Mahout算法解析与案例实战PDF|Epub|txt|kindle电子书版本网盘下载

Mahout算法解析与案例实战PDF格式电子书版下载

注意：本站所有压缩包均有解压码： 点击下载压缩包解压工具

第一部分 基础篇2

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JDK10

2.1.2安装Hadoop12

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26

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 withALSWR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 ALS WR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144

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top 10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