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。
正版新书]Hadoop/Spark大数据机器学习翟俊海,张素芳97870306668
¥ ×1
《信息科学技术学术著作丛书》序
前言
章机器学习概述
1.1分类与聚类
1.1.1分类
1.1.2聚类
1.2K-近邻算法与模糊K-近邻算法
1.2.1K-近邻算法
1.2.2模糊K-近邻算法
1.3K-均值算法与模糊K-均值算法
1.3.1K-均值算法
1.3.2模糊K-均值算法
1.4决策树算法
1.4.1离散值决策树算法
1.4.2连续值决策树算法
1.5神经网络
1.5.1神经元模型
1.5.2梯度下降算法
1.5.3多层感知器模型
1.6极限学习机
1.7支持向量机
1.7.1线性可分支持向量机
1.7.2近似线性可分支持向量机
1.7.3线性不可分支持向量机
1.8主动学习
第2章大数据与大数据处理系统
2.1大数据及其特征
2.2Linux操作系统简介
2.2.1Linux版本
2.2.2Linux的文件与目录
2.2.3Linux用户与用户组
2.2.4Linux系统软件包管理
2.2.5Linux操作系统的安装
2.3大数据处理系统Hadoop
2.3.1什么是Hadoop
2.3.2Hadoop的特性
2.3.3Hadoop的体系结构
2.3.4Hadoop的运行机制
2.3.5Hadoop1.0和Hadoop2.0的区别
2.3.6Hadoop的安装及大数据处理环境的架构
2.4大数据处理系统Spark
2.4.1什么是Spark
2.4.2Spark的运行架构
2.4.3Spark的工作机制
第3章Hadoop分布式文件系统HDFS
3.1HDFS概述
3.1.1HDFS的优势
3.1.2HDFS的局限性
3.2HDFS的系统结构
3.3HDFS的数据存储
3.3.1数据块的存放策略
3.3.2数据的读取策略
3.3.3文件系统元数据的持久性
3.3.4HDFS的鲁棒性
3.4访问HDFS
3.4.1通过文件系统Shell访问HDFS
3.4.2通过文件系统JavaAPI访问HDFS
3.5HDFS读写数据的过程
3.5.1HDFS读数据的过程
3.5.2HDFS写数据的过程
第4章Hadoop并行编程框架MapReduce
4.1MapReduce概述
4.2MapReduce的大数据处理过程
4.2.1Map阶段
4.2.2Shu2e阶段
4.2.3Reduce阶段
4.3一个例子:流量统计
4.4MapReduce的系统结构
4.5MapReduce的作业处理过程
4.6MapReduce算法设计
4.6.1大数据决策树算法设计
4.6.2大数据极限学习机算法设计
第5章Hadoop大数据机器学习
5.1基于Hadoop的大数据K-近邻算法
5.1.1大数据K-近邻算法的基本思想
5.1.2大数据K-近邻算法的MapReduce编程实现
5.2基于Hadoop的大数据极限学习机
5.2.1大数据极限学习机的基本思想
5.2.2大数据极限学习机的MapReduce编程实现
5.3基于Hadoop的大数据主动学习
5.3.1大数据主动学习的基本思想
5.3.2大数据主动学习的MapReduce编程实现
第6章Spark大数据机器学习
6.1SparkMLlib
6.1.1MLlib决策树算法
6.1.2MLlib决策森林算法
6.1.3MLlibK-means算法
6.1.4主成分分析
6.2基于Spark的大数据K-近邻算法
6.3基于Spark的大数据主动学习
参考文献
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