基于鲲鹏的大数据挖掘算法实战
正版保障 假一赔十 可开发票
￥ 59.86 6.7折 ￥ 89 全新
库存81件
广东广州
认证卖家担保交易快速发货售后保障
作者袁春,刘婧,王工艺
出版社机械工业出版社
ISBN9787111713180
出版时间2021-02
装帧平装
开本16开
定价89元
货号11845230
上书时间2024-12-21
商品详情
- 品相描述：全新
- 商品描述
-
目录
丛书序 前言 第1章 大数据挖掘技术概述 1.1 大数据技术重要性 1.2 大数据概念和类型 1.3 大数据挖掘技术 1.3.1 大数据采集技术 1.3.2 大数据预处理技术 1.3.3 大数据分析和挖掘技术 1.3.4 大数据可视化技术 1.3.5 大数据应用 1.4 大数据挖掘系统架构 1.4.1 大数据存储系统 1.4.2 大数据处理系统 1.4.3 大数据可视化和应用系统 1.5 大数据挖掘技术的特性 1.6 新技术浪潮下的大数据挖掘技术 参考文献 第2章 分布式开发框架 2.1 分布式并行策略 2.1.1 数据并行 2.1.2 模型并行 2.2 分布式协调 2.2.1 ZooKeeper简介 2.2.2 数据模型 2.2.3 ZooKeeper体系结构 2.2.4 分布式锁 2.3 分布式通信 2.3.1 分布式通信机制 2.3.2 分布式通信拓扑 2.4 分布式一致性算法 2.4.1 一致性哈希 2.4.2 Paxos算法 2.4.3 Raft算法 2.5 分布式计算框架 2.5.1 Hadoop 2.5.2 Spark 2.5.3 Flink 2.5.4 Ray 参考文献 第3章 经典挖掘算法 3.1 主成分分析 3.1.1 算法介绍 3.1.2 算法推导 3.2 线性回归 3.2.1 线性回归的损失函数 3.2.2 优化求解方法 3.2.3 正则化 3.3 逻辑回归 3.3.1 Logistic函数 3.3.2 逻辑回归的损失函数 3.3.3 多分类问题 3.4 线性支持向量机 3.4.1 支持向量机的基本概念 3.4.2 线性支持向量机的损失函数 3.5 决策树 3.5.1 决策树算法概述 3.5.2 ID3决策树算法 3.5.3 C4.5算法 3.5.4 分类回归树（CART） 3.6 随机森林 3.7 梯度提升决策树 3.7.1 负梯度与残差 3.7.2 GBDT的计算原理 3.7.3 GBDT常用的损失函数 3.8 XGBoost 3.8.1 XGBoost预测模型 3.8.2 目标函数 3.8.3 XGBoost算法分析 3.9 交替小二乘法 3.9.1 显式反馈 3.9.2 隐式反馈 参考文献 第4章 鲲鹏BoostKit大数据挖掘 4.1 鲲鹏芯片 4.1.1 鲲鹏芯片的发展 4.1.2 鲲鹏920处理器 4.1.3 鲲鹏920处理器的特点 4.2 鲲鹏BoostKit使能大数据场景 4.2.1 鲲鹏应用使能套件BoostKit 4.2.2 鲲鹏BoostKit大数据使能套件 4.3 鲲鹏BoostKit大数据机器学习算法库 4.3.1 算法介绍 4.3.2 机器学习算法库的使用方法 第5章 数据挖掘算法在鲲鹏的优化实践 5.1 主成分分析 5.1.1 Covariance方法实现 5.1.2 SVD方法实现 5.1.3 鲲鹏BoostKit算法API介绍 5.2 逻辑回归 5.2.1 概念回顾 5.2.2 优化求解 5.2.3 分布式实现 5.2.4 鲲鹏BoostKit算法API介绍 5.3 随机森林 5.3.1 随机森林基础回顾 5.3.2 随机森林分布式实现与优化 5.3.3 鲲鹏BoostKit算法API介绍 5.4 XGBoost 5.4.1 XGBoost的基础回顾 5.4.2 XGBoost4J-Spark实现详解 5.4.3 XGBoost单轮分布式训练实现详解 5.4.4 鲲鹏BoostKit算法API介绍 5.5 交替小二乘法 5.5.1 分布式实现流程 5.5.2 分布式实现详解 5.5.3 鲲鹏BoostKit算法API介绍 参考文献 第6章 数据挖掘算法应用案例 6.1 商品推荐案例 6.1.1 场景介绍 6.1.2 整体方案 6.1.3 关键步骤 6.1.4 小结 6.2 房价预测案例 6.2.1 场景介绍 6.2.2 整体方案 6.2.3 关键步骤 6.2.4 小结 6.3 客户细分案例 6.3.1 场景介绍 6.3.2 整体方案 6.3.3 关键步骤 6.3.4 小结
内容摘要
本书结合主流分布式计算框架、国产芯片，介绍算法很好性能优化实践，开发面向企业级应用的高性能数据挖掘算法，剖析数据挖掘算法的典型应用案例，帮助读者在面向数据挖掘算法科研问题、企业应用时快速构建应用。本书具体介绍了机器学习和数据挖掘的方法在大数据环境下的具体算法原理与流程，以及在华为鲲鹏平台的具体实现，是第一本贯穿分布式计算框架、底层芯片的，指导面向企业级应用的数据挖掘算法的书籍，适合作为高校、科研机构中需要对大规模数据进行挖掘和分析的学生、科研人员以及企业中大数据分析应用研发人员的参考用书。
主编推荐
适读人群：大数据挖掘算法开发者、高校和科研机构数据分析师、鲲鹏开发者 清华大学袁春教授、华为计算算法开发部 倾力出品 ·深入介绍大数据挖掘的算法原理 ·详解面向分布式计算框架的算法优化流程 ·全面分析基于鲲鹏芯片释放底层算力的实现步骤 ·详述企业级大数据算法的性能优化方法 ·解析鲲鹏大数据机器学习算法库的实战应用案例
精彩内容
在大数据应用中，如何高效地挖掘数据价值是企业要解决的核心问题。为了应对这一挑战，华为推出了鲲鹏BoostKit大数据机器学习算法库，通过算法原理优化和鲲鹏芯片亲和性优化，充分释放了华为鲲鹏芯片的强劲算力，大幅提升海量数据的计算性能，是大数据挖掘强有力的工具。 《基于鲲鹏的大数据挖掘算法实战》主要面向大数据挖掘算法开发者，围绕鲲鹏BoostKit大数据机器学习算法库，深入介绍算法原理以及基于鲲鹏的优化实践。开发者可以通过本书实现数据挖掘入门，掌握用算法解决实际业务问题的方法和流程，了解分布式大数据挖掘算法的实现步骤，进而在鲲鹏集群中进行算法调优、二次开发或者开发新的高性能算法。
— 没有更多了 —
以下为对购买帮助不大的评价