首页 > 图书中心 >图书详情

Spark 3.0大数据分析与挖掘:基于机器学习

掌握Spark 3.0 ML常见算法与用法,拓宽数据分析与挖掘的技术思路

作者:王晓华 罗凯靖
定价:59
印次:1-1
ISBN:9787302598992
出版日期:2022.03.01
印刷日期:2022.02.21

Spark作为新兴的、应用范围广泛的大数据处理开源框架,吸引了大量的大数据分析与挖掘从业人员进行相关内容的学习与开发,其中ML是Spark 3.0机器学习框架使用的核心。本书用于Spark 3.0 ML大数据分析与挖掘入门,配套示例源码、PPT课件、数据集、思维导图、开发环境和作者答疑服务。 本书共分13章,从Spark 3.0大数据分析概述、基础安装和配置开始,依次介绍ML的DataFrame、ML的基本概念,以及协同过滤、线性回归、分类、决策树与随机森林、聚类、关联规则、数据降维、特征提取和转换等数据处理方法;最后通过经典的鸢尾花分析实例,回顾前面的学习内容,实现了一个完整的数据分析与挖掘过程。 本书采取实例和理论相结合的方式,讲解细致直观,示例丰富,适合Spark 3.0机器学习初学者、大数据分析和挖掘人员,也适合高等院校和培训机构人工智能与大数据相关专业的师生教学参考。

more >

前 言 Spark在英文中是火花的意思,创作者希望能够像火花一样照亮大数据时代的数据挖掘。大数据时代是一个充满机会和挑战的时代,就像一座未经开发的金山,任何人都有资格去获得其中的宝藏,仅仅需要的就是有一把得心应手的工具—ML。 本书目的 本书的主要目的是介绍如何使用ML进行数据挖掘。ML是Spark 3.0中最核心的部分之一,是Spark 3.0机器学习库。经过无数创造者卓越的工作,ML已经成为一个优雅的、可以运行在分布式集群上的数据挖掘工具。 ML充分利用了现有数据挖掘的技术与手段,将隐藏在数据中不为人知但又包含价值的信息提取出来,并通过相应的计算机程序,无须人工干预,自动在系统中进行计算,以发现其中的规律。 通常,数据挖掘的难点和重点在于两个方面,分别是算法的学习和程序的设计。有的还需要读者有些相应的背景知识,例如统计学、人工智能、网络技术等。本书在写作上以工程实践为主,重点介绍其与数据挖掘密切相关的算法与概念,并且使用浅显易懂的语言将其中涉及的算法进行概括性描述,从而帮助读者更好地了解和掌握数据挖掘的原理。 笔者在写作本书的时候有一个基本原则—这本书应该体现工程实践与理论之间的平衡。数据挖掘的目的是为了解决现实中的问题,并提供一个结果,而不是去讨论比较哪个算法更高深、看起来更能吓唬人。本书对算法的基本理论和算法做了描述,如果有读者觉得有点难,可以找相应的教材深入学习一下,相信大多数读者都能理解相关的内容。 本书内容 本书主要介绍Spark 3.0的ML数据挖掘算法,内容分成三部分:第一部分(第1~4章)是ML、DataFrame的基本概念和用法,以及管道技术和一些数据挖掘的基本数理统计知识;第二部分(第5~12章)是ML算法的应用,包括协同过滤、线性回归、分类、决策树与随机森林、聚类、关联规则、数据降维、特征提取和转换等;第三部分(第13章)通过一个经典的鸢尾花分析实例,向读者演示如何使用ML来进行数据挖掘工作。 本书特点 ? 本书尽量避免纯粹的理论知识介绍和高深技术研讨,完全从应用实践出发,用最简单、典型的示例引申出核心知识,最后指出通往“高精尖”进一步深入学习的道路。 ? 本书全面介绍ML涉及的数据挖掘的基本结构和上层程序设计,借此能够系统地看到ML的全貌,使读者在学习过程中不至于迷失方向。 ? 本书在写作上浅显易懂,没有深奥的数学知识,采用较为简洁的形式描述应用的理论知识,让读者轻松愉悦地掌握相关内容。 ? 本书旨在引导读者进行更多技术上的创新,每章都会用示例描述的形式帮助读者更好地学习内容。 ? 本书代码遵循重构原理,避免代码污染,引导读者写出优秀、简洁、可维护的代码。 ? 本书所有数据格式均为DataFrame类型,并且使用管道技术执行机器学习算法。 源码、PPT课件、思维导图、数据集与开发环境下载 本书配套源码、PPT课件、思维导图、数据集与开发环境,需要使用微信扫描右侧二维码下载,可按提示把链接转发到自己的邮箱中下载。如果有疑问,请发邮件至booksaga@163.com,邮件主题为“Spark 3.0大数据分析与挖掘:基于机器学习”。 本书读者 ? Spark大数据分析与挖掘初学者 ? 机器学习相关从业人员 ? Spark 3.0机器学习初学者 ? 高等院校和培训机构数据分析和挖掘专业的师生 作者与鸣谢 本书基础内容由王晓华创作,Spark 3.0版本的更新和测试工作由罗凯靖完成。感谢本书出版过程中的所有参与人员。 作 者 2021年10月

