前言
第1章 了解機器學習
1.1 機器學習的定義
1.2 大數據與機器學習
1.3 機器學習、人工智能及深度學習
1.4 機器學習的基本任務
1.5 如何選擇合適算法
1.6 Spark在機器學習方面的優勢
1.7 小結
第2章 構建Spark機器學習繫統
2.1 機器學習繫統架構
2.2 啟動集群
2.3 加載數據
2.4 探索數據
2.4.1 數據統計信息
2.4.2 數據質量分析
2.4.3 數據特征分析
2.4.4 數據的可視化
2.5 數據預處理
2.5.1 數據清理
2.5.2 數據變換
2.5.3 數據集成
2.5.4 數據歸約
2.6 構建模型
2.7 模型評估
2.8 組裝
2.9 模型選擇或調優
2.9.1 交叉驗證
2.9.2 訓練–驗證切分
2.10 保存模型
2.11 小結
……
第3章 ML Pipeline原理與實戰
第4章 特征提取、轉換和選擇
第5章 模型選擇和優化
第6章 Spark MLlib基礎
第7章 構建Spark ML**模型
第8章 構建Spark ML分類模型
第9章 構建Spark ML回歸模型
**0章 構建Spark ML聚類模型
**1章 PySpark 決策樹模型
**2章 SparkR樸素貝葉斯模型
**3章 使用Spark Streaming構建在線學習模型