当前位置:主页 > 计算机电子书 > 其它 > Mahout下载
Mahout算法解析与案例实战

Mahout算法解析与案例实战 PDF 高清版

  • 更新:2020-09-20
  • 大小:61 MB
  • 类别:Mahout
  • 作者:樊哲
  • 出版:机械工业出版社
  • 格式:PDF

  • 资源介绍
  • 相关推荐

Mahout算法解析与案例实战是一本经典的Mahout著作,原理与实战并重。不仅全面分析了Mahout算法库不同模块中的各个算法的原理及其实现流程,而且每个算法都辅之以实战案例。此外,还包括4个系统级案例,实战性非常强。

全书11章共分为三个部分:第一部分为基础篇(第1~2章),首先介绍了Mahout的应用背景、Mahout算法库收录的算法、Mahout的应用实例,以及开发环境的搭建;第二部分为算法篇(第3~7章),分析了Mahout算法库中不同模块的各个算法的原理以及Mahout实现流程,同时在各章节含有每个算法的实战,让读者可以自己运行程序,感受程序运行的各个流程;第三部分为实战篇(第8~11章),通过对4个不同系统案例的分析讲解,让读者了解开发完整的云平台系统的各个流程,即需求分析、系统框架选择及构建、系统功能设计和功能开发。

