相關商品
商品簡介
作者簡介
目次
商品簡介
大資料技術叢書
Mahout實踐指南
Apache Mahout Cookbook
（美）Piero Giacomelli 著
靳小波 譯
圖書在版編目（CIP）數據
Mahout實踐指南/（美）賈科梅利（Giacomelli，P.）著；靳小波譯. —北京：機械工業出版社，2014.6
（大資料技術叢書）
Mahout實踐指南
Apache Mahout Cookbook
（美）Piero Giacomelli 著
靳小波 譯
圖書在版編目（CIP）數據
Mahout實踐指南/（美）賈科梅利（Giacomelli，P.）著；靳小波譯. —北京：機械工業出版社，2014.6
（大資料技術叢書）
作者簡介
譯者序
前言
關于評閱者
致謝
第1章 Mahout入門
秘笈1 安裝Java和Hadoop
秘笈2 設置Maven和NetBeans開發環境
秘笈3 編寫一個基本的推薦系統
第2章 使用序列文件——什么時候和為什么
秘笈4 從命令行創建序列文件
秘笈5 編寫代碼創建序列文件
秘笈6 編碼實現讀取序列文件
第3章 將Mahout和外部資源整合
秘笈7 導入外部資源HDFS
秘笈8 將數據從HDFS導入到RDBMS
秘笈9 創建一個Sqoop作業來處理RDBMS
秘笈10 使用Sqoop API導入數據
第4章 實現樸素貝葉斯分類器
秘笈11 使用Mahout文本分類器演示基本的使用樣例
秘笈12 編碼實現樸素貝葉斯分類器
秘笈13 通過命令行使用互補樸素貝葉斯
秘笈14 編碼使用互補樸素貝葉斯分類器
第5章 股市預測
秘笈15 為logistic回歸準備數據
秘笈16 使用logistic預測GOOG股票動態
秘笈17 通過Java編碼使用自適應的logistic回歸
秘笈18 在大規模的數據集上使用logistic回歸
秘笈19 使用隨機森林預測市場動態
第6章 頂棚聚類
秘笈20 基于命令行的頂棚聚類
秘笈21 基于帶參數命令行的頂棚聚類
秘笈22 通過Java代碼使用頂棚聚類
秘笈23 編寫你自己的距離估計
第7章 頻譜聚類
秘笈24 通過命令行使用EigenCuts
秘笈25 在Java代碼中使用EigenCuts
秘笈26 從原始數據創建相似度矩陣
秘笈27 使用頻譜聚類進行圖像分割
第8章 K-均值聚類
秘笈28 在Java代碼中使用K-均值聚類
秘笈29 使用K-均值聚類對交通事故進行聚類
秘笈30 使用MapReduce進行K-均值聚類
秘笈31 命令行方式使用K-均值聚類
第9章 軟計算
秘笈32 使用Mahout進行頻繁模式挖掘
秘笈33 為頻繁模式挖掘創建評價準則
秘笈34 在Java代碼中使用頻繁模式挖掘
秘笈35 使用LDA創建主題
第10章 實現遺傳算法
秘笈36 設置Mahout以便使用遺傳算法
秘笈37 在圖上使用遺傳算法
秘笈38 在Java代碼中使用遺傳算法
前言
關于評閱者
致謝
第1章 Mahout入門
秘笈1 安裝Java和Hadoop
秘笈2 設置Maven和NetBeans開發環境
秘笈3 編寫一個基本的推薦系統
第2章 使用序列文件——什么時候和為什么
秘笈4 從命令行創建序列文件
秘笈5 編寫代碼創建序列文件
秘笈6 編碼實現讀取序列文件
第3章 將Mahout和外部資源整合
秘笈7 導入外部資源HDFS
秘笈8 將數據從HDFS導入到RDBMS
秘笈9 創建一個Sqoop作業來處理RDBMS
秘笈10 使用Sqoop API導入數據
第4章 實現樸素貝葉斯分類器
秘笈11 使用Mahout文本分類器演示基本的使用樣例
秘笈12 編碼實現樸素貝葉斯分類器
秘笈13 通過命令行使用互補樸素貝葉斯
秘笈14 編碼使用互補樸素貝葉斯分類器
第5章 股市預測
秘笈15 為logistic回歸準備數據
秘笈16 使用logistic預測GOOG股票動態
秘笈17 通過Java編碼使用自適應的logistic回歸
秘笈18 在大規模的數據集上使用logistic回歸
秘笈19 使用隨機森林預測市場動態
第6章 頂棚聚類
秘笈20 基于命令行的頂棚聚類
秘笈21 基于帶參數命令行的頂棚聚類
秘笈22 通過Java代碼使用頂棚聚類
秘笈23 編寫你自己的距離估計
第7章 頻譜聚類
秘笈24 通過命令行使用EigenCuts
秘笈25 在Java代碼中使用EigenCuts
秘笈26 從原始數據創建相似度矩陣
秘笈27 使用頻譜聚類進行圖像分割
第8章 K-均值聚類
秘笈28 在Java代碼中使用K-均值聚類
秘笈29 使用K-均值聚類對交通事故進行聚類
秘笈30 使用MapReduce進行K-均值聚類
秘笈31 命令行方式使用K-均值聚類
第9章 軟計算
秘笈32 使用Mahout進行頻繁模式挖掘
秘笈33 為頻繁模式挖掘創建評價準則
秘笈34 在Java代碼中使用頻繁模式挖掘
秘笈35 使用LDA創建主題
第10章 實現遺傳算法
秘笈36 設置Mahout以便使用遺傳算法
秘笈37 在圖上使用遺傳算法
秘笈38 在Java代碼中使用遺傳算法
