Mahout算法解析與案例實(shí)戰(zhàn)

定　價(jià)：￥59.00

作　者：	樊哲著
出版社：	機(jī)械工業(yè)出版社
叢編項(xiàng)：
標(biāo)　簽：	計(jì)算機(jī)/網(wǎng)絡(luò) 人工智能

購(gòu)買這本書(shū)可以去

ISBN：	9787111467977	出版時(shí)間：	2014-07-01	包裝：	平裝
開(kāi)本：	16開(kāi)	頁(yè)數(shù)：	280	字?jǐn)?shù)：

內(nèi)容簡(jiǎn)介

　　本書(shū)是一本經(jīng)典的Mahout著作，原理與實(shí)戰(zhàn)并重。不僅全面分析了Mahout算法庫(kù)中不同模塊中的各個(gè)算法的原理及其Mahout實(shí)現(xiàn)流程，而且每個(gè)算法都輔之以實(shí)戰(zhàn)案例。此外，還包括4個(gè)系統(tǒng)級(jí)案例，實(shí)戰(zhàn)性非常強(qiáng)。全書(shū)共11章分為三個(gè)部分：第一部分為基礎(chǔ)篇（第1~2章），首先介紹了Mahout的應(yīng)用背景、Mahout算法庫(kù)收錄的算法、Mahout的應(yīng)用實(shí)例，以及開(kāi)發(fā)環(huán)境的搭建；第二部分為算法篇（第3~7章），分析了Mahout算法庫(kù)中不同模塊的各個(gè)算法的原理以及Mahout實(shí)現(xiàn)流程，同時(shí)在每章書(shū)末含有每個(gè)算法的實(shí)戰(zhàn)，讓讀者可以自己運(yùn)行程序，感受程序運(yùn)行的各個(gè)流程；第三部分為實(shí)戰(zhàn)篇（第8~11章），通過(guò)對(duì)4個(gè)不同系統(tǒng)案例的分析講解，讓讀者了解一個(gè)完整的云平臺(tái)系統(tǒng)的各個(gè)流程，從需求到系統(tǒng)框架到系統(tǒng)功能再到功能開(kāi)發(fā)。

作者簡(jiǎn)介

　　樊哲，資深軟件開(kāi)發(fā)工程師，精通Java相關(guān)技術(shù)，專注數(shù)據(jù)挖掘領(lǐng)域，對(duì)Hadoop和Mahout等大數(shù)據(jù)技術(shù)有較深入的研究和豐富的實(shí)踐，目前正從事Mahout算法開(kāi)發(fā)方面的工作?；钴S于CSDN和Hadoop技術(shù)論壇等社區(qū)，榮獲“CSDN2013博客之星”頭銜。

