本书系统、全面、深入地解析了SparkMLlib机器学习的相关知识,着力于探索分布式机器学习的底层实现。
以源码为基础,兼顾算法、理论与实战,帮助读者在实际工作中进行MLlib的应用开发和定制开发。 适合大数据、Spark、数据挖掘领域的从业人员阅读。《Spark MLlib机器学习:算法、源码及实战详解》以Spark 1.4.1版本源码为切入点,全面并且深入地解析Spark MLlib模块,着力于探索分布式机器学习的底层实现。
《Spark MLlib机器学习:算法、源码及实战详解》中本着循序渐进的原则,首先解析MLlib的底层实现基础:数据操作及矩阵向量计算操作,该部分是MLlib实现的基础;接着对各个机器学习算法的理论知识进行讲解,并且解析机器学习算法如何在MLlib中实现分布式计算;然后对MLlib源码进行详细的讲解;最后进行MLlib实例的讲解。相信通过《Spark MLlib机器学习:算法、源码及实战详解》的学习,读者可全面掌握Spark MLlib机器学习,能够进行MLlib实战、MLlib定制开发等。 《Spark MLlib机器学习:算法、源码及实战详解》适合大数据、Spark、数据挖掘领域的从业人员阅读,同时也为Spark开发者和大数据爱好者展现了分布式机器学习的原理和实现细节。第一部分 Spark MLlib基础
第1章 Spark机器学习简介 2
1.1 机器学习介绍 2
1.2 Spark介绍 3
1.3 Spark MLlib介绍 4
第2章 Spark数据操作 6
2.1 Spark RDD操作 6
2.1.1 Spark RDD创建操作 6
2.1.2 Spark RDD转换操作 7
2.1.3 Spark RDD行动操作 14
2.2 MLlib Statistics统计操作 15
2.2.1 列统计汇总 15
2.2.2 相关系数 16
2.2.3 假设检验 18
2.3 MLlib数据格式 18
2.3.1 数据处理 18
2.3.2 生成样本 22
第3章 Spark MLlib矩阵向量 26
3.1 Breeze介绍 26
3.1.1 Breeze创建函数 27
3.1.2 Breeze元素访问及操作函数 29
3.1.3 Breeze数值计算函数 34
3.1.4 Breeze求和函数 35
3.1.5 Breeze布尔函数 36
3.1.6 Breeze线性代数函数 37
3.1.7 Breeze取整函数 39
3.1.8 Breeze常量函数 40
3.1.9 Breeze复数函数 40
3.1.10 Breeze三角函数 40
3.1.11 Breeze对数和指数函数 40
3.2 BLAS介绍 41
3.2.1 BLAS向量-向量运算 42
3.2.2 BLAS矩阵-向量运算 42
3.2.3 BLAS矩阵-矩阵运算 43
3.3 MLlib向量 43
3.3.1 MLlib向量介绍 43
3.3.2 MLlib Vector接口 44
3.3.3 MLlib DenseVector类 46
3.3.4 MLlib SparseVector类 49
3.3.5 MLlib Vectors伴生对象 50
3.4 MLlib矩阵 57
3.4.1 MLlib矩阵介绍 57
3.4.2 MLlib Matrix接口 57
3.4.3 MLlib DenseMatrix类 59
3.4.4 MLlib SparseMatrix类 64
3.4.5 MLlib Matrix伴生对象 71
3.5 MLlib BLAS 77
3.6 MLlib分布式矩阵 93
3.6.1 MLlib分布式矩阵介绍 93
3.6.2 行矩阵(RowMatrix) 94
3.6.3 行索引矩阵(IndexedRowMatrix) 96
3.6.4 坐标矩阵(CoordinateMatrix) 97
3.6.5 分块矩阵(BlockMatrix) 98
第二部分 Spark MLlib回归算法
第4章 Spark MLlib线性回归算法 102
4.1 线性回归算法 102
4.1.1 数学模型 102
4.1.2 最小二乘法 105
4.1.3 梯度下降算法 105
4.2 源码分析 106
4.2.1 建立线性回归 108
4.2.2 模型训练run方法 111
4.2.3 权重优化计算 114
4.2.4 线性回归模型 121
4.3 实例 123
4.3.1 训练数据 123
4.3.2 实例代码 123
第5章 Spark MLlib逻辑回归算法 126
5.1 逻辑回归算法 126
5.1.1 数学模型 126
5.1.2 梯度下降算法 128
5.1.3 正则化 129
5.2 源码分析 132
5.2.1 建立逻辑回归 134
5.2.2 模型训练run方法 137
5.2.3 权重优化计算 137
5.2.4 逻辑回归模型 144
5.3 实例 148
5.3.1 训练数据 148
5.3.2 实例代码 148
第6章 Spark MLlib保序回归算法 151
6.1 保序回归算法 151
6.1.1 数学模型 151
6.1.2 L2保序回归算法 153
6.2 源码分析 153
6.2.1 建立保序回归 154
6.2.2 模型训练run方法 156
6.2.3 并行PAV计算 156
6.2.4 PAV计算 157
6.2.5 保序回归模型 159
6.3 实例 164
