大規(guī)模機器學習：并行和分布式技術(shù)

第1章 大規(guī)模機器學習：引言
1.1 機器學習基礎(chǔ)
1.2 大規(guī)模機器學習的緣由
1.2.1 大量的數(shù)據(jù)實例
1.2.2 高輸入維數(shù)
1.2.3 模型和算法的復雜性
1.2.4 對推斷時間的約束
1.2.5 預(yù)測串
1.2.6 模型選擇和參數(shù)搜索
1.3 在并行分布式計算中的關(guān)鍵概念
1.3.1 數(shù)據(jù)并行化
1.3.2 任務(wù)并行化
1.4 平臺的選擇和折中
1.5 性能方面的考慮
1.6 本書的組織結(jié)構(gòu)
1.6.1 第一部分：大規(guī)模機器學習的框架
1.6.2 第二部分：監(jiān)督和非監(jiān)督學習算法
1.6.3 第三部分：可替代的學習環(huán)境
1.6.4 第四部分：應(yīng)用
1.7 文獻注解
參考文獻
第一部分 大規(guī)模機器學習的框架
第2章 MapReduce及其在決策樹集的大規(guī)模并行學習中的應(yīng)用
2.1 序言
2.1.1 MapReduce
2.1.2 樹模型
2.1.3 樹模型的學習
2.1.4 回歸樹
2.2 PLANET的例子
2.2.1 組成元素
2.2.2 繼續(xù)討論本例子
2.3 技術(shù)細節(jié)
2.3.1 MR_Expand節(jié)點：擴展單一節(jié)點
2.3.2 MR_InMemory：內(nèi)存中的樹歸納
2.3.3 控制器的設(shè)計
2.4 集成學習
2.5 工程方面的問題
2.5.1 提前調(diào)度
2.5.2 指紋法
2.5.3 可靠性
2.6 試驗
2.6.1 設(shè)置
2.6.2 結(jié)果
2.7 相關(guān)工作
2.8 結(jié)論
致謝
參考文獻
……
第二部分 監(jiān)督和非監(jiān)督學習算法
第三部分 其他的學習算法
第四部分 應(yīng)用