Hadoop pdf下载

出版社青草书店专营店

出版年 2025

页数 390页

装帧精装

评分 8.6(豆瓣)

⏰ 限时特惠 00:00:00

活动结束后恢复原价

纸质书参考价 ¥23

电子版限时价 ¥5.99 省 18 元

选择版本

基础版

PDF文件

¥4

内容简介

本篇主要提供Hadoop电子书的pdf版本下载，本电子书下载方式为百度网盘方式，点击以上按钮下单完成后即会通过邮件和网页的方式发货，有问题请联系邮箱ebook666@outlook.com

商品基本信息，请以下列介绍为准
商品名称：	Hadoop/Spark大数据机器学习
作者：	翟俊海,张素芳
定价：	128.0
出版社：	中国科技出版传媒股份有限公司
出版日期：	2021-02-01
ISBN：	9787030666871
印次：	1
版次：	1
装帧：	胶装
开本：	大32开

内容简介

人类入大数据时代,大数据是指具有海量(Volume)、多模态(Variety)、变化速度快(Velocity)、蕴含价值高(Value)和可靠性高(Veracity)"5V"特征的数据,大数据给传统的机器学习带来了巨大的挑战,已引起学术界和工业界的高度关注.Hadoop和Spark正是在这种背景下产生的两个大数据开源框架.本书介绍基于这两种大数据开台的机器学习.内容括六章,分别是机器学习概述,大数据与大数据处理系统,Hadoop的分布式文件系统,Hadoop的编程模型,Hadoop大数据机器学习和Spark大数据机器学习.

目录
前言
第1章机器学习概述 1
1.1 分类与聚类 1
1.1.1 分类 1
1.1.2 聚类 4
1.2 K邻算法与模糊K邻算法 7
1.2.1 K邻算法 7
1.2.2 模糊K邻算法 8
1.3 K-均值算法与模糊K-均值算法 10
1.3.1 K-均值算法 10
1.3.2 模糊K-均值算法 12
1.4 决策树算法 13
1.4.1 离散值决策树算法 13
1.4.2 连续值决策树算法 25
1.5 神经网络 31
1.5.1 神经元模型 32
1.5.2 梯度下降算法 33
1.5.3 多层感知器模型 35
1.6 极限学习机 40
1.7 支持向量机 42
1.7.1 线性可分支持向量机 42
1.7.2似线性可分支持向量机 46
1.7.3 线性不可分支持向量机 47
1.8 49
第2章大数据与大数据处理系统 53
2.1 大数据及其特征 53
2.2 Linux操作系统简介 54
2.2.1 Linux版本 54
2.2.2 Linux的文件与目录 56
2.2.3 Linux用户与用户组 62
2.2.4 Linux系统软管理 65
2.2.5 Linux操作系统的安装 66
2.3 大数据处理系统Hadoop 79
2.3.1 什么是Hadoop 79
2.3.2 Hadoop的特性 82
2.3.3 Hadoop的体系结构 82
2.3.4 Hadoop的运行机制 83
2.3.5 Hadoop 1.0和Hadoop 2.0的区别 85
2.3.6 Hadoop的安装及大数据处理环境的架构 87
2.4 大数据处理系统Spark 95
2.4.1 什么是Spark 95
2.4.2 Spark的运行架构 96
2.4.3 Spark的工作机制 97
第3章 Hadoop分布式文件系统HDFS 106
3.1 HDFS概述 106
3.1.1 HDFS的优势 106
3.1.2 HDFS的局限性 107
3.2 HDFS的系统结构 107
3.3 HDFS的数据存储 111
3.3.1 数据块的存放策略 111
3.3.2 数据的读取策略 112
3.3.3 文件系统元数据的持久性 114
3.3.4 HDFS的鲁棒性 114
3.4 访问HDFS 116
3.4.1 通过文件系统Shell访问HDFS 116
3.4.2 通过文件系统Java API访问HDFS 120
3.5 HDFS读写数据的过程 132
3.5.1 HDFS读数据的过程 132
3.5.2 HDFS写数据的过程 133
第4章 Hadoop并行编程框架MapReduce 135
4.1 MapReduce概述 135
4.2 MapReduce的大数据处理过程 136
4.2.1 Map阶段 137
4.2.2 Shu2e阶段 138
4.2.3 Reduce阶段 140
4.3 一个例子:流量统计 141
4.4 MapReduce的系统结构 144
4.5 MapReduce的作业处理过程 146
4.6 MapReduce算法设计 147
4.6.1 大数据决策树算法设计 147
4.6.2 大数据极限学习机算法设计 150
第5章 Hadoop大数据机器学习 152
5.1 基于Hadoop的大数据K邻算法 155
5.1.1 大数据K邻算法的基本思想 155
5.1.2 大数据K邻算法的MapReduce编程实现 156
5.2 基于Hadoop的大数据极限学习机 170
5.2.1 大数据极限学基本思想 170
5.2.2 大数据极限学MapReduce编程实现 170
5.3 基于Hadoop的大数据 191
5.3.1 大数据的基本思想 191
5.3.2 大数据的MapReduce编程实现 192
第6章 Spark大数据机器学习 201
6.1 SparkMLlib 201
6.1.1 MLlib决策树算法 201
6.1.2 MLlib决策森林算法 204
6.1.3 MLlib K-means算法 207
6.1.4 主成分分析 210
6.2 基于Spark的大数据K邻算法 212
6.3 基于Spark的大数据 218
参考文献 238

Hadoop pdf下载

选择版本

内容简介

相关推荐

商业分析全攻略：用数据分析解决商业问题

开发者关系实践指南

可视化指南：与数据交互

Spark大数据算法