入收藏夹

    查看我的收藏夹

    确定

    非常抱歉,您前期未参加预订活动,
    无法支付尾款哦!

    关闭

    抱歉,您暂无任性付资格

    此时为正式期SUPER会员专享抢购期,普通会员暂不可抢购