第1章 大数据发展综述 1
1.1 大数据的发展历程 1
1.2 大数据国内外现状 5
1.3 大数据的概念 7
1.4 大数据系统架构 13
1.5 大数据分析分类 34
1.6 大数据基准 41
1.7 大数据面临的挑战 42
1.8 大数据科学问题 51
第2章 机器学习研究进展 54
2.1 机器学习发展简史 55
2.2 机器学习发展现状 58
2.3 机器学习策略与方法 60
2.4 机器学习的经典算法 63
第3章 大数据机器学习系统 70
3.1 大数据机器学习系统研究背景 70
3.2 大数据机器学习研究现状 73
3.3 大数据机器学习系统的技术特征及主要研究问题 77
3.4 大数据机器学习相关技术 81
3.5 大数据机器学习平台总体架构 101
第4章 大数据巨量分析与机器学习的应用领域 107
4.1 互联网领域 108
4.2 商业领域 116
4.3 工业领域 122
4.4 农业信息化建设领域 127
4.5 医疗行业 133
4.6 城市规划与建筑工程 141
4.7 其他研究领域 144
第5章 标签系统 149
5.1 认识标签系统 149
5.2 标签系统的设计 151
5.3 标签系统的实现 154
第6章 数据自助营销平台 163
6.1 数据自助营销平台的价值所在 163
6.2 数据自助营销平台的实现原则 168
6.3 数据自助营销平台的场景实例 175
第7章 基于Mahout的个性化推荐系统 182
7.1 Mahout的推荐引擎 182
7.2 规模与效率 190
7.3 实现一个推荐系统 199
第8章 图计算与社会网络 206
8.1 社会网络和属性图 206
8.2 Spark Graph X与Neo4j 208
8.3 使用Spark Graph X和Neo4j处理社会网络 211
第9章 机器学习的哲学探索 225
9.1 机器学习哲学前沿科学基础 226
9.2 机器学习的可能实现途径分析 248
9.3 机器学习算法及其知识发现功能 272
9.4 机器学习展望 299
参考文献 301