6.3.1 训练数据 164
6.3.2 实例代码 164
第三部分 Spark MLlib分类算法
第7章 Spark MLlib贝叶斯分类算法 170
7.1 贝叶斯分类算法 170
7.1.1 贝叶斯定理 170
7.1.2 朴素贝叶斯分类 171
7.2 源码分析 173
7.2.1 建立贝叶斯分类 173
7.2.2 模型训练run方法 176
7.2.3 贝叶斯分类模型 179
7.3 实例 181
7.3.1 训练数据 181
7.3.2 实例代码 182
第8章 Spark MLlib SVM支持向量机算法 184
8.1 SVM支持向量机算法 184
8.1.1 数学模型 184
8.1.2 拉格朗日 186
8.2 源码分析 189
8.2.1 建立线性SVM分类 191
8.2.2 模型训练run方法 194
8.2.3 权重优化计算 194
8.2.4 线性SVM分类模型 196
8.3 实例 199
8.3.1 训练数据 199
8.3.2 实例代码 199
第9章 Spark MLlib决策树算法 202
9.1 决策树算法 202
9.1.1 决策树 202
9.1.2 特征选择 203
9.1.3 决策树生成 205
9.1.4 决策树生成实例 206
9.1.5 决策树的剪枝 208
9.2 源码分析 209
9.2.1 建立决策树 211
9.2.2 建立随机森林 216
9.2.3 建立元数据 220
9.2.4 查找特征的分裂及划分 223
9.2.5 查找最好的分裂顺序 228
9.2.6 决策树模型 231
9.3 实例 234
9.3.1 训练数据 234
9.3.2 实例代码 234
第四部分 Spark MLlib聚类算法
第10章 Spark MLlib KMeans聚类算法 238
10.1 KMeans聚类算法 238
10.1.1 KMeans算法 238
10.1.2 演示KMeans算法 239
10.1.3 初始化聚类中心点 239
10.2 源码分析 240
10.2.1 建立KMeans聚类 242
10.2.2 模型训练run方法 247
10.2.3 聚类中心点计算 248
10.2.4 中心点初始化 251
10.2.5 快速距离计算 254
10.2.6 KMeans聚类模型 255
10.3 实例 258
10.3.1 训练数据 258
10.3.2 实例代码 259
第11章 Spark MLlib LDA主题模型算法 261
11.1 LDA主题模型算法 261
11.1.1 LDA概述 261
11.1.2 LDA概率统计基础 262
11.1.3 LDA数学模型 264
11.2 GraphX基础 267
11.3 源码分析 270
11.3.1 建立LDA主题模型 272
11.3.2 优化计算 279
11.3.3 LDA模型 283
11.4 实例 288
11.4.1 训练数据 288
11.4.2 实例代码 288
第五部分 Spark MLlib关联规则挖掘算法
第12章 Spark MLlib FPGrowth关联规则算法 292
12.1 FPGrowth关联规则算法 292
12.1.1 基本概念 292
12.1.2 FPGrowth算法 293
12.1.3 演示FP树构建 294
12.1.4 演示FP树挖掘 296
12.2 源码分析 298
12.2.1 FPGrowth类 298
12.2.2 关联规则挖掘 300
12.2.3 FPTree类 303
12.2.4 FPGrowthModel类 306
12.3 实例 306
12.3.1 训练数据 306
12.3.2 实例代码 306
第六部分 Spark MLlib推荐算法
第13章 Spark MLlib ALS交替最小二乘算法 310
13.1 ALS交替最小二乘算法 310
13.2 源码分析 312
13.2.1 建立ALS 314
13.2.2 矩阵分解计算 322
13.2.3 ALS模型 329
13.3 实例 334
13.3.1 训练数据 334
13.3.2 实例代码 334
第14章 Spark MLlib协同过滤推荐算法 337
14.1 协同过滤推荐算法 337
14.1.1 协同过滤推荐概述 337
14.1.2 用户评分 338
14.1.3 相似度计算 338
14.1.4 推荐计算 340
14.2 协同推荐算法实现 341
14.2.1 相似度计算 344
14.2.2 协同推荐计算 348
14.3 实例 350
14.3.1 训练数据 350
14.3.2 实例代码 350
第七部分 Spark MLlib神经网络算法
第15章 Spark MLlib神经网络算法综述 354
15.1 人工神经网络算法 354
15.1.1 神经元 354
15.1.2 神经网络模型 355
15.1.3 信号前向传播 356
15.1.4 误差反向传播 357
15.1.5 其他参数 360
15.2 神经网络算法实现 361
15.2.1 神经网络类 363
15.2.2 训练准备 370
15.2.3 前向传播 375
15.2.4 误差反向传播 377
15.2.5 权重更新 381
15.2.6 ANN模型 382
15.3 实例 384
15.3.1 测试数据 384
15.3.2 测试函数代码 387
15.3.3 实例代码 388