大数据2025|PDF|Epub|mobi|kindle电子书版本百度云盘下载

大数据PDF格式电子书版下载

注意：本站所有压缩包均有解压码： 点击下载压缩包解压工具

第1章 大数据概念与应用1

1.1 大数据之“大”1

1.2 大数据的来源3

1.3 大数据的技术支撑5

1.4 大数据应用场景6

1.5 如何开展大数据研发10

习题13

参考文献14

第2章 数据采集与预处理15

2.1 大数据采集架构15

2.1.1 概述15

2.1.2 常用大数据采集工具15

2.1.3 Apache Kafka数据采集16

2.2 数据预处理原理24

2.2.1 数据清洗24

2.2.2 数据集成26

2.2.3 数据变换27

2.3 数据仓库与ETL工具27

2.3.1 概述28

2.3.2 常用ETL工具28

2.3.3 案例：Kettle数据迁移29

习题33

参考文献33

第3章 数据挖掘算法35

3.1 数据挖掘概述35

3.1.1 数据挖掘概念35

3.1.2 数据挖掘常用算法35

3.1.3 数据挖掘应用场景37

3.1.4 数据挖掘工具40

3.2 分类42

3.2.1 贝叶斯决策与分类器43

3.2.2 SVM算法45

3.2.3 案例：在线广告推荐中的分类50

3.3 聚类52

3.3.1 非监督机器学习方法与聚类56

3.3.2 常用聚类算法57

3.3.3 案例：海量视频检索中的聚类59

3.4 关联规则60

3.4.1 关联规则的概念61

3.4.2 频繁项集的产生及其经典算法62

3.4.3 分类技术65

3.4.4 关联规则挖掘在车辆保险中的应用——客户风险分析67

3.5 预测模型70

3.5.1 预测与预测模型70

3.5.2 时间序列预测72

3.5.3 案例：地震预警中的预测方法76

3.6 数据挖掘算法综合应用81

习题85

参考文献85

第4章 大数据挖掘工具88

4.1 Mahout88

4.1.1 安装Mahout90

4.1.2 聚类算法91

4.1.3 分类算法99

4.1.4 协同过滤算法105

4.1.5 案例：基于Mahout Spark Shell的中文新闻分类113

4.2 Spark MLlib117

4.2.1 聚类算法118

4.2.2 回归算法119

4.2.3 分类算法121

4.2.4 协同过滤算法122

4.2.5 案例：基于ALS算法的影片推荐124

4.3 其他数据挖掘工具130

习题136

参考文献137

第5章 R语言138

5.1 R语言简介138

5.1.1 R语言的产生与发展历程138

5.1.2 R语言基本功能介绍141

5.1.3 R语言常见的应用领域147

5.2 R与数据挖掘148

5.2.1 R软件包与常见的数据挖掘算法介绍149

5.2.2 R在数据挖掘中的应用举例164

5.3 SparkR181

5.3.1 SparkR简介181

5.3.2 SparkR环境搭建183

5.3.3 SparkR使用185

5.3.4 SparkR与HQL186

5.3.5 SparkR实现的主要机器学习算法概述187

5.3.6 SparkR在数据分析中的应用举例191

习题194

参考文献194

第6章 深度学习195

6.1 概述195

6.1.1 人工智能简史195

6.1.2 神经网络197

6.1.3 大数据与深度学习200

6.1.4 人工智能的未来201

6.2 深度神经网络202

6.2.1 整体架构202

6.2.2 自动编码器203

6.2.3 受限玻尔兹曼机204

6.2.4 深度置信网络206

6.2.5 卷积神经网络207

6.2.6 循环（递归）神经网络210

6.3 软硬件实现211

6.3.1 TensorFlow211

6.3.2 Caffe212

6.3.3 其他深度学习软件213

6.3.4 深度学习一体机216

6.4 深度学习应用217

6.4.1 语音识别217

6.4.2 图像分析218

6.4.3 自然语言处理219

习题220

参考文献220

第7章 大数据可视化224

7.1 数据可视化基础224

7.1.1 可视化的基本特征224

7.1.2 可视化的目标和作用225

7.1.3 数据可视化流程225

7.2 大数据可视化方法226

7.2.1 文本可视化226

7.2.2 网络（图）可视化228

7.2.3 时空数据可视化230

7.2.4 多维数据可视化232

7.3 大数据可视化软件与工具234

7.3.1 Excel234

7.3.2 Processing235

7.3.3 NodeXL238

7.3.4 ECharts241

习题244

参考文献244

第8章 互联网大数据处理246

8.1 互联网信息抓取246

8.1.1 概述246

8.1.2 Nutch爬虫247

8.1.3 案例：招聘网站信息抓取254

8.1.4 案例：舆情信息汇聚256

8.2 文本分词261

8.2.1 概述261

8.2.2 MMSEG分词工具262

8.2.3 斯坦福NLTK分词工具264

8.3 倒排索引266

8.3.1 倒排索引原理266

8.3.2 倒排索引实现269

8.4 网页排序算法271

8.4.1 概述271

8.4.2 TD-IDF算法273

8.4.3 BM25算法277

8.4.4 PageRank算法278

8.5 历史信息检索279

8.5.1 系统架构280

8.5.2 数据抓取与整合280

8.5.3 查询引擎280

8.5.4 运行效果281

习题282

参考文献283

第9章 大数据商业应用284

9.1 用户画像与精准营销284

9.1.1 概述284

9.1.2 用户画像284

9.1.3 案例：航空旅客画像285

9.1.4 案例：购物人员画像286

9.1.5 案例：移动用户画像287

9.1.6 精准营销288

9.2 广告推荐289

9.2.1 推荐系统289

9.2.2 广告点击率及其预估290

9.2.3 基于位置的服务与广告推荐293

9.3 互联网金融294

9.3.1 概述294

9.3.2 应用场景295

9.3.3 案例：互联网信贷296

9.3.4 案例：互联网融资298

9.3.5 大数据技术在互联网金融中的应用298

习题300

参考文献301

第10章 行业大数据302

10.1 地震大数据302

10.1.1 大数据时代和地震302

10.1.2 密集地震观测网将地震带进大数据时代302

10.1.3 地震大数据一定是巨量数据306

10.1.4 地震大数据找关联307

10.1.5 数据处理从复杂到简单308

10.1.6 大数据推进地震新模式和新业态309

10.2 交通大数据314

10.2.1 智慧交通与大数据314

10.2.2 大数据应用交通的意义314

10.2.3 交通大数据中的数据挖掘技术315

10.2.4 大数据挖掘技术在智能交通中的应用317

10.2.5 河北交通卡口数据分析系统319

10.3 环境大数据324

10.3.1 环境大数据概念324

10.3.2 环境数据的采集与获取327

10.3.3 环境数据的存储与处理328

10.3.4 环境数据的应用329

10.4 警务大数据331

10.4.1 大数据时代警务新模式331

10.4.2 警务大数据应用价值332

10.4.3 如何开展警务大数据研发333

10.4.4 警务大数据应用场景337

10.4.5 警务大数据发展方向338

习题338

参考文献338

附录 大数据实验一体机340