| 失效链接处理 |
|
Spark机器学习(fn) PDF 下蝲
转蝲自：(x)http://www.jb51.net/books/532769.html
本站整理下蝲Q?/strong>
版权归出版社和原作者所有，链接已删除，误买正?/b>
用户下蝲说明Q?/strong>
?sh)子版仅供预览，下蝲?4时内务必删除，支持正版Q喜Ƣ的误买正版书c：(x)
http://e.dangdang.com/products/1901077328.html
相关截图Q?br />
 资料介：(x) 《Spark机器学习(fn)》每章都设计?jin)案例研IӞ以机器学?fn)算法?f)ȝQ结合实例探讨了(jin)Spark 的实际应用。书中没有让人抓狂的数据公式Q而是从准备和正确认识数据始讲P全面늛?jin)推荐系l、回归、聚cR降l等l典的机器学?fn)算法?qing)其实际应用?《Spark机器学习(fn)》每章都设计?jin)案例研IӞ以机器学?fn)算法?f)ȝQ结合实例探讨了(jin)Spark 的实际应用。书中没有让人抓狂的数据公式Q而是从准备和正确认识数据始讲P全面늛?jin)推荐系l、回归、聚cR降l等l典的机器学?fn)算法?qing)其实际应用?/span> 资料目录Q?/strong> 前言 本书内容 预备知识 本书目标 排版U定 读者反?/p> 客户支持 侉|行ؓ(f) 问题 致谢 W??Spark的环境搭Zq行 1.1 Spark的本地安装与配置 1.2 Spark集群 1.3 Spark~程模型 1.4 Spark Scala~程入门 1.5 Spark Java~程入门 1.6 Spark Python~程入门 1.7 在Amazon EC2上运行Spark 1.8 结 W??设计机器学习(fn)pȝ 2.1 MovieStream介绍 2.2 机器学习(fn)pȝ商业用例 2.3 机器学习(fn)模型的种c?/p> 2.4 数据驱动的机器学?fn)系l的l成 2.5 机器学习(fn)pȝ架构 2.6 结 W??Spark上数据的获取、处理与准备 3.1 获取公开数据?/p> 3.2 探烦(ch)与可视化数据 3.3 处理与{换数?/p> 3.4 从数据中提取有用特征 3.5 结 W??构徏ZSpark的推荐引?/p> 4.1 推荐模型的分c?/p> 4.2 提取有效特征 4.3 训练推荐模型 4.4 使用推荐模型 4.5 推荐模型效果的评?/p> 4.6 结 W??Spark构徏分类模型 5.1 分类模型的种c?/p> 5.2 从数据中抽取合适的特征 5.3 训练分类模型 5.4 使用分类模型 5.5 评估分类模型的性能 5.6 改进模型性能以及(qing)参数调优 5.7 结 W??Spark构徏回归模型 6.1 回归模型的种c?/p> 6.2 从数据中抽取合适的特征 6.3 回归模型的训l和应用 6.4 评估回归模型的性能 6.5 改进模型性能和参数调?/p> 6.6 结 W??Spark构徏聚类模型 7.1 聚类模型的类?/p> 7.2 从数据中提取正确的特?/p> 7.3 训练聚类模型 7.4 使用聚类模型q行预测 7.5 评估聚类模型的性能 7.6 聚类模型参数调优 7.7 结 W??Spark应用于数据降l?/p> 8.1 降维Ҏ(gu)的种c?/p> 8.2 从数据中抽取合适的特征 8.3 训练降维模型 8.4 使用降维模型 8.5 评h(hun)降维模型 8.6 结 W??Spark高文本处理技?/p> 9.1 处理文本数据有什么特别之?/p> 9.2 从数据中抽取合适的特征 9.3 使用TF-IDF模型 9.4 评估文本处理技术的作用 9.5 Word2Vec模型 9.6 结 W?0?Spark Streaming在实时机器学?fn)上的应?/p> 10.1 在线学习(fn) 10.2 处?/p> 10.3 创徏Spark Streaming应用 10.4 使用Spark Streamingq行在线学习(fn) 10.5 在线模型评估
10.6 结 |
| Java1234官方?5Q?/td> | 
|
| Java1234官方?5Q?/td> | 838462530 |
苏公|安?32061202001004?/p>
