Spark高级数据分析(PDF)

xiaoduo

『电子书截图』:



『电子书目录』:

第1章　大数据分析   21
1.1　数据科学面临的挑战   22
1.2　认识Apache Spark   24
1.3　关于本书   25
第2章　用Scala和Spark进行数据分析   27
2.1　数据科学家的Scala   28
2.2　Spark编程模型   29
2.3　记录关联问题   29
2.4　小试牛刀：Spark shell和SparkContext   30
2.5　把数据从集群上获取到客户端   35
2.6　把代码从客户端发送到集群   38
2.7　用元组和case class对数据进行结构化   39
2.8　聚合   43
2.9　创建直方图   44
2.10　连续变量的概要统计   45
2.11　为计算概要信息创建可重用的代码   46
2.12　变量的选择和评分简介   50
2.13　小结   51
第3章　音乐推荐和Audioscrobbler数据集   53
3.1　数据集   54
3.2　交替最小二乘推荐算法   55
3.3　准备数据   57
3.4　构建第一个模型   59
3.5　逐个检查推荐结果   62
3.6　评价推荐质量   63
3.7　计算AUC   64
3.8　选择超参数   66
3.9　产生推荐   68
3.10　小结   69
第4章　 用决策树算法预测森林植被   71
4.1　回归简介   72
4.2　向量和特征   72
4.3　样本训练   73
4.4　决策树和决策森林   74
4.5　Covtype数据集   76
4.6　准备数据   77
4.7　第一棵决策树   78
4.8　决策树的超参数   82
4.9　决策树调优   83
4.10　重谈类别型特征   85
4.11　随机决策森林   87
4.12　进行预测   89
4.13　小结   89
第5章　基于K均值聚类的网络流量异常检测   91
5.1　异常检测   92
5.2　K-均值聚类   92
5.3　网络入侵   93
5.4　KDD Cup 1999数据集   93
5.5　初步尝试聚类   94
5.6　K的选择   96
5.7　基于R的可视化   99
5.8　特征的归范化   101
5.9　类别型变量   103
5.10　利用标号的熵信息   104
5.11　聚类实战   105
5.12　小结   106
第6章　基于潜在语义分析算法分析维基百科   109
6.1　词项-文档矩阵   110
6.2　获取数据   111
6.3　分析和准备数据   112
6.4　词形归并   113
6.5　计算TF-IDF   114
6.6　奇异值分解   117
6.7　找出重要的概念   118
6.8　基于低维近似的查询和评分   121
6.9　词项-词项相关度   122
6.10　文档-文档相关度   123
6.11　词项-文档相关度   125
6.12　多词项查询   126
6.13　小结   127
第7章　用GraphX分析伴生网络   129
7.1　对MEDLINE文献引用索引的网络分析   130
7.2　获取数据   131
7.3　用Scala XML工具解析XML文档   133
7.4　分析MeSH主要主题及其伴生关系   134
7.5　用GraphX来建立一个伴生网络   136
7.6　理解网络结构   139
7.6.1　连通组件   139
7.6.2　度的分布   142
7.7　过滤噪声边   144
7.7.1　处理EdgeTriplet   145
7.7.2　分析去掉噪声边的子图   146
7.8　小世界网络   147
7.8.1　系和聚类系数   148
7.8.2　用Pregel计算平均路径长度   149
7.9　小结   153
第8章　纽约出租车轨迹的空间和时间数据分析   155
8.1　数据的获取   156
8.2　基于Spark的时间和空间数据分析   156
8.3　基于JodaTime和NScalaTime的时间数据处理   157
8.4　基于Esri Geometry API和Spray的地理空间数据处理   158
8.4.1　认识Esri Geometry API   159
8.4.2　GeoJSON简介   160
8.5　纽约市出租车客运数据的预处理   162
8.5.1　大规模数据中的非法记录处理   163
8.5.2　地理空间分析   167
8.6　基于Spark的会话分析   169
8.7　小结   173
第9章　基于蒙特卡罗模拟的金融风险评估   175
9.1　术语   176
9.2　VaR计算方法   177
9.2.1　方差-协方差法   177
9.2.2　历史模拟法   177
9.2.3　蒙特卡罗模拟法   177
9.3　我们的模型   178
9.4　获取数据   178
9.5　数据预处理   179
9.6　确定市场因素的权重   182
9.7　采样   184
9.8　运行试验   187
9.9　回报分布的可视化   190
9.10　结果的评估   191
9.11　小结   193
第10章　基因数据分析和BDG项目   195
10.1　分离存储与模型   196
10.2　用ADAM CLI导入基因学数据   198
10.3　从ENCODE数据预测转录因子结合位点   205
10.4　查询1000 Genomes项目中的基因型   211
10.5　小结   213
第11章　基于PySpark和Thunder的神经图像数据分析   215
11.1　PySpark简介   216
11.2　Thunder工具包概况和安装   219
11.3　用Thunder加载数据   220
11.4　用Thunder对神经元进行分类   227
11.5　小结   231
附录A　Spark进阶   233
附录B　即将发布的MLlib Pipelines API   241

『电子书下载』:

游客,本付费内容需要支付 2学币 才能浏览支付

zxf848767870

6666666666666666666666666

dajianshi

可惜，这本书也要学币了

lhsheild

大数据离线与实时项目实战

奋进

asdddddddddddddddddddddddddddddddddd

mosesabc

可惜，这本书也要学币了

i4leader

skef;lskfdkjjkdhjljsdaskadks;ld

chickenw1

6666666666666

boris

Spark高级数据分析(PDF)