登入
｜
註冊
｜
會員中心
｜
結帳
｜
培訓課程
魔法弟子
｜
自資出版
｜
電子書
｜
客服中心
｜
智慧型立体會員
書名
出版社
作者
isbn
編號
5050魔法眾籌
|
NG書城
|
國際級品牌課程
|
優惠通知
|
霹靂英雄音樂精選
|
資料探勘理論與應用**：以IBM SPSS Modeler為範例(附CD)
．
新範式來臨 - 用P
．
Tensorflow
．
大數據的下一步：Sp
文學小說
文學
｜
小說
商管創投
財經投資
｜
行銷企管
人文藝坊
宗教、哲學
社會、人文、史地
藝術、美學
｜
電影戲劇
勵志養生
醫療、保健
料理、生活百科
教育、心理、勵志
進修學習
電腦與網路
｜
語言工具
雜誌、期刊
｜
軍政、法律
參考、考試、教科用書
科學工程
科學、自然
｜
工業、工程
家庭親子
家庭、親子、人際
青少年、童書
玩樂天地
旅遊、地圖
｜
休閒娛樂
漫畫、插圖
｜
限制級
比Hadoop+Python還強：Spark MLlib機器學習實作
作者：
王曉華
分類：
電腦與網路
／
資料庫
出版社：
佳魁資訊
出版日期：2016/10/7
ISBN：9789863793892
書籍編號：kk0431256
頁數：264
定價：
480
元
優惠價：
88
折
422
元
書價若有異動，以出版社實際定價為準
訂購後立即為您進貨
訂購後立即為您進貨：目前無庫存量,讀者下訂後,開始進入調書程序,一般天數約為2-10工作日(不含例假日)。
團購數最低為 20 本以上
評價數：
(請將滑鼠移至星星處進行評價)
目前平均評價：
文字連結
複製語法
<a href='https://www.silkbook.com/book_detail.asp?goods_ser=kk0431256'>比Hadoop+Python還強：Spark MLlib機器學習實作</a>
圖片連結
複製語法
<a href='https://www.silkbook.com/book_detail.asp?goods_ser=kk0431256'><img src='https://www.silkbook.com/mall_image/bk/kk0431256.jpg' ALT='比Hadoop+Python還強：Spark MLlib機器學習實作' height='120' width='90'></a>
分
享
內容簡介
作者介紹
書籍目錄
同類推薦
比Hadoop+Python還強：Spark MLlib機器學習實作 大數據時代是一個充滿著機會和挑戰的時代，僅需要有一個得心應手的 工具--MLlib就是這個工具。 本書的主要目的是介紹如何使用MLlib進行資料採擷。MLlib是Spark中 最核心的部分，它是Spark機器學習函數庫，可以執行在分散式叢集上 的資料採擷工具。吸引了大量程式設計和開發人員進行相關內容的學習 與開發。 本書理論內容由淺而深，採取實例和理論相結合的方式，內容全面而詳 盡，適合Spark MLlib初學者、大數據採擷、大數據分析的工作人員。 ◎佳魁資訊官網提供範例程式下載
王曉華
前言 Chapter 01 星星之火 1.1 大數據時代 1.2 大數據分析時代 1.3 簡單、優雅、有效-- 這就是Spark 1.4 核心-- MLlib 1.5 星星之火，可以燎原 1.6 小結 Chapter 02 Spark 安裝和開發環境設定 2.1 Windows 單機模式Spark 安裝和設定 2.2 經典的WordCount 2.3 小結 Chapter 03 RDD 詳解 3.1 RDD 是什麼 3.2 RDD 工作原理 3.3 RDD 應用API 詳解 3.4 小結 . Chapter 04 MLlib 基本概念 4.1 MLlib 基本資料型態 4.2 MLlib 數理統計基本概念 4.3 小結 Chapter 05 協作過濾演算法 5.1 協作過濾 5.2 相似度度量 5.3 MLlib 中的交替最小平方法（ALS 演算法） 5.4 小結 Chapter 06 MLlib 線性回歸理論與實戰 6.1 隨機梯度下降演算法詳解 6.2 MLlib 回歸的過擬合 6.3 MLlib 線性回歸實戰 6.4 小結 Chapter 07 MLlib 分類實戰 7.1 邏輯回歸詳解 7.2 支援向量機詳解 7.3 單純貝氏詳解 7.4 小結 Chapter 08決策樹與保序回歸 8.1 決策樹詳解 8.2 保序回歸詳解 8.3 小結 Chapter 09 MLlib 中分群詳解 9.1 分群與分類 9.2 MLlib 中的Kmeans 演算法 9.3 高斯混合分群 9.4 快速反覆運算分群 9.5 小結 Chapter 10 MLlib 中連結規則 10.1 Apriori 頻繁項集演算法 10.2 FP-growth 演算法 10.3 小結 Chapter 11資料降維 11.1 奇異值分解（SVD） 11.2 主成分分析（PCA） 11.3 小結 Chapter 12特徵分析和轉換 12.1 TF-IDF 12.2 詞向量化工具 12.3 以卡方檢定為基礎的特徵選擇 12.4 小結 Chapter 13 MLlib 實戰演練-- 鳶尾花分析 13.1 建模說明 13.2 資料前置處理和分析 13.3 長與寬之間的關係-- 資料集的回歸分析 13.4 使用分類和分群對鳶尾花資料集進行處理 13.5 最後的判斷-- 決策樹測試 13.6 小結
你的第一本Git與G
dbt 與 Anal
7天學會大數據資料處
Power Quer
Power BI大數
Power BI商業
MySQL資料庫開發
資料庫系統管理與實作
科技巨頭的演算法大揭
資料治理技術手冊
為了保障您的權益，新絲路網路書店所購買的商品均享有到貨七天的鑑賞期（含例假日）。退回之商品必須於鑑賞期內寄回（以郵戳或收執聯為憑），且商品必須是全新狀態與完整包裝(商品、附件、內外包裝、隨貨文件、贈品等)，否則恕不接受退貨。
