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:

  • 基于鲲鹏的大数据挖掘算法实战 袁春,刘婧,王工艺 著 专业科技 文轩网
  • 新华书店正版
    • 作者: 袁春 刘婧 王工艺 著著
    • 出版社: 机械工业出版社
    • 出版时间:2022-10-01 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: 袁春 刘婧 王工艺 著著
    • 出版社:机械工业出版社
    • 出版时间:2022-10-01 00:00:00
    • 版次:1
    • 印次:2
    • 印刷时间:2022-10-01
    • 字数:220
    • 页数:231
    • 开本:16开
    • 装帧:平装
    • ISBN:9787111713180
    • 国别/地区:中国
    • 版权提供:机械工业出版社

    基于鲲鹏的大数据挖掘算法实战

    作  者:袁春,刘婧,王工艺 著
    定  价:89
    出 版 社:机械工业出版社
    出版日期:2022年10月01日
    页  数:496
    装  帧:平装
    ISBN:9787111713180
    主编推荐

    适读人群:大数据挖掘算法开发者、高校和科研机构数据分析师、鲲鹏开发者 清华大学袁春教授、华为计算算法开发部 倾力出品 ·深入介绍大数据挖掘的算法原理 ·详解面向分布式计算框架的算法优化流程 ·全面分析基于鲲鹏芯片释放底层算力的实现步骤 ·详述企业级大数据算法的性能优化方法 ·解析鲲鹏大数据机器学习算法库的实战应用案例

    内容简介

    本书结合主流分布式计算框架、国产芯片,介绍算法很好性能优化实践,开发面向企业级应用的高性能数据挖掘算法,剖析数据挖掘算法的典型应用案例,帮助读者在面向数据挖掘算法科研问题、企业应用时快速构建应用。本书具体介绍了机器学习和数据挖掘的方法在大数据环境下的具体算法原理与流程,以及在华为鲲鹏平台的具体实现,是第一本贯穿分布式计算框架、底层芯片的,指导面向企业级应用的数据挖掘算法的书籍,适合作为高校、科研机构中需要对大规模数据进行挖掘和分析的学生、科研人员以及企业中大数据分析应用研发人员的参考用书。

    作者简介

    精彩内容

    目录
    丛书序
    前言
    第1章 大数据挖掘技术概述
    1.1 大数据技术重要性
    1.2 大数据概念和类型
    1.3 大数据挖掘技术
    1.3.1 大数据采集技术
    1.3.2 大数据预处理技术
    1.3.3 大数据分析和挖掘技术
    1.3.4 大数据可视化技术
    1.3.5 大数据应用
    1.4 大数据挖掘系统架构
    1.4.1 大数据存储系统
    1.4.2 大数据处理系统
    1.4.3 大数据可视化和应用系统
    1.5 大数据挖掘技术的特性
    1.6 新技术浪潮下的大数据挖掘技术
    参考文献
    第2章 分布式开发框架
    2.1 分布式并行策略
    2.1.1 数据并行
    2.1.2 模型并行
    2.2 分布式协调
    2.2.1 ZooKeeper简介
    2.2.2 数据模型
    2.2.3 ZooKeeper体系结构
    2.2.4 分布式锁
    2.3 分布式通信
    2.3.1 分布式通信机制
    2.3.2 分布式通信拓扑
    2.4 分布式一致性算法
    2.4.1 一致性哈希
    2.4.2 Paxos算法
    2.4.3 Raft算法
    2.5 分布式计算框架
    2.5.1 Hadoop
    2.5.2 Spark
    2.5.3 Flink
    2.5.4 Ray
    参考文献
    第3章 经典挖掘算法
    3.1 主成分分析
    3.1.1 算法介绍
    3.1.2 算法推导
    3.2 线性回归
    3.2.1 线性回归的损失函数
    3.2.2 优化求解方法
    3.2.3 正则化
    3.3 逻辑回归
    3.3.1 Logistic函数
    3.3.2 逻辑回归的损失函数
    3.3.3 多分类问题
    3.4 线性支持向量机
    3.4.1 支持向量机的基本概念
    3.4.2 线性支持向量机的损失函数
    3.5 决策树
    3.5.1 决策树算法概述
    3.5.2 ID3决策树算法
    3.5.3 C4.5算法
    3.5.4 分类回归树(CART)
    3.6 随机森林
    3.7 梯度提升决策树
    3.7.1 负梯度与残差
    3.7.2 GBDT的计算原理
    3.7.3 GBDT常用的损失函数
    3.8 XGBoost
    3.8.1 XGBoost预测模型
    3.8.2 目标函数
    3.8.3 XGBoost算法分析
    3.9 交替小二乘法
    3.9.1 显式反馈
    3.9.2 隐式反馈
    参考文献
    第4章 鲲鹏BoostKit大数据挖掘
    4.1 鲲鹏芯片
    4.1.1 鲲鹏芯片的发展
    4.1.2 鲲鹏920处理器
    4.1.3 鲲鹏920处理器的特点
    4.2 鲲鹏BoostKit使能大数据场景
    4.2.1 鲲鹏应用使能套件BoostKit
    4.2.2 鲲鹏BoostKit大数据使能套件
    4.3 鲲鹏BoostKit大数据机器学习算法库
    4.3.1 算法介绍
    4.3.2 机器学习算法库的使用方法
    第5章 数据挖掘算法在鲲鹏的优化实践
    5.1 主成分分析
    5.1.1 Covariance方法实现
    5.1.2 SVD方法实现
    5.1.3 鲲鹏BoostKit算法API介绍
    5.2 逻辑回归
    5.2.1 概念回顾
    5.2.2 优化求解
    5.2.3 分布式实现
    5.2.4 鲲鹏BoostKit算法API介绍
    5.3 随机森林
    5.3.1 随机森林基础回顾
    5.3.2 随机森林分布式实现与优化
    5.3.3 鲲鹏BoostKit算法API介绍
    5.4 XGBoost
    5.4.1 XGBoost的基础回顾
    5.4.2 XGBoost4J-Spark实现详解
    5.4.3 XGBoost单轮分布式训练实现详解
    5.4.4 鲲鹏BoostKit算法API介绍
    5.5 交替小二乘法
    5.5.1 分布式实现流程
    5.5.2 分布式实现详解
    5.5.3 鲲鹏BoostKit算法API介绍
    参考文献
    第6章 数据挖掘算法应用案例
    6.1 商品推荐案例
    6.1.1 场景介绍
    6.1.2 整体方案
    6.1.3 关键步骤
    6.1.4 小结
    6.2 房价预测案例
    6.2.1 场景介绍
    6.2.2 整体方案
    6.2.3 关键步骤
    6.2.4 小结
    6.3 客户细分案例
    6.3.1 场景介绍
    6.3.2 整体方案
    6.3.3 关键步骤
    6.3.4 小结

    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