SparkML算法详解(关于DataFrame的API操作)--数据挖掘(Scala与Java版)

SparkML 与数据挖掘



目录

一

 概叙

特性

 算法包括

摘要统计+,#

数据源!&+!#

 的数据类型

数据预处理清洗与转换

特征提取、转换与选择

主成分分析%#

数据归一化处理-

./（字符串索引变换）

./0&（索引字符串变换）

1&./向量索引化#

0词频逆文档频率#

5&.1词向量#-

%&+1&,计数向量#$

0&,分词器#

分类%'!!8"&#-*

回归6!!&#*9

线性方法正则化9

决策树9

树集合04!2'!#9-

聚类%'+!#9$

: 均值聚类9

潜在 ' 分配（）

二等分 !

高斯混合模型（;）-

交替最小二乘 *

显式和隐式反馈9

缩放正则化参数9

冷启动策略9

训练与验证分离01'."&'#

高级主题线性方法的优化开发者#

有限记忆 ;（ ;）

加权最小二乘法的正规方程求解器

迭代重加权最小二乘（6）

二完整代码示例

示例一:! 聚类#

示例二文本挖掘#$

三数据挖掘9

#大数据思维

#大数据的收集与集成

-#大数据的降维

$#大数据的分布式与并行处理

确定数据挖掘目标的艺术

应用技术的艺术

-数据挖掘中平衡的艺术

$理性对待大数据时代-

*小结

四机器学习过程中的一些问题9

五各种机器学习算法的总结

贝叶斯分类器

决策树

AA 算法

等距映射

'&!"' 回归

支持向量机

随机森林

生成对抗网络-

4 算法-

 %A 算法-

梯度下降法-