Hadoop大數(shù)據(jù)分析與挖掘實戰(zhàn)

定　價：￥69.00

作　者：	張良均樊哲李成華劉麗君等
出版社：	機械工業(yè)出版社
叢編項：
標　簽：	計算機/網(wǎng)絡數(shù)據(jù)倉庫與數(shù)據(jù)挖掘數(shù)據(jù)庫

購買這本書可以去

ISBN：	9787111522652	出版時間：	2015-12-01	包裝：	平裝
開本：	16開	頁數(shù)：	289	字數(shù)：

內容簡介

　　本書共14章，分三個部分：基礎篇、實戰(zhàn)篇、高級篇。基礎篇介紹了數(shù)據(jù)挖掘、Hadoop大數(shù)據(jù)的基本原理，實戰(zhàn)篇介紹了一個個真實案例，通過對案例深入淺出的剖析，使讀者在不知不覺中通過案例實踐獲得大數(shù)據(jù)項目挖掘分析經(jīng)驗，同時快速領悟看似難懂的大數(shù)據(jù)分析與挖掘理論知識。讀者在閱讀過程中，應充分利用隨書配套的案例建模數(shù)據(jù)，借助TipDM-HB大數(shù)據(jù)挖掘建模平臺，通過上機實驗，以快速理解相關知識與理論。

