免费下载书籍地址：PDF下载地址
精美图片
SPARK高级数据分析(影印版) 东南大学出版社书籍详细信息
- ISBN：9787564159108
- 作者：暂无作者
- 出版社：暂无出版社
- 出版时间：2015-09
- 页数：260
- 价格：35.80
- 纸张：胶版纸
- 装帧：平装-胶订
- 开本：16开
- 语言：未知
- 丛书：暂无丛书
- TAG：暂无
- 豆瓣评分：暂无豆瓣评分
寄语：
新华书店正版，关注店铺成为会员可享店铺专属优惠，团购客户请咨询在线客服！
内容简介：
网络数据量迅速增大的时代，亟需能高效迅捷分析处理数据的工具，Spark应运而生。本书由Spark开发者及核心成员打造，带领读者快速掌握用Spark收集、计算、简化保存海量数据的方法，学会交互、迭代和增量式分析，解决分区、数据本地化和自定义序列化等问题。
书籍目录：
Foreword
Preface
1.Analyzing Big Data
The Challenges of Data Saence
Introduang Apache Spark
About This Book
2.Introduction to Data Analysis with Scala and Spark
Scala for Data Scientists
The Spark Programming Model
Record Linkage
Getting Started： The Spark Shell and Spark Context
Bringing Data from the Cluster to the Client
Shipping Code from the Client to the Cluster
Structuring Data with Tuples and Case Classes
Aggregations
Creating Histograms
Summary Statistics for Continuous Variables
Creating Reusable Code for Computing Summary Statistics
Simple Variable Selection and Scoring
Where to Go from Here
3.Recommending Music and the Audioscrobbler Data Set
Data Set
The Alternating Least Squares Recommender Algorithm
Preparing the Data
Building a First Model
Spot Checking Recommendations
Evaluating Recommendation Quality
Computing AUC
Hyperparameter Selection
Making Recommendations
Where to Go from Here
4.Predicting Forest Cover with Deasion Trees
Fast Forward to Regression
Vectors and Features
Training Examples
Decision Trees and Forests
Covtype Data Set
Preparing the Data
A First Decision Tree
Deasion Tree Hyperparameters
Tuning Decision Trees
Categorical Features Revisited
Random Decision Forests
Making Predictions
Where to Go from Here
5.Anomaly Detection in Network Traffic with K—means Clustering
Anomaly Detection
K—means Clustering
Network Intrusion
KDD Cup 1999 Data Set
A First Take on Clustering
Choosing k
Visualization in R
Feature Normalization
Categorical Variables —
Using Labels with Entropy
Clustering in Action
Where to Go from Here
6.Understanding Wikipedia with Latent Semantic Analysis
The Term—Document Matrix
Getting the Data
Parsing and Preparing the Data
Lemmatization
Computing the TF—IDFs
Singular Value Decomposition
Finding Important Concepts
Querying and Scoring with the Low—Dimensional Representation
Term—Term Relevance
Document—Document Relevance
Term—Document Relevance
Multiple—Term Queries
Where to Go from Here
7.Analyzing Co—occurrence Networks with GraphX
The MEDLINE Citation Index： A Network Analysis
Getting the Data
Parsing XML Documents with Scala's XML Library
Analyzing the MeSH Major Topics and Their Co—occurrences
Constructing a Co—occurrence Network with GraphX
Understanding the Structure of Networks
Connected Components
Degree Distribution
Filtering Out Noisy Edges
