Spark机器学习进阶实战

Spark机器学习进阶实战读书笔记模板01思维导图读书笔记作者介绍内容摘要目录分析精彩摘录目录0305020406思维导图机器实战综合机器篇章算法案例小结第章数据评估模型应用概述算法效果新闻大数据方法本书关键字分析思维导图内容摘要内容摘要本书一共分三大部分：基础篇（1-2章）对Spark机器学习进行概述、并通过Spark机器学习开始进行数据分析；算法篇（3-8章）针对分类、聚类、回归、协同过滤、关联规则、降维等算法进行详细讲解，并进行案例支持；综合案例篇（9-12章）重点通过异常检测、用户画像、广告点击率预估、智慧交通大数据4个综合场景，详细讲解基于Spark机器学习的综合应用。读书笔记读书笔记这本书没有数据集和脚本提供的吗？没看到对数据集和脚本的特殊说明诶。更向入门书籍。2020完成的第一本书，spark在数据圈大热，虽然有后起之秀flink但spark还是比MR强很多，所以接触数据直接上spark吧，目前spark中文资料偏少，这本书我觉得还不错，是以spark为基础介绍机器学习，算法，建模，案例都顾及到了。本书分为基础，算法，应用三篇。目录分析第2章数据分析流程和方法第1章机器学习概述第一篇基础篇第1章机器学习概述1.1机器学习概述1.2机器学习算法1.3机器学习分类1.4机器学习综合应用1.5本章小结第2章数据分析流程和方法2.1数据分析概述2.2数据分析流程2.3数据分析的基本方法2.4简单的数据分析实践2.5本章小结第3章构建分类模型第4章构建聚类模型第5章构建回归模型第6章构建关联规则模型第二篇算法篇第8章数据降维第7章协同过滤第二篇算法篇第3章构建分类模型3.1分类模型概述3.2分类模型算法3.3分类效果评估3.4App数据的分类实现3.5其他分类模型3.6本章小结第4章构建聚类模型4.1聚类概述4.2聚类模型4.3聚类效果评价4.4使用KMeans对鸢尾花卉数据集聚类4.5使用DBSCAN对GPS数据进行聚类4.6其他模型4.7本章小结第5章构建回归模型5.1常用回归模型5.2评估指标5.3回归模型优化5.4构建UCI裙子销售数据回归模型5.5其他回归模型案例5.6本章小结第6章构建关联规则模型6.1关联规则概述6.2常用关联规则算法6.3效果评估和优化6.4使用FP-Growth对豆瓣评分数据进行挖掘6.5其他应用场景6.6本章小结第7章协同过滤7.1协同过滤概述7.2常用的协同过滤算法7.3评估标准7.4使用电影评分数据进行协同过滤实践7.5本章小结第8章数据降维8.1降维概述8.2常用降维算法8.3降维评估标准8.4使用PCA对Digits数据集进行降维8.5其他降维方法8.6本章小结第9章异常检测第10章用户画像第11章广告点击率预估第12章企业征信大数据应用第13章智慧交通大数据应用12345第三篇综合应用篇第9章异常检测9.1异常概述9.2异常检测方法9.3异常检测系统9.4应用场景9.5新闻App数据异常检测实践9.6本章小结第10章用户画像10.1用户画像概述10.2用户画像流程10.3构建用户画像10.4用户画像评估和使用10.5新闻App用户画像实践10.6本章小结第11章广告点击率预估11.1点击率预估概述11.2点击率预估技术11.3模型效果评估11.4新闻App点击率预估实践11.5本章小结第12章企业征信大数据应用12.1征信概述12.2企业征信大数据平台12.3企业征信大数据应用12.4企业法人资产建模实践12.5本章小结第13章智慧交通大数据应用13.1智慧交通大数据概述13.2人群生活模式划分13.3道路拥堵模式聚类13.4本章小结作者介绍同名作者介绍这是《