由于此商品库存有限,请在下单后15分钟之内支付完成,手慢无哦!
100%刮中券,最高50元无敌券,券有效期7天
活动自2017年6月2日上线,敬请关注云钻刮券活动规则更新。
如活动受政府机关指令需要停止举办的,或活动遭受严重网络攻击需暂停举办的,或者系统故障导致的其它意外问题,苏宁无需为此承担赔偿或者进行补偿。
正版 概率数据结构与算法:面向大数据应用 [乌克兰]安德烈·加霍夫
¥ ×1
译者序
前言
第1章 散列
1.1 加密散列函数
1.2 非加密散列函数
1.3 散列表
1.4 总结
本章参考文献
第2章 成员查询
2.1 布隆过滤器
2.2 计数布隆过滤器
2.3 商数过滤器
2.4 布谷过滤器
2.5 总结
本章参考文献
第3章 基数
3.1 线性计数
3.2 概率计数
3.3 LogLog和HyperLogLog
3.4 总结
本章参考文献
第4章 频数
4.1 多数投票算法
4.2 频繁算法
4.3 Count Sketch
4.4 CountMin Sketch
4.5 总结
本章参考文献
第5章 排序
5.1 随机采样
5.2 q-摘要
5.3 t-摘要
5.4 总结
本章参考文献
第6章 相似性
6.1 局部敏感散列
6.2 MinHash
6.3 SimHash
6.4 总结
本章参考文献
安德烈·加霍夫 数学家和软件工程师,拥有数学建模和数值方法方向的博士学位。他曾在乌克兰的哈尔科夫国立大学计算机科学学院任教多年,目前是Ferret go GmbH的一名软件从业人员。后者是德国领先的社区审核、自动化和分析公司。他的研究兴趣包括机器学习、流数据挖掘和数据分析。
概率数据结构是一类主要基于不同散列技术的数据结构的统称。与常规的(或确定性的)数据结构不同的是,概率数据结构总是提供近似的答案,但也提供了可靠的方法来估计可能产生的误差。幸运的是。这些潜在的损失和误差可以通过极低的内存需求、恒定的查询时间和可扩展性得到充分的补偿。而这些因素在大数据应用中十分重要。
本书不可能涵盖所有现有的出色解决方法,而是重点介绍它们的共同思想和重要的应用领域,包括成员查询、计数、流数据挖掘和相似度估计。阅读本书。你将
学会解决海量数据处理的实际问题;
掌握概率数据结构的理论知识;
为特定问题确定正确的数据结构;
本书的目的是向包括软件架构师、开发人员以及技术决策者在内的技术从业者介绍概率数据结构与算法。通过阅读本书,你将对概率数据结构有理论和实践层面的理解,同时了解它们的常见用途。
亲,大宗购物请点击企业用户渠道>小苏的服务会更贴心!
亲,很抱歉,您购买的宝贝销售异常火爆让小苏措手不及,请稍后再试~
非常抱歉,您前期未参加预订活动,
无法支付尾款哦!
抱歉,您暂无任性付资格