Spark高级数据分析 - (EPUB全文下载)

文件大小：1.53 mb。
文件格式：epub 格式。
书籍内容：

版权信息
书名：Spark高级数据分析（第2版）
作者：[美] 桑迪· 里扎 [美] 于里·莱瑟森 [英] 肖恩·欧文 [美] 乔希·威尔斯
译者：龚少成　邱鑫
ISBN：978-7-115-48252-5
本书由北京图灵文化发展有限公司发行数字版。版权所有，侵权必究。
您购买的图灵电子书仅供您个人使用，未经授权，不得以任何方式复制和传播本书内容。
我们愿意相信读者具有这样的良知和觉悟，与我们共同保护知识产权。
如果购买者有侵权行为，我们可能对该用户实施包括但不限于关闭该帐号等维权措施，并可能追究法律责任。
图灵社区会员 yanggz（99508488@qq.com） 专享 尊重版权
版权声明
O'Reilly Media, Inc. 介绍
业界评论
推荐序
译者序
序
前言
本书内容
第2版说明
使用代码示例
O'Reilly Safari
联系我们
致谢
电子版
第 1 章　大数据分析
1.1　数据科学面临的挑战
1.2　认识Apache Spark
1.3　关于本书
1.4　第2版说明
第 2 章　用Scala和Spark进行数据分析
2.1　数据科学家的Scala
2.2　Spark编程模型
2.3　记录关联问题
2.4　小试牛刀：Spark shell和SparkContext
2.5　把数据从集群上获取到客户端
2.6　把代码从客户端发送到集群
2.7　从RDD到DataFrame
2.8　用DataFrame API来分析数据
2.9　DataFrame的统计信息
2.10　DataFrame的转置和重塑
2.11　DataFrame的连接和特征选择
2.12　为生产环境准备模型
2.13　评估模型
2.14　小结
第 3 章　音乐推荐和Audioscrobbler数据集
3.1　数据集
3.2　交替最小二乘推荐算法
3.3　准备数据
3.4　构建第一个模型
3.5　逐个检查推荐结果
3.6　评价推荐质量
3.7　计算AUC
3.8　选择超参数
3.9　产生推荐
3.10　小结
第 4 章　用决策树算法预测森林植被
4.1　回归简介
4.2　向量和特征
4.3　样本训练
4.4　决策树和决策森林
4.5　Covtype数据集
4.6　准备数据
4.7　第一棵决策树
4.8　决策树的超参数
4.9　决策树调优
4.10　重谈类别型特征
4.11　随机决策森林
4.12　进行预测
4.13　小结
第 5 章　基于K均值聚类的网络流量异常检测
5.1　异常检测
5.2　K均值聚类
5.3　网络入侵
5.4　KDD Cup 1999数据集
5.5　初步尝试聚类
5.6　k的选择
5.7　基于SparkR的可视化
5.8　特征的规范化
5.9　类别型变量
5.10　利用标号的熵信息
5.11　聚类实战
5.12　小结
第 6 章　基于潜在语义分析算法分析维基百科
6.1　文档-词项矩阵
6.2　获取数据
6.3　分析和准备数据
6.4　词形归并
6.5　计算TF-IDF
6.6　奇异值分解
6.7　找出重要的概念
6.8　基于低维近似的查询和评分
6.9　词项-词项相关度
6.10　文档-文档相关度
6.11　文档-词项相关度
6.12　多词项查询
6.13　小结
第 7 章　用GraphX分析伴生网络
7.1　对MEDLINE文献引用索引的网络分析
7.2　获取数据
7.3　用Scala XML工具解析XML文档
7.4　分析MeSH主要主题及其伴生关系
7.5　用GraphX来建立一个伴生网络
7.6　理解网络结构
7.6.1　连通组件
7.6.2　度的分布
7.7　过滤噪声边
7.7.1　处理EdgeTriplet
7.7.2　分析去掉噪声边的子图
7.8　小世界网络
7.8.1　系和聚类系数
7.8.2　用Pregel计算平均路径长度
7.9　小结
第 8 章　纽约出租车轨迹的空间和时间数据分析
8.1　数据的获取
8.2　基于Spark的第三方库分析
8.3　基于Esri Geometry API和Spray的地理空间数据处理
8.3.1　认识Esri Geometry API
8.3.2　GeoJSON简介
8.4　纽约市出租车客运数据的预处理
8.4.1　大规模数据中的非法记录处理
8.4.2　地理空间分析
8.5　基于Spark的会话分析
构建会话：基于Spark的二级排序
8.6　小结
第 9 章　基于蒙特卡罗模拟的金融风险评估
9.1　术语
9.2　VaR计算方法
9.2.1　方差-协方差法
9.2.2　历史模拟法
9.2.3　蒙特卡罗模拟法
9.3　我们的模型
9.4　获取数据
9.5　数据预处理
9.6　确定市场因素的权重
9.7　采样
多元正态分布
9.8　运行试验
9.9　回报分布的可视化
9.10　结果的评估
9.11　小结
第 10 章　基因数据分析和BDG项目
10.1　分离存储与模型
10.2　用ADAM CLI导入基因学数据
Parquet格式和列式存储
10.3　从ENCODE数据预测转录因子结合位点
10.4　查询1000 Genomes项目中的基因型
10.5　小结
第 11 章　基于PySpark和Thunder的神经图像数据分析
11.1　PySpark简介
深入PySpark
11.2　Thunder工具包概况和安装
11.3　用Thunder加载数据
Thunder核心数据类型
11.4　用Thunder对神经元进行分类
11.5　小结
作者介绍
封面介绍
版权声明
© 2017 by Sandy Ryza, Uri Laserson, Sean Owen, and Josh Wills.
Simplified Chinese Edition, jointly published by O'Reilly Media, Inc. and Posts & Telecom Press, 2018. Authorized translation of the ............

书籍插图：

以上为书籍内容预览，如需阅读全文内容请下载EPUB源文件，祝您阅读愉快。