R與Hadoop大數(shù)據(jù)分析實(shí)戰(zhàn)

譯者序
前言
審校者簡(jiǎn)介
致謝
第1章　R和Hadoop入門 1
1.1　安裝R 2
1.2　安裝RStudio 3
1.3　R語(yǔ)言的功能特征 3
1.3.1　使用R程序包 3
1.3.2　執(zhí)行數(shù)據(jù)操作 3
1.3.3　日漸增多的社區(qū)支持 4
1.3.4　R語(yǔ)言數(shù)據(jù)建模 4
1.4　Hadoop的安裝 5
1.4.1　不同的Hadoop模式 6
1.4.2　Hadoop的安裝步驟 6
1.5　Hadoop的特點(diǎn) 12
1.5.1　HDFS簡(jiǎn)介 13
1.5.2　MapReduce簡(jiǎn)介 13
1.6　HDFS和MapReduce架構(gòu) 14
1.6.1　HDFS架構(gòu) 14
1.6.2　MapReduce架構(gòu) 15
1.6.3　通過圖示了解HDFS和MapReduce架構(gòu) 15
1.7　Hadoop的子項(xiàng)目 16
1.8　小結(jié) 19
第2章　編寫Hadoop MapReduce程序 20
2.1　MapReduce基礎(chǔ)概念 20
2.2　Hadoop MapReduce技術(shù)簡(jiǎn)介 22
2.2.1　MapReduce中包含的實(shí)體 22
2.2.2　MapReduce中的主要執(zhí)行進(jìn)程 23
2.2.3　MapReduce的局限 25
2.2.4　MapReduce 可以解決的問題 26
2.2.5　使用Hadoop編程時(shí)用到不同的Java概念 26
2.3　Hadoop MapReduce原理 27
2.3.1　MapReduce對(duì)象 27
2.3.2　MapReduce中實(shí)現(xiàn)Map階段的執(zhí)行單元數(shù)目 28
2.3.3　MapReduce中實(shí)現(xiàn)Reduce階段的執(zhí)行單元數(shù)目 28
2.3.4　MapReduce的數(shù)據(jù)流 28
2.3.5　深入理解HadoopMapReduce 30
2.4　編寫Hadoop MapReduce示例程序 32
2.4.1　MapReduce job運(yùn)行的步驟 33
2.4.2　MapReduce可解決的商業(yè)問題 38
2.5　在R環(huán)境中編寫Hadoop MapReduce程序的方式 39
2.5.1　RHadoop 39
2.5.2　RHIPE 40
2.5.3　Hadoop streaming 40
2.6　小結(jié) 40
第3章　集成R和Hadoop 41
3.1　RHIPE 42
3.1.1　安裝RHIPE 42
3.1.2　RHIPE架構(gòu) 44
3.1.3　RHIPE實(shí)例 45
3.1.4　RHIPE參考函數(shù) 48
3.2　RHadoop 51
3.2.1　RHadoop架構(gòu) 51
3.2.2　安裝RHadoop 52
3.2.3　RHadoop案例 53
3.2.4　RHadoop參考函數(shù) 56
3.3　小結(jié) 58
第4章　Hadoop Streaming中使用R 59
4.1　Hadoop Streaming基礎(chǔ)概念 59
4.2　使用R運(yùn)行Hadoop streaming 62
4.2.1　MapReduce應(yīng)用程序基礎(chǔ) 63
4.2.2　如何編寫MapReduce應(yīng)用程序 65
4.2.3　如何運(yùn)行MapReduce應(yīng)用程序 67
4.2.4　如何瀏覽MapRecuce應(yīng)用程序的輸出 69
4.2.5　Hadoop MapReduce腳本的基礎(chǔ)R函數(shù) 70
4.2.6　管理Hadoop MapReduce任務(wù) 71
4.3　R語(yǔ)言擴(kuò)展包HadoopStreaming介紹 72
4.3.1　hsTableReader函數(shù) 73
4.3.2　hsKeyValReader函數(shù) 75
