☆☆☆☆☆




點擊這裡下載

類似圖書 點擊查看全場最低價

---

産品特色

編輯推薦

作為計算框架，Spark速度快，開發簡單，能同時兼顧批處理和實時數據分析，因此很快被廣大企業級用戶所采納，並隨著近年人工智能的崛起而成為分析和挖掘大數據的重要得力工具。

本書由業內知名數據科學傢執筆，通過豐富的示例展示瞭如何結閤Spark、統計方法和真實世界數據集來解決數據分析問題，既涉及模型的構建和評價，也涵蓋數據清洗、數據預處理和數據探索，並描述瞭如何將結果變為生産應用，是運用Apache Spark進行大數據分析和處理的實戰寶典。

第2版根據新版Spark傑齣實踐，對樣例代碼和所用資料做瞭大量更新。

本書涵蓋模式如下：

● 音樂推薦和Audioscrobbler數據集
● 用決策樹算法預測森林植被
● 基於K均值聚類進行網絡流量異常檢測
● 基於潛在語義算法分析維基百科
● 用GraphX分析伴生網絡
● 對紐約齣租車軌跡進行空間和時間數據分析
● 通過濛特卡羅模擬來評估金融風險
● 基因數據分析和BDG項目
● 用PySpark和Thunder分析神經圖像數據

內容簡介

本書是使用Spark進行大規模數據分析的實戰寶典，由知名數據科學傢撰寫。本書在第1版的基礎上，針對Spark近年來的發展，對樣例代碼和所使用的資料進行瞭大量更新。新版Spark使用瞭全新的核心API，MLlib和Spark SQL兩個子項目也發生瞭較大變化，本書為關注Spark發展趨勢的讀者提供瞭與時俱進的資料，例如Dataset和DataFrame的使用，以及與DataFrame API高度集成的Spark ML API。

作者簡介

【作者簡介】
桑迪·裏紮（Sandy Ryza），Spark項目代碼提交者、Hadoop項目管理委員會委員，Time Series for Spark項目創始人。曾任Cloudera公司高級數據科學傢，現就職於Remix公司從事公共交通算法開發。
於裏·萊瑟森（Uri Laserson），MIT博士畢業，緻力於用技術解決遺傳學問題，曾利用Hadoop生態係統開發瞭可擴展的基因組學和免疫學技術。目前是西奈山伊坎醫學院遺傳學助理教授，曾任Cloudera公司核心數據科學傢。

肖恩·歐文（Sean Owen），Spark、Mahout項目代碼提交者，Spark項目管理委員會委員。現任Cloudera公司數據科學總監。

喬希·威爾斯（Josh Wills），Crunch項目發起人，現任Slack公司數據工程主管。曾任Cloudera公司高級數據科學總監。


【譯者簡介】

龔少成
現任萬達科技集團數據工程部總經理，清華大學自動化係研究生畢業，國內專注企業級大數據平颱建設的先驅者之一，曾經在Intel和Cloudera公司擔任大數據技術負責人，Cloudera公司認證大數據培訓講師。

邱鑫
畢業於武漢大學，目前就職於英特爾亞太研發有限公司，是Intel大數據團隊高級工程師。主要研究大數據與深度學習技術，是基於Spark的深度學習框架BigDL的核心貢獻者。