作者簡介

暫缺《Hadoop大數(shù)據(jù)分析與挖掘實戰(zhàn)》作者簡介

圖書目錄

目錄
前　言
基　礎　篇
第1章　數(shù)據(jù)挖掘基礎2
　1.1　某知名連鎖餐飲企業(yè)的困惑2
　1.2　從餐飲服務到數(shù)據(jù)挖掘3
　1.3　數(shù)據(jù)挖掘的基本任務4
　1.4　數(shù)據(jù)挖掘建模過程4
1.4.1　定義挖掘目標4
1.4.2　數(shù)據(jù)取樣5
1.4.3　數(shù)據(jù)探索6
1.4.4　數(shù)據(jù)預處理12
1.4.5　挖掘建模14
1.4.6　模型評價14
　1.5　餐飲服務中的大數(shù)據(jù)應用15
　1.6　小結15
第2章　Hadoop基礎16
　2.1　概述16
2.1.1　Hadoop簡介16
2.1.2　Hadoop生態(tài)系統(tǒng)17
　2.2　安裝與配置19
　2.3　Hadoop原理26
2.3.1　Hadoop HDFS原理26
2.3.2　Hadoop MapReduce原理27
2.3.3　Hadoop YARN原理28
　2.4　動手實踐30
　2.5　小結33
第3章　Hadoop生態(tài)系統(tǒng)：Hive34
　3.1　概述34
3.1.1　Hive簡介34
3.1.2　Hive安裝與配置35
　3.2　Hive原理38
3.2.1　Hive架構38
3.2.2　Hive的數(shù)據(jù)模型40
　3.3　動手實踐41
　3.4　小結45
第4章　Hadoop生態(tài)系統(tǒng)：HBase46
　4.1　概述46
4.1.1　HBase簡介46
4.1.2　HBase安裝與配置47
　4.2　HBase原理50
4.2.1　HBase架構50
4.2.2　HBase與RDBMS51
4.2.3　HBase訪問接口52
4.2.4　HBase數(shù)據(jù)模型53
　4.3　動手實踐54
　4.4　小結61
第5章　大數(shù)據(jù)挖掘建模平臺62
　5.1　常用的大數(shù)據(jù)平臺62
　5.2　TipDM-HB大數(shù)據(jù)挖掘建模平臺63
5.2.1　TipDM-HB大數(shù)據(jù)挖掘建模平臺的功能63
5.2.2　TipDM-HB大數(shù)據(jù)挖掘建模平臺操作流程及實例65
5.2.3　TipDM-HB大數(shù)據(jù)挖掘建模平臺的特點67
　5.3　小結68
第6章　挖掘建模69
　6.1　分類與預測69
6.1.1　實現(xiàn)過程69
6.1.2　常用的分類與預測算法70
6.1.3　決策樹71
6.1.4　Mahout中Random Forests算法的實現(xiàn)原理75
6.1.5　動手實踐79
　6.2　聚類分析83
6.2.1　常用聚類分析算法83
6.2.2　K-Means聚類算法84
6.2.3　Mahout中K-Means算法的實現(xiàn)原理88
6.2.4　動手實踐90
　6.3　關聯(lián)規(guī)則93
6.3.1　常用的關聯(lián)規(guī)則算法93
6.3.2　FP-Growth關聯(lián)規(guī)則算法94
6.3.3　Mahout中Parallel Frequent Pattern Mining算法的實現(xiàn)原理98
6.3.4　動手實踐100
　6.4　協(xié)同過濾102
6.4.1　常用的協(xié)同過濾算法102
6.4.2　基于項目的協(xié)同過濾算法簡介102
6.4.3　Mahout中Itembased Collaborative Filtering算法的實現(xiàn)原理103
6.4.4　動手實踐106
　6.5　小結109
實　戰(zhàn)　篇
第7章　法律咨詢數(shù)據(jù)分析與服務推薦112
　7.1　背景與挖掘目標112
　7.2　分析方法與過程114
7.2.1　數(shù)據(jù)抽取120
7.2.2　數(shù)據(jù)探索分析120
7.2.3　數(shù)據(jù)預處理125
7.2.4　模型構建130
　7.3　上機實驗139
　7.4　拓展思考140
　7.5　小結145
第8章　電商產品評論數(shù)據(jù)情感分析146
　8.1　背景與挖掘目標146
　8.2　分析方法與過程146
8.2.1　評論數(shù)據(jù)采集147
8.2.2　評論預處理150
8.2.3　文本評論分詞155
8.2.4　構建模型155
　8.3　上機實驗167
　8.4　拓展思考168
　8.5　小結169
第9章　航空公司客戶價值分析170
　9.1　背景與挖掘目標170
　9.2　分析方法與過程171
9.2.1　數(shù)據(jù)抽取174
9.2.2　數(shù)據(jù)探索分析174
9.2.3　數(shù)據(jù)預處理175
9.2.4　模型構建177
　9.3　上機實驗182
　9.4　拓展思考183
　9.5　小結183
第10章　基站定位數(shù)據(jù)商圈分析184
　10.1　背景與挖掘目標184
　10.2　分析方法與過程186
10.2.1　數(shù)據(jù)抽取186
10.2.2　數(shù)據(jù)探索分析187
10.2.3　數(shù)據(jù)預處理188
10.2.4　構建模型191
　10.3　上機實驗194
　10.4　拓展思考195
　10.5　小結195
第11章　互聯(lián)網(wǎng)電影智能推薦196
　11.1　背景與挖掘目標196
　11.2　分析方法與過程197
11.2.1　數(shù)據(jù)抽取199
11.2.2　構建模型199
　11.3　上機實驗201
　11.4　拓展思考202
　11.5　小結203
第12章　家電故障備件儲備預測分析204
　12.1　背景與挖掘目標204
　12.2　分析方法與過程206
12.2.1　數(shù)據(jù)探索分析207
12.2.2　數(shù)據(jù)預處理209
12.2.3　構建模型212
　12.3　上機實驗216
　12.4　拓展思考217
　12.5　小結217
第13章　市供水混凝投藥量控制分析218
　13.1　背景與挖掘目標218
　13.2　分析方法與過程220
13.2.1　數(shù)據(jù)抽取221
13.2.2　數(shù)據(jù)探索分析221
13.2.3　數(shù)據(jù)預處理223
13.2.4　構建模型227
　13.3　上機實驗237
　13.4　拓展思考238
　13.5　小結239
第14章　基于圖像處理的車輛壓雙黃線檢測240
　14.1　背景與挖掘目標240
　14.2　分析方法與過程241
14.2.1　數(shù)據(jù)抽取242
14.2.2　數(shù)據(jù)探索分析242
14.2.3　數(shù)據(jù)預處理242
14.2.4　構建模型249
　14.3　上機實驗250
　14.4　拓展思考250
　14.5　小結251
高　級　篇
第15章　基于Mahout的大數(shù)據(jù)挖掘開發(fā)254
　15.1　概述254
　15.2　環(huán)境配置255
　15.3　基于Mahout算法接口的二次開發(fā)258
15.3.1　Mahout算法實例258
15.3.2　Mahout算法接口的二次開發(fā)示例259
　15.4　小結271
第16章　基于TipDM-HB的數(shù)據(jù)挖掘二次開發(fā)272
　16.1　概述272
16.1.1　TipDM-HB大數(shù)據(jù)挖掘建模平臺服務接口272
16.1.2　Apache CXF簡介276
　16.2　TipDM-HB大數(shù)據(jù)挖掘建模平臺服務開發(fā)實例277
16.2.1　環(huán)境配置277
16.2.2　開發(fā)實例280
　16.3　小結288
參考資料289