數(shù)據(jù)算法：Hadoop/Spark大數(shù)據(jù)處理技巧介紹了很多基本設(shè)計模式、優(yōu)化技術(shù)和數(shù)據(jù)挖掘及機器學(xué)習(xí)解決方案，以解決生物信息學(xué)、基因組學(xué)、統(tǒng)計和社交網(wǎng)絡(luò)分析等領(lǐng)域的很多問題。這本書還概要介紹了MapReduce、Hadoop和Spark。

本書主要內(nèi)容包括：
■ 完成超大量交易的購物籃分析。
■ 數(shù)據(jù)挖掘算法（K-均值、KNN和樸素貝葉斯）。
■ 使用超大基因組數(shù)據(jù)完成DNA和RNA測序。
■ 樸素貝葉斯定理和馬爾可夫鏈實現(xiàn)數(shù)據(jù)和市場預(yù)測。
■ 推薦算法和成對文檔相似性。
■ 線性回歸、Cox回歸和皮爾遜（Pearson）相關(guān)分析。

目錄

第1章二次排序：簡介 19
第2章二次排序：詳細示例 42
第3章 Top 10 列表 54
第4章左外連接 96
第5章反轉(zhuǎn)排序 127
第6章移動平均 137
第7章購物籃分析 155
第8章共同好友 182
第9章使用MapReduce實現(xiàn)推薦引擎 201
第10章基于內(nèi)容的電影推薦 225
第11章使用馬爾可夫模型的智能郵件營銷 .253
第12章 K-均值聚類 282
第13章 k-近鄰 296
第14章樸素貝葉斯 315
第15章情感分析 349
第16章查找、統(tǒng)計和列出大圖中的所有三角形 354
第17章 K-mer計數(shù) 375
第18章 DNA測序 390
第19章 Cox回歸 413
第20章 Cochran-Armitage趨勢檢驗 426
第21章等位基因頻率 443
第22章 T檢驗 468
第23章皮爾遜相關(guān)系數(shù) 488
第24章 DNA堿基計數(shù) 520
第25章 RNA測序 543
第26章基因聚合 553
第27章線性回歸 586
第28章 MapReduce和幺半群 600
第29章小文件問題 622
第30章 MapReduce的大容量緩存 635
第31章 Bloom過濾器 651Bloom