圖書(shū)目錄

前　言
第一部分　基礎(chǔ)篇
第1章　Mahout簡(jiǎn)介 2
1.1　Mahout應(yīng)用背景 2
1.2　Mahout算法庫(kù) 3
1.2.1　聚類算法 4
1.2.2　分類算法 5
1.2.3　協(xié)同過(guò)濾算法 6
1.2.4　頻繁項(xiàng)集挖掘算法 7
1.3　Mahout應(yīng)用 7
1.4　本章小結(jié) 8
第2章　Mahout安裝配置 9
2.1　Mahout安裝前的準(zhǔn)備 9
2.1.1　安裝JDK 10
2.1.2　安裝Hadoop 12
2.2　兩種安裝方式 20
2.2.1　使用Maven安裝 20
2.2.2　下載發(fā)布版安裝 22
2.3　測(cè)試安裝 22
2.4　本章小結(jié) 24
第二部分　算法篇
第3章　聚類算法 26
3.1　Canopy算法 26
3.1.1　Canopy算法簡(jiǎn)介 26
3.1.2　Mahout中Canopy算法實(shí)現(xiàn)原理 28
3.1.3　Mahout的Canopy算法實(shí)戰(zhàn) 29
3.1.4　Canopy算法小結(jié) 37
3.2　K-Means算法 37
3.2.1　K-Means算法簡(jiǎn)介 37
3.2.2　Mahout中K-Means算法實(shí)現(xiàn)原理 38
3.2.3　Mahout的K-Means算法實(shí)戰(zhàn) 39
3.2.4　K-Means算法小結(jié) 46
3.3　Mean Shift算法 46
3.3.1　Mean Shift算法簡(jiǎn)介 46
3.3.2　Mahout中Mean Shift算法實(shí)現(xiàn)原理 46
3.3.3　Mahout的Mean Shift算法實(shí)戰(zhàn) 48
3.3.4　Mean Shift算法小結(jié) 51
3.4　本章小結(jié) 51
第4章　分類算法 52
4.1　 Bayesian算法 53
4.1.1　Bayesian算法簡(jiǎn)介 53
4.1.2　Mahout 中Bayesian算法實(shí)現(xiàn)原理 55
4.1.3　Mahout的Bayesian算法實(shí)戰(zhàn) 59
4.1.4　拓展 70
4.1.5　Bayesian算法小結(jié) 70
4.2　Random Forests算法 70
4.2.1　Random Forests算法簡(jiǎn)介 70
4.2.2　Mahout中Random Forests算法實(shí)現(xiàn)原理 72
4.2.3　Mahout的Random Forests算法實(shí)戰(zhàn) 77
4.2.4　拓展 81
4.2.5　Random Forests算法小結(jié) 82
4.3　本章小結(jié) 83
第5章　協(xié)同過(guò)濾算法 84
5.1　Distributed Item-Based Collaborative Filtering算法 85
5.1.1　Distributed Item-Based Collaborative Filtering算法簡(jiǎn)介 85
5.1.2　Mahout中Distributed ItemBased Collaborative Filtering算法實(shí)現(xiàn)原理 86
5.1.3　Mahout的Distributed Item Based Collaborative Filtering算法實(shí)戰(zhàn) 90
5.1.4　拓展 93
5.1.5　Distributed ItemBased Collabo-rative Filtering算法小結(jié) 94
5.2　Collaborative Filtering with ALSWR算法 94
5.2.1　Collaborative Filtering with ALSWR算法簡(jiǎn)介 94
5.2.2　Mahout中Collaborative Filtering with ALS-WR算法實(shí)現(xiàn)原理 98
5.2.3　Mahout的Collaborative Filtering with ALS-WR算法實(shí)戰(zhàn) 99
5.2.4　拓展 107
5.2.5　Collaborative Filtering with ALSWR算法小結(jié) 107
5.3　本章小結(jié) 107
第6章　模式挖掘算法 108
6.1　FP樹(shù)關(guān)聯(lián)規(guī)則算法 109
6.1.1　FP樹(shù)關(guān)聯(lián)規(guī)則算法簡(jiǎn)介 109
6.1.2　Mahout中Parallel Frequent Pattern Mining算法實(shí)現(xiàn)原理 113
6.1.3　Mahout的Parallel Frequent Pattern Mining算法實(shí)戰(zhàn) 120
6.1.4　拓展 125
6.2　本章小結(jié) 126
第7章　Mahout中的其他算法 127
7.1　Dimension Reduction算法 128
7.1.1　Dimension Reduction算法簡(jiǎn)介 128
7.1.2　Mahout中Dimension Reduction算法實(shí)現(xiàn)原理 129
7.1.3　Mahout的Dimension Reduction算法實(shí)戰(zhàn) 133
7.1.4　拓展 139
7.2　本章小結(jié) 142
第三部分　實(shí)戰(zhàn)篇