more >
扫描二维码
下载APP了解更多

同系列产品more >

Greenplum构建实时数据仓库实践

王雪迎
定 价:89元

查看详情
Hadoop+Spark大数据分析实战

迟殿委
定 价:69元

查看详情
分布式数据库HBase案例教程

陈建平 陈岸青 李金湖
定 价:49元

查看详情
Hadoop 3大数据技术快速入门

牛搞
定 价:59元

查看详情
Flink入门与实战

汪明
定 价:89元

查看详情
图书分类全部图书
more >
  • 王晓华,计算机专业讲师,研究方向为云计算、大数据与人工智能。著有《Spark MLlib机器学习实践》《TensorFlow深度学习应用实践》《OpenCV+TensorFlow深度学习与计算机视觉实战》《TensorFlow知识图谱实战》《TensorFlow人脸识别实战》《TensorFlow语音识别实战》《TensorFlow 2.0卷积神经网络实战》《Keras实战:基于TensorFlow2.2的深度学习实践》《TensorFlow深度学习从零开始学》《深度学习的数学原理与实现》等图书。
  • 本书详解Spark 3.0 ML机器学习框架进行大数据分析与挖掘的方法,配套示例源码、PPT课件、数据集、开发环境、思维导图和答疑服务。
more >
  • 目  录

    第1章  Spark大数据分析概述 1

    1.1  大数据时代 1

    1.2  大数据分析的要素 2

    1.3  简单、优雅、有效—这就是Spark 3

    1.4  Spark 3.0核心—ML 4

    1.5  星星之火,可以燎原 6

    1.6  小结 6

    第2章  Spark 3.0安装和开发环境配置 7

    2.1  Windows 10单机模式下安装和配置Spark 7

    2.1.1  Windows 10安装Java 8 7

    2.1.2  Windows 10安装Scala 2.12.10 10

    2.1.3  Intellij IDEA下载和安装 13

    2.1.4  Intellij IDEA中Scala插件的安装 13

    2.1.5  HelloJava—使用Intellij IDEA创建Java程序 16

    2.1.6  HelloScala—使用Intellij IDEA创建Scala程序 19

    2.1.7  最后一脚—Spark 3.0单机版安装 22

    2.2  经典的wordCount 25

    2.2.1  Spark 3.0实现wordCount 25

    2.2.2  MapReduce实现wordCount 27

    2.3  小结 30

    第3章  DataFrame详解 31

    3.1  DataFrame是什么 31

    3.1.1  DataFrame与RDD的关系 31

    3.1.2  DataFrame理解及特性 32

    3.1.3  DataFrame与DataSet的区别 34

    3.1.4  DataFrame的缺陷 3...

精彩书评more >

标题

评论

版权所有(C)2022 清华大学出版社有限公司 京ICP备10035462号 京公网安备11010802013248号

联系我们 | 网站地图 | 法律声明 | 友情链接 | 盗版举报 | 人才招聘