| 失效链接处理 |
|
白话大数据与机器学习 PDF 下载
转载自：http://www.jb51.net/books/585574.html
本站整理下载：
版权归出版社和原作者所有，链接已删除，请购买正版
用户下载说明：
电子版仅供预览，下载后24小时内务必删除，支持正版，喜欢的请购买正版书籍：
http://product.dangdang.com/23984329.html
相关截图：
 资料简介： 资深大数据专家多年实战经验总结，拒绝晦涩，开启大数据与机器学习妙趣之旅。以降低学习曲线和阅读难度为宗旨，系统讲解统计学、数据挖掘算法、实际应用案例、数据价值与变现，以及高级拓展技能，并清晰勾勒出大数据技术路线与产业蓝图。 本书共分18章。用通俗易懂的语言，结合大量案例与漫画，不枯燥，实用、接地气。 第1～5章，这部分是大数据入门所需的系统性知识，剖析大数据产业、数据与信息算法等的关系，妙解数学基础（排列组合、概率、统计与分布），以及指标化运营及体系构建。这部分补足读者的产业与相关概念认知，以及所需的数学知识。为下面的数据挖掘算法的理解与应用夯实基础。 第6～8章，这部分介绍数据挖掘基础知识与算法，讲解了与数据息息相关的信息论，重点讲解了：多维向量空间（向量和维度、矩阵及其计算、上卷和下钻）； 回归（线性回归、残差分析、拟合相关问题）； 聚类（K-Means算法、有趣模式、孤立点、层次与密度聚类，聚类的评估等）； 分类（朴素贝叶斯、决策树归纳、*森林、隐马尔科夫模型、SVM、遗传算法）。 第11～18章，这部分介绍生产应用与高级扩展。其中第11～15章介绍生产应用实践，涵盖关联分析、用户画像、推荐算法、文本挖掘、人工神经网络。这些也是工业界和学术界研究的热点。第16章讲解了著名的大数据框架及其安装与配置，如Hadoop、Spark、Cassandra、PrestoDB。第17章从速度与稳定性维度介绍了大数据系统的架构与调优。第18章则从数据运营、评估、展现与变现场景层面进行了解读。 附录部分给出了大数据平台运行可能需要的软件和库，以及群众如何看待炙手可热的大数据。 资料目录： 第1章大数据产业1 1.1大数据产业现状1 1.2对大数据产业的理解2 1.3大数据人才3 1.3.1供需失衡3 1.3.2人才方向3 1.3.3环节和工具5 1.3.4门槛障碍6 1.4小结8 第2章步入数据之门9 2.1什么是数据9 2.2什么是信息10 2.3什么是算法12 2.4统计、概率和数据挖掘13 2.5什么是商业智能13 2.6小结14 第3章排列组合与古典概型15 3.1排列组合的概念16 3.1.1公平的决断——扔硬币16 3.1.2非古典概型17 3.2排列组合的应用示例18 3.2.1双色球彩票18 3.2.2购车摇号20 3.2.3德州扑克21 3.3小结25 第4章统计与分布27 4.1加和值、平均值和标准差27 4.1.1加和值28 4.1.2平均值29 4.1.3标准差30 4.2加权均值32 4.2.1混合物定价32 4.2.2决策权衡34 4.3众数、中位数35 4.3.1众数36 4.3.2中位数37 4.4欧氏距离37 4.5曼哈顿距离39 4.6同比和环比41 4.7抽样43 4.8高斯分布45 4.9泊松分布49 4.10伯努利分布52 4.11小结54 第5章指标55 5.1什么是指标55 5.2指标化运营58 5.2.1指标的选择58 5.2.2指标体系的构建62 5.3小结63 第6章信息论64 6.1信息的定义64 6.2信息量65 6.2.1信息量的计算65 6.2.2信息量的理解66 6.3香农公式68 6.4熵70 6.4.1热力熵70 6.4.2信息熵72 6.5小结75 第7章多维向量空间76 7.1向量和维度76 7.1.1信息冗余77 7.1.2维度79 7.2矩阵和矩阵计算80 7.3数据立方体83 7.4上卷和下钻85 7.5小结86 第8章回归87 8.1线性回归87 8.2拟合88 8.3残差分析94 8.4过拟合99 8.5欠拟合100 8.6曲线拟合转化为线性拟合101 8.7小结104 第9章聚类105 9.1K-Means算法106 9.2有趣模式109 9.3孤立点110 9.4层次聚类110 9.5密度聚类113 9.6聚类评估116 9.6.1聚类趋势117 9.6.2簇数确定119 9.6.3测定聚类质量121 9.7小结124 第10章分类125 10.1朴素贝叶斯126 10.1.1天气的预测128 10.1.2疾病的预测130 10.1.3小结132 10.2决策树归纳133 10.2.1样本收集135 10.2.2信息增益136 10.2.3连续型变量137 10.3随机森林140 10.4隐马尔可夫模型141 10.4.1维特比算法144 10.4.2前向算法151 