《Spark机器学习进阶实战》读书笔记思维导图

04
5.4 构建 UCI裙子销 售数据回归 模型
06
5.6 本章 小结
05
5.5 其他 回归模型案 例
01
6.1 关联 规则概述
02
6.2 常用 关联规则算 法
03
6.3 效果 评估和优化
04
6.4 使用 FPGrowth对 豆瓣评 分...
05
6.5 其他 应用场景
06
6.6 本章 小结
1
7.1 协同过滤 概述
最新版读书笔记，下载可以直接修改
《Spark机器学习 进阶实战》
思维导图PPT模板
本书关键字分析思维导图
评估
篇章
第章
模型
场景
算法
新闻
小结
概述
应用 机器
点击率
数据
综合
交通
大数据
智慧
效果
画像
目录
01 第一篇 基础篇
03 第三篇 综合应用篇
02 第二篇 算法篇
本书一共分三大部分：基础篇（1-2章）对Spark机器学习进行概述、并通过Spark机器学习开始进行数据分 析；算法篇（3-8章）针对分类、聚类、回归、协同过滤、关联规则、降维等算法进行详细讲解，并进行案例支 持；综合案例篇（9-12章）重点通过异常检测、用户画像、广告点击率预估、智慧交通大数据4个综合场景，详 细讲解基于Spark机器学习的综合应用。
01
10.1 用户 画像概述
02
10.2 用户 画像流程
03
10.3 构建 用户画像
04
10.4 用户 画像评估和 使用
06
10.6 本章 小结
05
10.5 新闻 App用户画 像实践
1
11.1 点击率 预估概述
2
11.2 点击率 预估技术
3
11.3 模型效 果评估
4 11.4 新闻App
点击率预估实 践
06
3.6 本章 小结
05
3.5 其他 分类模型
4.1 聚类概述 4.2 聚类模型
4.3 聚类效果评价
4.4 使用KMeans对 鸢尾花卉数据集...
4.6 其他模型
4.5 使用DBSCAN对 GPS数据进行...
4.7 本章小结
01
5.1 常用 回归模型
02
5.2 评估 指标
03
5.3 回归 模型优化
第一篇 基础篇
第1章 机器学 习概述
第2章 数据分 析流程和方法
1
1.1 机器学习 概述
2
1.2 机器学习 算法
3
1.3 机器学习 分类
4
1.4 机器学习 综合应用
5
1.5 本章小结
1
2.1 数据分析 概述
2
2.2 数据分析 流程
3
2.3 数据分析 的基本方法
4
2.4 简单的数 据分析实践
5
2.5 本章小结
第二篇 算法篇
01
第3章 构 建分类模型
02
第4章 构 建聚类模型
03
第5章 构 建回归模型
04
第6章 构 建关联规则 模型
06
第8章 数 据降维
05
第7章 协 同过滤
01
3.1 分类 模型概述
02
3.2 分类 模型算法
03
3.3 分类 效果评估
04
3.4 App数 据的分类实 现
5
11.5 本章小 结
1
12.1 征信概 述
2
12.2 企业征 信大数据平台
3
12.3 企业征 信大数据应用
4 12.4 企业法
人资产建模实 践
5
12.5 本章小 结
13.1 智慧交通大数 据概述
1Hale Waihona Puke .2 人群生活模式 划分13.3 道路拥堵模式 聚类
13.4 本章小结
读书笔记
谢谢观看
2
7.2 常用的协 同过滤算法
3
7.3 评估标准
4 7.4 使用电影
评分数据进行 协同过滤实践
5
7.5 本章小结
01
8.1 降维 概述
02
8.2 常用 降维算法
03
8.3 降维 评估标准
04
8.4 使用 PCA对 Digits数 据集进...
06
8.6 本章 小结
05
8.5 其他 降维方法
第三篇 综合应用篇
1
第9章 异常检 测
2
第10章 用户 画像
3
第11章 广告 点击率预估
4 第12章 企业
征信大数据应 用
5 第13章 智慧
交通大数据应 用
01
9.1 异常 概述
02
9.2 异常 检测方法
03
9.3 异常 检测系统
04
9.4 应用 场景
06
9.6 本章 小结
05
9.5 新闻 App数据异 常检测实践