Spark高级数据分析

版权信息 书名：Spark高级数据分析（第2版） 作者：[美] 桑迪· 里扎 [美] 于里·莱瑟森 [英] 肖恩·欧文 [美] 乔希·威尔斯 译者：龚少成 邱鑫 ISBN：978-7-115-48252-5 本书由北京图灵文化发展有限公司发行数字版。版权所有，侵权必 究。 您购买的图灵电子书仅供您个人使用，未经授权，不得以任何方式复制 和传播本书内容。 我们愿意相信读者具有这样的良知和觉悟，与我们共同保护知识产权。 如果购买者有侵权行为，我们可能对该用户实施包括但不限于关闭该帐 号等维权措施，并可能追究法律责任。 图灵社区会员 yanggz（99508488@qq.com） 专享 尊重版权 版权声明 O'Reilly Media, Inc. 介绍 业界评论 推荐序 译者序 序 前言 本书内容 第2版说明 使用代码示例 O'Reilly Safari 联系我们 致谢 电子版 第 1 章 大数据分析 1.1 数据科学面临的挑战 1.2 认识Apache Spark 1.3 关于本书 1.4 第2版说明 第 2 章 用Scala和Spark进行数据分析 2.1 数据科学家的Scala 2.2 Spark编程模型 2.3 记录关联问题 2.4 小试牛刀：Spark shell和SparkContext 2.5 把数据从集群上获取到客户端 2.6 把代码从客户端发送到集群 2.7 从RDD到DataFrame 2.8 用DataFrame API来分析数据 2.9 DataFrame的统计信息 2.10 DataFrame的转置和重塑 2.11 DataFrame的连接和特征选择 2.12 为生产环境准备模型 2.13 评估模型 2.14 小结 第 3 章 音乐推荐和Audioscrobbler数据集 3.1 数据集 3.2 交替最小二乘推荐算法 3.3 准备数据 3.4 构建第一个模型 3.5 逐个检查推荐结果 3.6 评价推荐质量 3.7 计算AUC 3.8 选择超参数 3.9 产生推荐 3.10 小结 第 4 章 用决策树算法预测森林植被 4.1 回归简介 4.2 向量和特征 4.3 样本训练 4.4 决策树和决策森林 4.5 Covtype数据集 4.6 准备数据 4.7 第一棵决策树 4.8 决策树的超参数 4.9 决策树调优 4.10 重谈类别型特征 4.11 随机决策森林 4.12 进行预测 4.13 小结 第 5 章 基于K均值聚类的网络流量异常检测 5.1 异常检测 5.2 K均值聚类 5.3 网络入侵 5.4 KDD Cup ......