目次
譯者序
前言
關于評閱者
致謝
第1章 Mahout入門
秘笈1 安裝Java和Hadoop
秘笈2 設置Maven和NetBeans開發環境
秘笈3 編寫一個基本的推薦系統
第2章 使用序列文件——什么時候和為什么
秘笈4 從命令行創建序列文件
秘笈5 編寫代碼創建序列文件
秘笈6 編碼實現讀取序列文件
第3章 將Mahout和外部資源整合
秘笈7 導入外部資源HDFS
秘笈8 將數據從HDFS導入到RDBMS
秘笈9 創建一個Sqoop作業來處理RDBMS
秘笈10 使用Sqoop API導入數據
第4章 實現樸素貝葉斯分類器
秘笈11 使用Mahout文本分類器演示基本的使用樣例
秘笈12 編碼實現樸素貝葉斯分類器
秘笈13 通過命令行使用互補樸素貝葉斯
秘笈14 編碼使用互補樸素貝葉斯分類器
第5章 股市預測
秘笈15 為logistic回歸準備數據
秘笈16 使用logistic預測GOOG股票動態
秘笈17 通過Java編碼使用自適應的logistic回歸
秘笈18 在大規模的數據集上使用logistic回歸
秘笈19 使用隨機森林預測市場動態
第6章 頂棚聚類
秘笈20 基于命令行的頂棚聚類
秘笈21 基于帶參數命令行的頂棚聚類
秘笈22 通過Java代碼使用頂棚聚類
秘笈23 編寫你自己的距離估計
第7章 頻譜聚類
秘笈24 通過命令行使用EigenCuts
秘笈25 在Java代碼中使用EigenCuts
秘笈26 從原始數據創建相似度矩陣
秘笈27 使用頻譜聚類進行圖像分割
第8章 K-均值聚類
秘笈28 在Java代碼中使用K-均值聚類
秘笈29 使用K-均值聚類對交通事故進行聚類
秘笈30 使用MapReduce進行K-均值聚類
秘笈31 命令行方式使用K-均值聚類
第9章 軟計算
秘笈32 使用Mahout進行頻繁模式挖掘
秘笈33 為頻繁模式挖掘創建評價準則
秘笈34 在Java代碼中使用頻繁模式挖掘
秘笈35 使用LDA創建主題
第10章 實現遺傳算法
秘笈36 設置Mahout以便使用遺傳算法
秘笈37 在圖上使用遺傳算法
秘笈38 在Java代碼中使用遺傳算法
前言
關于評閱者
致謝
第1章 Mahout入門
秘笈1 安裝Java和Hadoop
秘笈2 設置Maven和NetBeans開發環境
秘笈3 編寫一個基本的推薦系統
第2章 使用序列文件——什么時候和為什么
秘笈4 從命令行創建序列文件
秘笈5 編寫代碼創建序列文件
秘笈6 編碼實現讀取序列文件
第3章 將Mahout和外部資源整合
秘笈7 導入外部資源HDFS
秘笈8 將數據從HDFS導入到RDBMS
秘笈9 創建一個Sqoop作業來處理RDBMS
秘笈10 使用Sqoop API導入數據
第4章 實現樸素貝葉斯分類器
秘笈11 使用Mahout文本分類器演示基本的使用樣例
秘笈12 編碼實現樸素貝葉斯分類器
秘笈13 通過命令行使用互補樸素貝葉斯
秘笈14 編碼使用互補樸素貝葉斯分類器
第5章 股市預測
秘笈15 為logistic回歸準備數據
秘笈16 使用logistic預測GOOG股票動態
秘笈17 通過Java編碼使用自適應的logistic回歸
秘笈18 在大規模的數據集上使用logistic回歸
秘笈19 使用隨機森林預測市場動態
第6章 頂棚聚類
秘笈20 基于命令行的頂棚聚類
秘笈21 基于帶參數命令行的頂棚聚類
秘笈22 通過Java代碼使用頂棚聚類
秘笈23 編寫你自己的距離估計
第7章 頻譜聚類
秘笈24 通過命令行使用EigenCuts
秘笈25 在Java代碼中使用EigenCuts
秘笈26 從原始數據創建相似度矩陣
秘笈27 使用頻譜聚類進行圖像分割
第8章 K-均值聚類
秘笈28 在Java代碼中使用K-均值聚類
秘笈29 使用K-均值聚類對交通事故進行聚類
秘笈30 使用MapReduce進行K-均值聚類
秘笈31 命令行方式使用K-均值聚類
第9章 軟計算
秘笈32 使用Mahout進行頻繁模式挖掘
秘笈33 為頻繁模式挖掘創建評價準則
秘笈34 在Java代碼中使用頻繁模式挖掘
秘笈35 使用LDA創建主題
第10章 實現遺傳算法
秘笈36 設置Mahout以便使用遺傳算法
秘笈37 在圖上使用遺傳算法
秘笈38 在Java代碼中使用遺傳算法
您曾經瀏覽過的商品
購物須知
大陸出版品因裝訂品質及貨運條件與台灣出版品落差甚大，除封面破損、內頁脫落等較嚴重的狀態，其餘商品將正常出貨。
特別提醒：部分書籍附贈之內容(如音頻mp3或影片dvd等)已無實體光碟提供，需以QR CODE 連結至當地網站註冊“並通過驗證程序”，方可下載使用。
無現貨庫存之簡體書，將向海外調貨：
海外有庫存之書籍，等候約45個工作天;
海外無庫存之書籍，平均作業時間約60個工作天，然不保證確定可調到貨，尚請見諒。
為了保護您的權益，「三民網路書店」提供會員七日商品鑑賞期(收到商品為起始日)。
若要辦理退貨，請在商品鑑賞期內寄回，且商品必須是全新狀態與完整包裝(商品、附件、發票、隨貨贈品等)否則恕不接受退貨。