大数据：互联网大规模数据挖掘与分布式处理
大数据：互联网大规模数据挖掘与分布式处理 内容简介： 本书源自作者在斯坦福大学教授多年的“Web挖掘”课程材料，主要关注大数据环境下数据挖掘的实际算法。书中分析了海量数据集数据挖掘常用的算法，介绍了目前Web应用的许多重要话题。主要内容包括： □ 分布式文件系统以及Map-Reduce工具； □ 相似性搜索； □ 数据流处理以及针对易丢失数据等特殊情况的专用处理算法； □ 搜索引擎技术，如谷歌的PageRank； □ 频繁项集挖掘； □ 大规模高维数据集的聚类算法； □ Web应用中的关键问题：广告管理和推荐系统。 资源目录： 第1章 数据挖掘基本概念 1.1 数据挖掘的定义 1.1.1 统计建模 1.1.2 机器学习 1.1.3 建模的计算方法 1.1.4 数据汇总 1.1.5 特征抽取 1.2 数据挖掘的统计限制 1.2.1 整体情报预警 1.2.2 邦弗朗尼原理 1.2.3 邦弗朗尼原理的一个例子 1.2.4 习题 1.3 相关知识 1.3.1 词语在文档中的重要性 ...