10.5支持向量机SVM154 10.5.1年龄和好坏154 10.5.2“下刀”不容易157 10.5.3距离有多远158 10.5.4N维度空间中的距离159 10.5.5超平面怎么画160 10.5.6分不开怎么办160 10.5.7示例163 10.5.8小结164 10.6遗传算法164 10.6.1进化过程164 10.6.2算法过程165 10.6.3背包问题165 10.6.4极大值问题173 10.7小结181 第11章关联分析183 11.1频繁模式和Apriori算法184 11.1.1频繁模式184 11.1.2支持度和置信度185 11.1.3经典的Apriori算法187 11.1.4求出所有频繁模式190 11.2关联分析与相关性分析192 11.3稀有模式和负模式193 11.4小结194 第12章用户画像195 12.1标签195 12.2画像的方法196 12.2.1结构化标签196 12.2.2非结构化标签198 12.3利用用户画像203 12.3.1割裂型用户画像203 12.3.2紧密型用户画像204 12.3.3到底“像不像”204 12.4小结205 第13章推荐算法206 13.1推荐思路206 13.1.1贝叶斯分类206 13.1.2利用搜索记录207 13.2User-basedCF209 13.3Item-basedCF211 13.4优化问题215 13.5小结217 第14章文本挖掘218 14.1文本挖掘的领域218 14.2文本分类219 14.2.1Rocchio算法220 14.2.2朴素贝叶斯算法223 14.2.3K-近邻算法225 14.2.4支持向量机SVM算法226 14.3小结227 第15章人工神经网络228 15.1人的神经网络228 15.1.1神经网络结构229 15.1.2结构模拟230 15.1.3训练与工作231 15.2FANN库简介233 15.3常见的神经网络235 15.4BP神经网络235 15.4.1结构和原理236 15.4.2训练过程237 15.4.3过程解释240 15.4.4示例240 15.5玻尔兹曼机244 15.5.1退火模型244 15.5.2玻尔兹曼机245 15.6卷积神经网络247 15.6.1卷积248 15.6.2图像识别249 15.7深度学习255 15.8小结256 第16章大数据框架简介257 16.1著名的大数据框架257 16.2Hadoop框架258 16.2.1MapReduce原理259 16.2.2安装Hadoop261 16.2.3经典的WordCount264 16.3Spark框架269 16.3.1安装Spark270 16.3.2使用Scala计算WordCount271 16.4分布式列存储框架272 16.5PrestoDB——神奇的CLI273 16.5.1Presto为什么那么快273 16.5.2安装Presto274 16.6小结277 第17章系统架构和调优278 17.1速度——资源的配置278 17.1.1思路一：逻辑层面的优化279 17.1.2思路二：容器层面的优化279 17.1.3思路三：存储结构层面的优化280 17.1.4思路四：环节层面的优化280 17.1.5资源不足281 17.2稳定——资源的可用282 17.2.1借助云服务282 17.2.2锁分散282 17.2.3排队283 17.2.4谨防“雪崩”283 17.3小结285 第18章数据解读与数据的价值286 18.1运营指标286 18.1.1互联网类型公司常用指标287 18.1.2注意事项288 18.2AB测试289 18.2.1网页测试290 18.2.2方案测试290 18.2.3灰度发布292 18.2.4注意事项293 18.3数据可视化295 18.3.1图表295 18.3.2表格299 18.4多维度——大数据的灵魂299 18.4.1多大算大299 18.4.2大数据网络300 18.4.3去中心化才能活跃301 18.4.4数据会过剩吗302 18.5数据变现的场景303 18.5.1数据价值的衡量的讨论303 18.5.2场景1：征信数据307 18.5.3场景2：宏观数据308 18.5.4场景3：画像数据309 18.6小结310 附录AVMwareWorkstation的安装311 附录BCentOS虚拟机的安装方法314 附录CPython语言简介318 附录DScikit-learn库简介323 附录EFANNforPython安装324 附录F群众眼中的大数据325 写作花絮327 参考文献329 |
| Java1234官方群25： | 
|
| Java1234官方群25： | 838462530 |
苏公网安备 32061202001004号