第8章　Friend Find系統(tǒng) 144
8.1　系統(tǒng)功能 145
8.1.1　系統(tǒng)管理員 145
8.1.2　普通用戶 146
8.1.3　總體功能 146
8.2　數(shù)據(jù)庫(kù)設(shè)計(jì) 147
8.2.1　原始用戶數(shù)據(jù)表 148
8.2.2　注冊(cè)用戶數(shù)據(jù)表 149
8.2.3　系統(tǒng)管理員表 149
8.2.4　聚類中心表 149
8.3　系統(tǒng)技術(shù)框架 150
8.4　系統(tǒng)流程 152
8.4.1　登錄 152
8.4.2　注冊(cè) 153
8.4.3　上傳數(shù)據(jù) 154
8.4.4　調(diào)用K-Means算法 155
8.4.5　查看用戶分組 157
8.4.6　查看分組情況 158
8.4.7　查看分組成員 159
8.5　系統(tǒng)實(shí)現(xiàn) 159
8.5.1　登錄 159
8.5.2　注冊(cè) 161
8.5.3　上傳數(shù)據(jù) 162
8.5.4　調(diào)用K-Means算法 163
8.5.5　查看用戶分組 167
8.5.6　查看分組情況 167
8.5.7　查看分組成員 168
8.6　本章小結(jié) 170
第9章　Wine Identification系統(tǒng) 171
9.1　系統(tǒng)功能 172
9.1.1　用戶管理模塊 173
9.1.2　隨機(jī)森林模型建立模塊 173
9.1.3　隨機(jī)森林模型預(yù)測(cè)模塊 173
9.2　系統(tǒng)框架 173
9.3　數(shù)據(jù)庫(kù)設(shè)計(jì) 180
9.3.1　用戶表 180
9.3.2　系統(tǒng)常量表 181
9.4　系統(tǒng)流程 181
9.4.1　登錄 182
9.4.2　注銷 182
9.4.3　權(quán)限修改 182
9.4.4　密碼修改 183
9.4.5　用戶列表 183
9.4.6　數(shù)據(jù)上傳 184
9.4.7　隨機(jī)森林模型建立 185
9.4.8　隨機(jī)森林模型評(píng)估 186
9.4.9　隨機(jī)森林模型預(yù)測(cè) 187
9.5　系統(tǒng)實(shí)現(xiàn) 188
9.5.1　登錄 188
9.5.2　注銷 188
9.5.3　權(quán)限修改 189
9.5.4　密碼修改 190
9.5.5　用戶列表 191
9.5.6　數(shù)據(jù)上傳 193
9.5.7　隨機(jī)森林模型建立 194
9.5.8　隨機(jī)森林模型評(píng)估 194
9.5.9　隨機(jī)森林模型預(yù)測(cè) 195
9.6　本章小結(jié) 196
第10章　Dating Recommender系統(tǒng) 197
10.1　系統(tǒng)功能 198
10.1.1　系統(tǒng)管理員功能 198
10.1.2　普通用戶功能 199
10.1.3　功能總述 199
10.2　系統(tǒng)框架 200
10.3　數(shù)據(jù)庫(kù)設(shè)計(jì) 203
10.3.1　系統(tǒng)管理員表 203
10.3.2　原始用戶推薦信息表 204
10.3.3　基礎(chǔ)數(shù)據(jù)top10表 204
10.4　系統(tǒng)流程 204
10.4.1　登錄 205
10.4.2　上傳數(shù)據(jù) 205
10.4.3　推薦分析 206
10.4.4　單用戶推薦 210
10.4.5　新用戶推薦 211
10.5　算法設(shè)計(jì) 214
10.5.1　協(xié)同過(guò)濾算法接口設(shè)計(jì) 214
10.5.2　top10算法設(shè)計(jì) 215
10.5.3　新用戶推薦算法設(shè)計(jì) 221
10.6　系統(tǒng)實(shí)現(xiàn) 228
10.6.1　登錄 228
10.6.2　上傳數(shù)據(jù) 229
10.6.3　推薦分析 230
10.6.4　單用戶推薦 232
10.6.5　新用戶推薦 234
10.7　本章小結(jié) 235
第11章　博客推薦系統(tǒng) 237
11.1　系統(tǒng)功能 238
11.1.1　用戶管理 238
11.1.2　建立知識(shí)庫(kù) 239
11.1.3　博客管理 239
11.2　系統(tǒng)框架 240
11.3　數(shù)據(jù)庫(kù)設(shè)計(jì) 246
11.3.1　用戶信息表 246
11.3.2　知識(shí)庫(kù)信息表 247
11.3.3　系統(tǒng)常量表 248
11.4　系統(tǒng)流程 248
11.4.1　登錄 248
11.4.2　注冊(cè) 248
11.4.3　密碼修改 249
11.4.4　訂閱博客查看 249
11.4.5　博客訂閱與退訂 249
11.4.6　博客推薦 250
11.4.7　上傳數(shù)據(jù) 252
11.4.8　調(diào)用FP樹(shù)關(guān)聯(lián)規(guī)則算法 253
11.5　算法設(shè)計(jì) 260
11.6　系統(tǒng)實(shí)現(xiàn) 262
11.6.1　登錄 262
11.6.2　注冊(cè) 263
11.6.3　密碼修改 264
11.6.4　訂閱博客查看 265
11.6.5　運(yùn)行FP云算法 266
11.6.6　博客訂閱與退訂 267
11.6.7　博客推薦 268
11.7　本章小結(jié) 270