4.3.3　hasLineReader函數(shù) 75
4.3.4　運(yùn)行Hadoop streaming任務(wù) 78
4.3.5　執(zhí)行Hadoop Streaming任務(wù) 79
4.4　小結(jié) 79
第5章　利用R和Hadoop學(xué)習(xí)數(shù)據(jù)分析 80
5.1　數(shù)據(jù)分析項(xiàng)目生命周期 80
5.1.1　問題定義 81
5.1.2　設(shè)計(jì)數(shù)據(jù)需求 81
5.1.3　數(shù)據(jù)預(yù)處理 81
5.1.4　數(shù)據(jù)分析 82
5.1.5　數(shù)據(jù)可視化 82
5.2　數(shù)據(jù)分析問題 83
5.2.1　展示網(wǎng)頁(yè)分類 83
5.2.2　計(jì)算股市變動(dòng)頻率 92
5.2.3　案例研究：預(yù)測(cè)推土機(jī)售價(jià) 98
5.3　小結(jié) 107
第6章　應(yīng)用機(jī)器學(xué)習(xí)做大數(shù)據(jù)分析 108
6.1　機(jī)器學(xué)習(xí)介紹 108
6.2　有監(jiān)督機(jī)器學(xué)習(xí)算法 109
6.2.1　線性回歸 109
6.2.2　logistic回歸 115
6.3　無監(jiān)督機(jī)器學(xué)習(xí)算法 118
6.4　推薦算法 123
6.4.1　在R中產(chǎn)生推薦商品的步驟 125
6.4.2　使用R和Hadoop產(chǎn)生推薦商品 128
6.5　小結(jié) 131
第7章　從各種數(shù)據(jù)庫(kù)中導(dǎo)入與導(dǎo)出數(shù)據(jù) 132
7.1　文件型數(shù)據(jù)庫(kù) 134
7.1.1　不同類型的文件 134
7.1.2　安裝R包 134
7.1.3　將數(shù)據(jù)導(dǎo)入R 134
7.1.4　從R導(dǎo)出數(shù)據(jù) 135
7.2　MySQL 135
7.2.1　安裝MySQL 135
7.2.2　安裝RMySQL 136
7.2.3　列出數(shù)據(jù)表及其結(jié)構(gòu) 136
7.2.4　導(dǎo)入數(shù)據(jù)進(jìn)R 136
7.2.5　數(shù)據(jù)操縱 137
7.3　Excel 137
7.3.1　安裝Excel 138
7.3.2　導(dǎo)入數(shù)據(jù)進(jìn)R 138
7.3.3　R和Excel的數(shù)據(jù)操縱 138
7.3.4　導(dǎo)出數(shù)據(jù)到Excel 138
7.4　MongoDB 138
7.4.1　安裝MongoDB 139
7.4.2　安裝rmongodb 141
7.4.3　導(dǎo)入數(shù)據(jù)進(jìn)R 141
7.4.4　數(shù)據(jù)操縱 142
7.5　SQLite 143
7.5.1　SQLite的特性 143
7.5.2　安裝SQLite 144
7.5.3　安裝RSQLite 144
7.5.4　將數(shù)據(jù)導(dǎo)師入R 144
7.5.5　數(shù)據(jù)操縱 145
7.6　PostgreSQL 145
7.6.1　PostgreSQL的特性 145
7.6.2　安裝PostgreSQL 145
7.6.3　安裝RPostgreSQL 146
7.6.4　從R導(dǎo)出數(shù)據(jù) 146
7.7　Hive 147
7.7.1　Hive的特性 147
7.7.2　安裝Hive 147
7.7.3　安裝RHive 149
7.7.4　RHive操作 149
7.8　HBase 150
7.8.1　HBase的特性 150
7.8.2　安裝HBase 151
7.8.3　安裝Thrift 152
7.8.4　安裝RHBase 153
7.8.5　導(dǎo)入數(shù)據(jù)進(jìn)R 153
7.8.6　數(shù)據(jù)操縱 153
7.9　小結(jié) 154
附錄　參考資源 155