目錄

推薦序 ix
譯者序　xi
序　xiii
前言　xv
第　1章 大數據分析　1
1．1　數據科學麵臨的挑戰　2
1．2　認識Apache Spark　4
1．3　關於本書　5
1．4　第 2版說明　6
第　2章 用Scala 和Spark 進行數據分析　8
2．1　數據科學傢的Scala　9
2．2　Spark編程模型　10
2．3　記錄關聯問題　10
2．4　小試牛刀：Spark shell和SparkContext　11
2．5　把數據從集群上獲取到客戶端　16
2．6　把代碼從客戶端發送到集群　19
2．7　從RDD到DataFrame　20
2．8　用DataFrame API來分析數據　23
2．9　DataFrame的統計信息　27
2．10　DataFrame的轉置和重塑　29
2．11　DataFrame的連接和特徵選擇　32
2．12　為生産環境準備模型　33
2．13　評估模型　35
2．14　小結　36
第3章　音樂推薦和Audioscrobbler數據集　37
3．1　數據集　38
3．2　交替最小二乘推薦算法　39
3．3　準備數據　41
3．4　構建第 一個模型　44
3．5　逐個檢查推薦結果　47
3．6　評價推薦質量　50
3．7　計算AUC　51
3．8　選擇超參數　53
3．9　産生推薦　55
3．10　小結　56
第4章　用決策樹算法預測森林植被　58
4．1　迴歸簡介　59
4．2　嚮量和特徵　59
4．3　樣本訓練　60
4．4　決策樹和決策森林　61
4．5　Covtype數據集　63
4．6　準備數據　64
4．7　第 一棵決策樹　66
4．8　決策樹的超參數　72
4．9　決策樹調優　73
4．10　重談類彆型特徵　77
4．11　隨機決策森林　79
4．12　進行預測　81
4．13　小結　82
第5章　基於K均值聚類的網絡流量異常檢測　84
5．1　異常檢測　85
5．2　K均值聚類　85
5．3　網絡入侵　86
5．4　KDD Cup 1999數據集　86
5．5　初步嘗試聚類　87
5．6　k的選擇　90
5．7　基於SparkR 的可視化　92
5．8　特徵的規範化　96
5．9　類彆型變量　98
5．10　利用標號的熵信息　99
5．11　聚類實戰　100
5．12　小結　102
第6章　基於潛在語義分析算法分析維基百科　104
6．1　文檔－詞項矩陣　105
6．2　獲取數據　106
6．3　分析和準備數據　107
6．4　詞形歸並　109
6．5　計算TF-IDF　110
6．6　奇異值分解　111
6．7　找齣重要的概念　113
6．8　基於低維近似的查詢和評分　117
6．9　詞項－詞項相關度　117
6．10　文檔－文檔相關度　119
6．11　文檔－詞項相關度　121
6．12　多詞項查詢　122
6．13　小結　123
第7章　用GraphX分析伴生網絡　124
7．1　對MEDLINE文獻引用索引的網絡分析　125
7．2　獲取數據　126
7．3　用Scala XML工具解析XML文檔　128
7．4　分析MeSH主要主題及其伴生關係　130
7．5　用GraphX來建立一個伴生網絡　132
7．6　理解網絡結構　135
7．6．1　連通組件　136
7．6．2　度的分布　138
7．7　過濾噪聲邊　140
7．7．1　處理EdgeTriplet　141
7．7．2　分析去掉噪聲邊的子圖　142
7．8　小世界網絡　144
7．8．1　係和聚類係數　144
7．8．2　用Pregel計算平均路徑長度　145
7．9　小結　150
第8章　紐約齣租車軌跡的空間和時間數據分析　151
8．1　數據的獲取　152
8．2　基於Spark的第三方庫分析　153
8．3　基於Esri Geometry API和Spray的地理空間數據處理　153
8．3．1　認識Esri Geometry API　154
8．3．2　GeoJSON簡介　155
8．4　紐約市齣租車客運數據的預處理　157
8．4．1　大規模數據中的非法記錄處理　159
8．4．2　地理空間分析　162
8．5　基於Spark的會話分析　165
8．6　小結　168
第9章　基於濛特卡羅模擬的金融風險評估　170
9．1　術語　171
9．2　VaR計算方法　172
9．2．1　方差－協方差法　172
9．2．2　曆史模擬法　172
9．2．3　濛特卡羅模擬法　172
9．3　我們的模型　173
9．4　獲取數據　173
9．5　數據預處理　174
9．6　確定市場因素的權重　177
9．7　采樣　179
9．8　運行試驗　182
9．9　迴報分布的可視化　185
9．10　結果的評估　186
9．11　小結　188
第　10章 基因數據分析和BDG項目　190
10．1　分離存儲與模型　191
10．2　用ADAM CLI導入基因學數據　193
10．3　從ENCODE數據預測轉錄因子結閤位點　201
10．4　查詢1000 Genomes項目中的基因型　207
10．5　小結　210
第　11章 基於PySpark和Thunder的神經圖像數據分析　211
11．1　PySpark簡介　212
11．2　Thunder工具包概況和安裝　215
11．3　用Thunder加載數據　215
11．4　用Thunder對神經元進行分類　221
11．5　小結　225
作者介紹　226
封麵介紹　226
Spark高級數據分析 第2版 下載 mobi epub pdf txt 電子書

評分☆☆☆☆☆

評分☆☆☆☆☆

評分☆☆☆☆☆

評分☆☆☆☆☆

評分☆☆☆☆☆

評分☆☆☆☆☆

評分☆☆☆☆☆

評分☆☆☆☆☆

評分☆☆☆☆☆

類似圖書 點擊查看全場最低價

查看全網最低價