白话大数据与机器学习PDF|Epub|txt|kindle电子书版本下载

白话大数据与机器学习PDF格式电子书版下载

注意：本站所有压缩包均有解压码： 点击下载压缩包解压工具

第1章 大数据产业1

1.1 大数据产业现状1

1.2 对大数据产业的理解2

1.3 大数据人才3

1.3.1 供需失衡3

1.3.2 人才方向3

1.3.3 环节和工具5

1.3.4 门槛障碍6

1.4 小结8

第2章 步入数据之门9

2.1 什么是数据9

2.2 什么是信息10

2.3 什么是算法12

2.4 统计、概率和数据挖掘13

2.5 什么是商业智能13

2.6 小结14

第3章 排列组合与古典概型15

3.1 排列组合的概念16

3.1.1 公平的决断——扔硬币16

3.1.2 非古典概型17

3.2 排列组合的应用示例18

3.2.1 双色球彩票18

3.2.2 购车摇号20

3.2.3 德州扑克21

3.3 小结25

第4章 统计与分布27

4.1 加和值、平均值和标准差27

4.1.1 加和值28

4.1.2 平均值29

4.1.3 标准差30

4.2 加权均值32

4.2.1 混合物定价32

4.2.2 决策权衡34

4.3 众数、中位数35

4.3.1 众数36

4.3.2 中位数37

4.4 欧氏距离37

4.5 曼哈顿距离39

4.6 同比和环比41

4.7 抽样43

4.8 高斯分布45

4.9 泊松分布49

4.10 伯努利分布52

4.11 小结54

第5章 指标55

5.1 什么是指标55

5.2 指标化运营58

5.2.1 指标的选择58

5.2.2 指标体系的构建62

5.3 小结63

第6章 信息论64

6.1 信息的定义64

6.2 信息量65

6.2.1 信息量的计算65

6.2.2 信息量的理解66

6.3 香农公式68

6.4 熵70

6.4.1 热力熵70

6.4.2 信息、熵72

6.5 小结75

第7章 多维向量空间76

7.1 向量和维度76

7.1.1 信息冗余77

7.1.2 维度79

7.2 矩阵和矩阵计算80

7.3 数据立方体83

7.4 上卷和下钻85

7.5 小结86

第8章 回归87

8.1 线性同归87

8.2 拟合88

8.3 残差分析94

8.4 过拟合99

8.5 欠拟合100

8.6 曲线拟合转化为线性拟合101

8.7 小结104

第9章 聚类105

9.1 K-Means算法106

9.2 有趣模式109

9.3 孤立点110

9.4 层次聚类110

9.5 密度聚类113

9.6 聚类评估116

9.6.1 聚类趋势117

9.6.2 簇数确定119

9.6.3 测定聚类质量121

9.7 小结124

第10章 分类125

10.1 朴素贝叶斯126

10.1.1 天气的预测128

10.1.2 疾病的预测130

10.1.3 小结132

10.2 决策树归纳133

10.2.1 样本收集135

10.2.2 信息增益136

10.2.3 连续型变量137

10.3 随机森林140

10.4 隐马尔可夫模型141

10.4.1 维特比算法144

10.4.2 前向算法151

10.5 支持向量机SVM154

10.5.1 年龄和好坏154

10.5.2 “下刀”不容易157

10.5.3 距离有多远158

10.5.4 N维度空间中的距离159

10.5.5 超平面怎么画160

10.5.6 分不开怎么办160

10.5.7 示例163

10.5.8 小结164

10.6 遗传算法164

10.6.1 进化过程164

10.6.2 算法过程165

10.6.3 背包问题165

10.6.4 极大值问题173

10.7 小结181

第11章 关联分析183

11.1 频繁模式和Apriori算法184

11.1.1 频繁模式184

11.1.2 支持度和置信度185

11.1.3 经典的Apriori算法187

11.1.4 求出所有频繁模式190

11.2 关联分析与相关性分析192

11.3 稀有模式和负模式193

11.4 小结194

第12章 用户画像195

12.1 标签195

12.2 画像的方法196

12.2.1 结构化标签196

12.2.2 非结构化标签198

12.3 利用用户画像203

12.3.1 割裂型用户画像203

12.3.2 紧密型用户画像204

12.3.3 到底“像不像”204

12.4 小结205

第13章 推荐算法206

13.1 推荐思路206

13.1.1 贝叶斯分类206

13.1.2 利用搜索记录207

13.2 User-based CF209

13.3 Item-based CF211

13.4 优化问题215

13.5 小结217

第14章 文本挖掘218

14.1 文本挖掘的领域218

14.2 文本分类219

14.2.1 Rocchio算法220

14.2.2 朴素贝叶斯算法223

14.2.3 K-近邻算法225

14.2.4 支持向量机SVM算法226

14.3 小结227

第15章 人工神经网络228

15.1 人的神经网络228

15.1.1 神经网络结构229

15.1.2 结构模拟230

15.1.3 训练与工作231

15.2 FANN库简介233

15.3 常见的神经网络235

15.4 BP神经网络235

15.4.1 结构和原理236

15.4.2 训练过程237

15.4.3 过程解释240

15.4.4 示例240

15.5 玻尔兹曼机244

15.5.1 退火模型244

15.5.2 玻尔兹曼机245

15.6 卷积神经网络247

15.6.1 卷积248

15.6.2 图像识别249

15.7 深度学习255

15.8 小结256

第16章 大数据框架简介257

16.1 著名的大数据框架257

16.2 Hadoop框架258

16.2.1 MapReduce原理259

16.2.2 安装Hadoop261

16.2.3 经典的WordCount264

16.3 Spark框架269

16.3.1 安装Spark270

16.3.2 使用Scala计算WordCount271

16.4 分布式列存储框架272

16.5 PrestoDB——神奇的CLI273

16.5.1 Presto为什么那么快273

16.5.2 安装Presto274

16.6 小结277

第17章 系统架构和调优278

17.1 速度——资源的配置278

17.1.1 思路一：逻辑层面的优化279

17.1.2 思路二：容器层面的优化279

17.1.3 思路三：存储结构层面的优化280

17.1.4 思路四：环节层面的优化280

17.1.5 资源不足281

17.2 稳定——资源的可用282

17.2.1 借助云服务282

17.2.2 锁分散282

17.2.3 排队283

17.2.4 谨防“雪崩”283

17.3 小结285

第18章 数据解读与数据的价值286

18.1 运营指标286

18.1.1 互联网类型公司常用指标287

18.1.2 注意事项288

18.2 AB测试289

18.2.1 网页测试290

18.2.2 方案测试290

18.2.3 灰度发布292

18.2.4 注意事项293

18.3 数据可视化295

18.3.1 图表295

18.3.2 表格299

18.4 多维度——大数据的灵魂299

18.4.1 多大算大299

18.4.2 大数据网络300

18.4.3 去中心化才能活跃301

18.4.4 数据会过剩吗302

18.5 数据变现的场景303

18.5.1 数据价值的衡量的讨论303

18.5.2 场景1：征信数据307

18.5.3 场景2：宏观数据308

18.5.4 场景3：画像数据309

18.6 小结310

附录A VMware Workstation的安装311

附录B CentOS虚拟机的安装方法314

附录C Python语言简介318

附录D Scikit-learn库简介323

附录E FANN for Python安装324

附录F 群众眼中的大数据325

写作花絮327

参考文献329