《Python+Spark 2.0+Hadoop機(jī)器學(xué)習(xí)與大數(shù)據(jù)實(shí)戰(zhàn)》從淺顯易懂的“大數(shù)據(jù)和機(jī)器學(xué)習(xí)”原理說明入手，講述大數(shù)據(jù)和機(jī)器學(xué)習(xí)的基本概念，如分類、分析、訓(xùn)練、建模、預(yù)測、機(jī)器學(xué)習(xí)（推薦引擎）、機(jī)器學(xué)習(xí)（二元分類）、機(jī)器學(xué)習(xí)（多元分類）、機(jī)器學(xué)習(xí)（回歸分析）和數(shù)據(jù)可視化應(yīng)用等。

書中不僅加入了新近的大數(shù)據(jù)技術(shù)，還豐富了“機(jī)器學(xué)習(xí)”內(nèi)容。 為降低讀者學(xué)習(xí)大數(shù)據(jù)技術(shù)的門檻，書中提供了豐富的上機(jī)實(shí)踐操作和范例程序詳解，展示了如何在單機(jī)Windows系統(tǒng)上通過Virtual Box虛擬機(jī)安裝多機(jī)Linux虛擬機(jī)，如何建立Hadoop集群，再建立Spark開發(fā)環(huán)境。書中介紹搭建的上機(jī)實(shí)踐平臺(tái)并不限制于單臺(tái)實(shí)體計(jì)算機(jī)。對(duì)于有條件的公司和學(xué)校，參照書中介紹的搭建過程，同樣可以實(shí)現(xiàn)將自己的平臺(tái)搭建在多臺(tái)實(shí)體計(jì)算機(jī)上，以便更加接近于大數(shù)據(jù)和機(jī)器學(xué)習(xí)真實(shí)的運(yùn)行環(huán)境。

本書非常適合于學(xué)習(xí)大數(shù)據(jù)基礎(chǔ)知識(shí)的初學(xué)者閱讀，更適合正在學(xué)習(xí)大數(shù)據(jù)理論和技術(shù)的人員作為上機(jī)實(shí)踐用的教材。

目錄

第1章 Python Spark機(jī)器學(xué)習(xí)與Hadoop大數(shù)據(jù) 1
第2章 VirtualBox虛擬機(jī)軟件的安裝 19
第3章 Ubuntu Linux 操作系統(tǒng)的安裝 30
第4章 Hadoop Single Node Cluster的安裝 57
第5章 Hadoop Multi Node Cluster的安裝 80
第6章 Hadoop HDFS命令 117
第7章 Hadoop MapReduce 135
第8章 Python Spark的介紹與安裝 148
第9章 在 IPythonNotebook 運(yùn)行 Python Spark 程序 176
第10章 Python Spark RDD 197
第11章 Python Spark的集成開發(fā)環(huán)境 229
第12章 Python Spark創(chuàng)建推薦引擎 281
第13章 Python Spark MLlib決策樹二元分類 311
第14章 Python Spark MLlib 邏輯回歸二元分類 361
第15章 Python Spark MLlib支持向量機(jī)SVM二元分類 373
第16章 Python Spark MLlib樸素貝葉斯二元分類 382
第17章 Python Spark MLlib決策樹多元分類 391
第18章 Python Spark MLlib決策樹回歸分析 407
第19章 Python Spark SQL、DataFrame、RDD數(shù)據(jù)統(tǒng)計(jì)與可視化 425
第20章 Spark ML Pipeline 機(jī)器學(xué)習(xí)流程二元分類 462
第21章 Spark ML Pipeline 機(jī)器學(xué)習(xí)流程多元分類 486
第22章 Spark ML Pipeline 機(jī)器學(xué)習(xí)流程回歸分析 499