第1章 初识机器学习
1-1 导学 (12:05)
1-2 机器学习概述 (07:19)
1-3 机器学习核心思想 (12:08)
1-4 机器学习的框架与选型.. (06:36)
第2章 初识MLlib
2-1 MLlib概述 (10:59)
2-2 MLlib的数据结构 (11:15)
2-3 MLlib与ml (02:52)
2-4 MLlib的应用场景 (04:04)
第3章 实战环境搭建
3-1 Spark环境安装 (06:53)
3-2 Spark配置若干要点 (08:02)
3-3 学习Spark shell (05:03)
3-4 实战Wordcount (17:38)
第4章 数据可视化
4-1 数据可视化的作用及常用方法 (03:06)
4-2 初识Echarts (06:23)
4-3 通过Echarts实现图表化数据展示 (11:28)
第5章 Spark的矩阵与向量
5-1 矩阵与向量介绍 (07:03)
5-2 Spark中实践向量的使用 (10:55)
5-3 Spark中实践矩阵的使用 (08:59)
第6章 Spark基础统计模块
6-1 基础统计模块及常用统计学知识介绍 (03:42)
6-2 实战统计汇总 (11:11)
6-3 学习相关系数 (12:15)
6-4 学习假设检验 (11:38)
第7章 Spark实现回归算法
7-1 回归分析概述 (05:36)
7-2 线性回归算法概述 (03:34)
7-3 线性回归算法原理 (06:35)
7-4 最小二乘法 (09:58)
7-5 随机梯度下降 (13:36)
7-6 实战Spark预测房价---项目展示及代码概览 (05:22)
7-7 实战Spark预测房价---数据加载及转换 (15:56)
7-8 实战Spark预测房价--训练与预测 (16:20)
7-9 逻辑回归算法及原理概述 (04:36)
7-10 正则化原理 (09:52)
7-11 实战Spark逻辑回归 (06:28)
7-12 保序回归算法概述 (03:23)
7-13 保序回归算法原理 (03:33)
7-14 实战一个保序回归数据分析 (08:44)
第8章 Spark实现分类算法
8-1 朴素贝叶斯算法及原理概述 (10:02)
8-2 实战朴素贝叶斯的分类 (20:13)
8-3 支持向量机概述 (13:20)
8-4 实战基于SVM的分类 (11:52)
8-5 决策树算法及原理概述 (16:21)
8-6 实战基于决策树的分类--案例1 (13:00)
8-7 实战基于决策树的分类--案例2 (16:18)
8-8 本章小结 (01:49)
8-9 关于数据归一化的介绍
第9章 Spark实现聚类算法
9-1 Kmeans算法概述 (03:41)
9-2 Kmeans算法原理 (07:15)
9-3 Kmeans算法实战 (13:13)
9-4 LDA算法概述 (02:23)
9-5 LDA算法原理 (04:49)
9-6 LDA算法实践 (10:56)
9-7 本章小结 (03:39)
第10章 Spark实现降维
10-1 PCA算法及原理概述 (11:32)
10-2 实战PCA算法实现降维 (09:29)
10-3 本章小结 (02:27)
第11章 Spark实践文本情感分类
11-1 项目总体概况 (06:45)
11-2 数据集概述 (04:00)
11-3 数据预处理 (03:55)
11-4 文本特征提取 (05:32)
11-5 训练分类模型 (15:22)
11-6 本章小结 (03:07)
第12章 Spark实践推荐系统
12-1 推荐系统简介 (06:41)
12-2 推荐系统原理 (10:23)
12-3 推荐系统实战(上) (12:46)
12-4 推荐系统实战(下) (08:09)
12-5 本章小结 (01:41)
12-6 总结与建议 (05:23)