Processing Edge Triplets
Analyzing the Filtered Graph
Small—World Networks
Cliques and Clustering Coefficients
Computing Average Path Length with Pregel
Where to Go from Here
8.Geospatial and Temporal Data Analysjs on the New York City Taxi Trip Data
Getting the Data
Working with Temporal and Geospatial Data in Spark
Temporal Data with Joda Time and NScala Time
Geospatial Data with the Esri Geometry API and Spray
Exploring the Esri Geometry API
Intro to GeolSON
Preparing the New York City Taxi Trip Data
Handling Invalid Records at Scale
Geospatial Analysis
Sessionization in Spark
Building Sessions： Secondary Sorts in Spark
Where to Go from Here
9.Estimating Financial Risk through Monte Carlo Simulation
Terminology
Methods for Calculating VaR
Variance—Covariance
Historical Simulation
Monte Carlo Simulation
Our Model
Getting the Data
Preprocessing
Determining the Factor Weights
Sampling
The Multivariate Normal Distribution
Running the Trials
Visualizing the Distribution of Returns
Evaluating Our Results
Where to Go from Here
10.Analyzing Genomics Data and the BDG Project
Decoupling Storage from Modeling
Ingesting Genomics Data with the ADAM CLI
Parquet Format and Columnar Storage
Predicting Tranion Factor Binding Sites from ENCODE Data
Querying Genotypes from the 1000 Genomes Project
Where to Go from Here
11.Analyzing Neuroimaging Data with PySpark and Thunder
Overview of PySpark
PySpark Internals
Overview and Installation of the Thunder Library
Loading Data with Thunder
Thunder Core Data Types
Categorizing Neuron Types with Thunder
Where to Go from Here
A.Deeper into Spark
B.Upcoming MLlib Pipelines API
Index
作者介绍：
Sandy Ryza，是Cloudera的不错数据科学家，也是Apache Spark项目的活跃贡献者。
出版社信息：
暂无出版社相关信息，正在全力查找中！
书籍摘录：
暂无相关书籍摘录，正在全力查找中！
在线阅读/听书/购买/PDF下载地址：
在线阅读地址：SPARK高级数据分析(影印版) 东南大学出版社在线阅读
在线听书地址：SPARK高级数据分析(影印版) 东南大学出版社在线收听
在线购买地址：SPARK高级数据分析(影印版) 东南大学出版社在线购买
原文赏析：
暂无原文赏析，正在全力查找中！
其它内容：
暂无其它内容！
书籍真实打分
故事情节：4分
人物塑造：7分
主题深度：5分
文字风格：8分
语言运用：7分
文笔流畅：4分
思想传递：7分
知识深度：4分
知识广度：9分
实用性：8分
章节划分：6分
结构布局：3分
新颖与独特：7分
情感共鸣：6分
引人入胜：5分
现实相关：5分
沉浸感：9分
事实准确性：4分
文化贡献：3分
网站评分
书籍多样性：5分
书籍信息完全性：9分
网站更新速度：7分
使用便利性：8分
书籍清晰度：8分
书籍格式兼容性：5分
是否包含广告：9分
加载速度：3分
安全性：7分
稳定性：5分
搜索功能：6分
下载便捷性：5分
下载点评
- 五星好评(619+)
- 二星好评(513+)
- 三星好评(237+)
- 在线转格式(389+)
- 内容齐全(551+)
- 无缺页(221+)
- 藏书馆(134+)
- 愉快的找书体验(443+)
- 书籍完整(646+)
- 好评多(347+)
- 赞(206+)
- 内容完整(590+)
- 格式多(646+)
下载评价
网友 戈***玉：特别棒
网友 訾***晴：挺好的，书籍丰富
网友 冉***兮：如果满分一百分，我愿意给你99分，剩下一分怕你骄傲
网友 宓***莉：不仅速度快，而且内容无盗版痕迹。
网友 通***蕊：五颗星、五颗星，大赞还觉得不错！~~
网友 石***致：挺实用的，给个赞！希望越来越好，一直支持。
网友 印***文：我很喜欢这种风格样式。
网友 方***旋：真的很好，里面很多小说都能搜到，但就是收费的太多了
网友 隗***杉：挺好的，还好看！支持！快下载吧！
网友 利***巧：差评。这个是收费的
网友 步***青：。。。。。好
网友 马***偲：好 很好 非常好 无比的好 史上最好的
网友 冷***洁：不错，用着很方便
网友 谢***灵：推荐，啥格式都有
网友 孔***旋：很好。顶一个希望越来越好，一直支持。
网友 邱***洋：不错，支持的格式很多