目录

  • 第一部分 基础篇
  • 第1章 Mahout简介 2
  • 1.1 Mahout应用背景 2
  • 1.2 Mahout算法库 3
  • 1.2.1 聚类算法 4
  • 1.2.2 分类算法 5
  • 1.2.3 协同过滤算法 6
  • 1.2.4 频繁项集挖掘算法 7
  • 1.3 Mahout应用 7
  • 1.4 本章小结 8
  • 第2章 Mahout安装配置 9
  • 2.1 Mahout安装前的准备 9
  • 2.1.1 安装JDK 10
  • 2.1.2 安装Hadoop 12
  • 2.2 两种安装方式 20
  • 2.2.1 使用Maven安装 20
  • 2.2.2 下载发布版安装 22
  • 2.3 测试安装 22
  • 2.4 本章小结 24
  • 第二部分 算法篇
  • 第3章 聚类算法 26
  • 3.1 Canopy算法 26
  • 3.1.1 Canopy算法简介 26
  • 3.1.2 Mahout中Canopy算法实现原理 28
  • 3.1.3 Mahout的Canopy算法实战 29
  • 3.1.4 Canopy算法小结 37
  • 3.2 K-Means算法 37
  • 3.2.1 K-Means算法简介 37
  • 3.2.2 Mahout中K-Means算法实现原理 38
  • 3.2.3 Mahout的K-Means算法实战 39
  • 3.2.4 K-Means算法小结 46
  • 3.3 Mean Shift算法 46
  • 3.3.1 Mean Shift算法简介 46
  • 3.3.2 Mahout中Mean Shift算法实现原理 46
  • 3.3.3 Mahout的Mean Shift算法实战 48
  • 3.3.4 Mean Shift算法小结 51
  • 3.4 本章小结 51
  • 第4章 分类算法 52
  • 4.1  Bayesian算法 53
  • 4.1.1 Bayesian算法简介 53
  • 4.1.2 Mahout 中Bayesian算法实现原理 55
  • 4.1.3 Mahout的Bayesian算法实战 59
  • 4.1.4 拓展 70
  • 4.1.5 Bayesian算法小结 70
  • 4.2 Random Forests算法 70
  • 4.2.1 Random Forests算法简介 70
  • 4.2.2 Mahout中Random Forests算法实现原理 72
  • 4.2.3 Mahout的Random Forests算法实战 77
  • 4.2.4 拓展 81
  • 4.2.5 Random Forests算法小结 82
  • 4.3 本章小结 83
  • 第5章 协同过滤算法 84
  • 5.1 Distributed Item-Based Collaborative Filtering算法 85
  • 5.1.1 Distributed Item-Based Collaborative Filtering算法简介 85
  • 5.1.2 Mahout中Distributed ItemBased Collaborative Filtering算法实现原理 86
  • 5.1.3 Mahout的Distributed Item Based Collaborative Filtering算法实战 90
  • 5.1.4 拓展 93
  • 5.1.5 Distributed ItemBased Collabo-rative Filtering算法小结 94
  • 5.2 Collaborative Filtering with ALSWR算法 94
  • 5.2.1 Collaborative Filtering with ALSWR算法简介 94
  • 5.2.2 Mahout中Collaborative Filtering with ALS-WR算法实现原理 98
  • 5.2.3 Mahout的Collaborative Filtering with ALS-WR算法实战 99
  • 5.2.4 拓展 107
  • 5.2.5 Collaborative Filtering with ALSWR算法小结 107
  • 5.3 本章小结 107
  • 第6章 模式挖掘算法 108
  • 6.1 FP树关联规则算法 109
  • 6.1.1 FP树关联规则算法简介 109
  • 6.1.2 Mahout中Parallel Frequent Pattern Mining算法实现原理 113
  • 6.1.3 Mahout的Parallel Frequent Pattern Mining算法实战 120
  • 6.1.4 拓展 125
  • 6.2 本章小结 126
  • 第7章 Mahout中的其他算法 127
  • 7.1 Dimension Reduction算法 128
  • 7.1.1 Dimension Reduction算法简介 128
  • 7.1.2 Mahout中Dimension Reduction算法实现原理 129
  • 7.1.3 Mahout的Dimension Reduction算法实战 133
  • 7.1.4 拓展 139
  • 7.2 本章小结 142
  • 第三部分 实战篇
  • 第8章 Friend Find系统 144
  • 8.1 系统功能 145
  • 8.1.1 系统管理员 145
  • 8.1.2 普通用户 146
  • 8.1.3 总体功能 146
  • 8.2 数据库设计 147
  • 8.2.1 原始用户数据表 148
  • 8.2.2 注册用户数据表 149
  • 8.2.3 系统管理员表 149
  • 8.2.4 聚类中心表 149
  • 8.3 系统技术框架 150
  • 8.4 系统流程 152
  • 8.4.1 登录 152
  • 8.4.2 注册 153
  • 8.4.3 上传数据 154
  • 8.4.4 调用K-Means算法 155
  • 8.4.5 查看用户分组 157
  • 8.4.6 查看分组情况 158
  • 8.4.7 查看分组成员 159
  • 8.5 系统实现 159
  • 8.5.1 登录 159
  • 8.5.2 注册 161
  • 8.5.3 上传数据 162
  • 8.5.4 调用K-Means算法 163
  • 8.5.5 查看用户分组 167
  • 8.5.6 查看分组情况 167
  • 8.5.7 查看分组成员 168
  • 8.6 本章小结 170
  • 第9章 Wine Identification系统 171
  • 9.1 系统功能 172
  • 9.1.1 用户管理模块 173
  • 9.1.2 随机森林模型建立模块 173
  • 9.1.3 随机森林模型预测模块 173
  • 9.2 系统框架 173
  • 9.3 数据库设计 180
  • 9.3.1 用户表 180
  • 9.3.2 系统常量表 181
  • 9.4 系统流程 181
  • 9.4.1 登录 182
  • 9.4.2 注销 182
  • 9.4.3 权限修改 182
  • 9.4.4 密码修改 183
  • 9.4.5 用户列表 183
  • 9.4.6 数据上传 184
  • 9.4.7 随机森林模型建立 185
  • 9.4.8 随机森林模型评估 186
  • 9.4.9 随机森林模型预测 187
  • 9.5 系统实现 188
  • 9.5.1 登录 188
  • 9.5.2 注销 188
  • 9.5.3 权限修改 189
  • 9.5.4 密码修改 190
  • 9.5.5 用户列表 191
  • 9.5.6 数据上传 193
  • 9.5.7 随机森林模型建立 194
  • 9.5.8 随机森林模型评估 194
  • 9.5.9 随机森林模型预测 195
  • 9.6 本章小结 196
  • 第10章 Dating Recommender系统 197
  • 10.1 系统功能 198
  • 10.1.1 系统管理员功能 198
  • 10.1.2 普通用户功能 199
  • 10.1.3 功能总述 199
  • 10.2 系统框架 200
  • 10.3 数据库设计 203
  • 10.3.1 系统管理员表 203
  • 10.3.2 原始用户推荐信息表 204
  • 10.3.3 基础数据top10表 204
  • 10.4 系统流程 204
  • 10.4.1 登录 205
  • 10.4.2 上传数据 205
  • 10.4.3 推荐分析 206
  • 10.4.4 单用户推荐 210
  • 10.4.5 新用户推荐 211
  • 10.5 算法设计 214
  • 10.5.1 协同过滤算法接口设计 214
  • 10.5.2 top10算法设计 215
  • 10.5.3 新用户推荐算法设计 221
  • 10.6 系统实现 228
  • 10.6.1 登录 228
  • 10.6.2 上传数据 229
  • 10.6.3 推荐分析 230
  • 10.6.4 单用户推荐 232
  • 10.6.5 新用户推荐 234
  • 10.7 本章小结 235
  • 第11章 博客推荐系统 237
  • 11.1 系统功能 238
  • 11.1.1 用户管理 238
  • 11.1.2 建立知识库 239
  • 11.1.3 博客管理 239
  • 11.2 系统框架 240
  • 11.3 数据库设计 246
  • 11.3.1 用户信息表 246
  • 11.3.2 知识库信息表 247
  • 11.3.3 系统常量表 248
  • 11.4 系统流程 248
  • 11.4.1 登录 248
  • 11.4.2 注册 248
  • 11.4.3 密码修改 249
  • 11.4.4 订阅博客查看 249
  • 11.4.5 博客订阅与退订 249
  • 11.4.6 博客推荐 250
  • 11.4.7 上传数据 252
  • 11.4.8 调用FP树关联规则算法 253
  • 11.5 算法设计 260
  • 11.6 系统实现 262
  • 11.6.1 登录 262
  • 11.6.2 注册 263
  • 11.6.3 密码修改 264
  • 11.6.4 订阅博客查看 265
  • 11.6.5 运行FP云算法 266
  • 11.6.6 博客订阅与退订 267
  • 11.6.7 博客推荐 268
  • 11.7 本章小结 270

资源下载

资源下载地址1:https://pan.baidu.com/s/1B2RyaEzXgBLy1rSpTjmwfg

网友留言