【教程免费下载】Apache Spark机器学习

前　　言
作为数据科学家和机器学习专业人员，我们的工作是建立模型进行欺诈检测、预测客户流失，或者在广泛的领域将数据转换为洞见。为此，我们有时需要处理大量的数据和复杂的计算。因此，我们一直对新的计算工具满怀期待，例如Spark，我们花费了很多时间来学习新工具。有很多可用的资料来学习这些新的工具，但这些资料大多都由计算机科学家编写，更多的是从计算角度来描述。
作为Spark用户，数据科学家和机器学习专业人员更关心新的系统如何帮助我们建立准确度更高的预测模型，如何使数据处理和编程更加简单。这是本书的写作目的，也是由数据科学家来执笔本书的主要原因。
与此同时，数据科学家和机器学习专业人员已经开发了工作框架、处理过程，使用了一些较好的建模工具，例如R语言和SPSS。我们了解到一些新的工具，例如Spark的MLlib，可以用它们来取代一些旧的工具，但不能全部取代。因此，作为Spark的用户，将Spark与一些已有的工具共同使用对我们十分关键，这也成为本书主要的关注点之一，是本书不同于其他Spark书籍的一个关键因素。
整体而言，本书是一本由数据科学家写给数据科学家和机器学习专业人员的Spark参考书，目的是让我们更加容易地在Spark上使用机器学习。
主要内容
第1章，从机器学习的角度介绍Apache Spark。我们将讨论Spark DataFrame和R语言、Spark pipeline、RM4E数据科学框架，以及Spark notebook和模型的实现。
第2章，主要介绍使用Apache Spark上的工具进行机器学习数据准备，例如Spark SQL。我们将讨论数据清洗、一致性匹配、数据合并以及特征开发。
第3章，通过实际例子清晰地解释RM4E机器学习框架和处理过程，同时展示使用Spark轻松获得整体商业视图的优势。
第4章，讨论如何通过机器学习简单快速地进行欺诈检测。同时，我们会一步一步地说明从大数据中获得欺诈洞见的过程。
第5章，介绍一个风险评估项目的机器学习方法和处理过程，在DataScientist-Workbench 环境下，使用Spark上的R notebook实现它们。该章我们主要关注notebook。
第6章，通过开发客户流失预测系统提高客户留存度，进一步说明我们在Spark上使用MLlib进行机器学习的详细步骤。
第7章，描述如何使用Spark上的SPSS开发推荐系统，用Spark处理大数据。
第8章，将应用范围拓展到教育机构，如大学和培训机构，这里我们给出机器学习提升教育分析的一个真实的例子，预测学生的流失。
第9章，以一个基于Spark的服务请求预测的实际例子，帮助读者更好地理解Spark在商业和公共服务领域服务城市的应用。
第10章，进一步拓展前面章节学习的内容，让读者将所学的动态机器学习和Spark上的海量电信数据结合起来。
第11章，通过Spark上的开放数据介绍动态机器学习，用户可以采取数据驱动的方法，并使用所有可用的技术来优化结果。该章是第9章和第10章的扩展，同时也是前面章节所有实际例子的一个良好回顾。


本文出版自《华章出版社》  作者：[美] 刘永川（Alex Liu）