Mahout實踐指南

第1章　Mahout入門 / 1 秘笈1　安裝Java和Hadoop / 1 秘笈2　設(shè)置Maven和NetBeans開發(fā)環(huán)境 / 6 秘笈3　編寫一個基本的推薦系統(tǒng) / 9 第2章　使用序列文件——什么時候和為什么 / 19 秘笈4　從命令行創(chuàng)建序列文件 / 20 秘笈5　編寫代碼創(chuàng)建序列文件 / 23 秘笈6　編碼實現(xiàn)讀取序列文件 / 28 第3章　將Mahout和外部資源整合 / 33 秘笈7　導(dǎo)入外部資源到HDFS / 34 秘笈8　將數(shù)據(jù)從HDFS導(dǎo)入到RDBMS / 43 秘笈9　創(chuàng)建一個Sqoop作業(yè)來處理RDBMS / 45 秘笈10　使用Sqoop API導(dǎo)入數(shù)據(jù) / 47 第4章　實現(xiàn)樸素貝葉斯分類器 / 49 秘笈11　使用Mahout文本分類器演示基本的使用樣例 / 50 秘笈12　編碼實現(xiàn)樸素貝葉斯分類器 / 60 秘笈13　通過命令行使用互補樸素貝葉斯 / 64 秘笈14　編碼使用互補樸素貝葉斯分類器 / 65 第5章　股市預(yù)測 / 67 秘笈15　為logistic回歸準備數(shù)據(jù) / 67 秘笈16　使用logistic預(yù)測GOOG股票動態(tài) / 71 秘笈17　通過Java編碼使用自適應(yīng)的logistic回歸 / 76 秘笈18　在大規(guī)模的數(shù)據(jù)集上使用logistic回歸 / 79 秘笈19　使用隨機森林預(yù)測市場動態(tài) / 83 第6章　頂棚聚類 / 87 秘笈20　基于命令行的頂棚聚類 / 87 秘笈21　基于帶參數(shù)命令行的頂棚聚類 / 91 秘笈22　通過Java代碼使用頂棚聚類 / 95 秘笈23　編寫你自己的距離估計 / 98 第7章　頻譜聚類 / 101 秘笈24　通過命令行使用EigenCuts / 101 秘笈25　在Java代碼中使用EigenCuts / 104 秘笈26　從原始數(shù)據(jù)創(chuàng)建相似度矩陣 / 108 秘笈27　使用頻譜聚類進行圖像分割 / 114 第8章　K-均值聚類 / 119 秘笈28　在Java代碼中使用K-均值聚類 / 119 秘笈29　使用K-均值聚類對交通事故進行聚類 / 124 秘笈30　使用MapReduce進行K-均值聚類 / 128 秘笈31　命令行方式使用K-均值聚類 / 132 第9章　軟計算 / 139 秘笈32　使用Mahout進行頻繁模式挖掘 / 139 秘笈33　為頻繁模式挖掘創(chuàng)建評價準則 / 142 秘笈34　在Java代碼中使用頻繁模式挖掘 / 147 秘笈35　使用LDA創(chuàng)建主題 / 153 第10章　實現(xiàn)遺傳算法 / 159 秘笈36　設(shè)置Mahout以便使用遺傳算法 / 159 秘笈37　在圖上使用遺傳算法 / 163 秘笈38　在Java代碼中使用遺傳算法 / 167