第1章 统计分析与并行计算 1
1.1 并行计算与并行计算机 1
1.2 统计计算的并行原理——以矩阵乘法为例 7
1.3 基于R的单机并行计算 9
1.4 基于Python的单机并行计算 10
1.5 大数据背景下的数据采集和存储 11
1.6 参考文献 14
第2章 Hadoop基础 15
2.1 Hadoop历史、生态系统 15
2.2 Hadoop的分布式文件系统(HDFS) 16
2.3 MapReduce工作原理 21
2.4 Hadoop上运行MapReduce 24
2.5 MapReduce实例:分层随机抽样 25
2.6 MapReduce实例:聚类分析 26
2.7 参考文献 30
第3章 基于Hadoop的分布式算法和模型实现 31
3.1 R中实现Hadoop分布式计算 31
3.2 Mahout与大数据机器学习 39
3.3 利用Mahout进行数据挖掘 40
3.4 Mahout实例:Logistics回归和随机森林分类算法 42
3.5 Mahout实例:随机森林的分布式实现 46
3.6 参考文献 49
第4章 统计模型的MapReduce实现详解 51
4.1 泊松回归模型:付费搜索广告分析 51
4.2 判别分析:气象因素对雾霾影响分析 58
4.3 分块Logistics回归 60
4.4 文本分类 64
4.5 朴素贝叶斯模型 68
4.6 岭回归模型 73
4.7 推荐系统 77
4.8 参考文献 80
第5章 分布式文件访问与计算 81
5.1 Hive基础 81
5.2 HiveQL数据定义(DDL) 82
5.3 HBase 89
5.4 Hive实例:FoodMart案例 92
5.5 Hive实例:Hive Streaming交互计算 95
5.6 参考文献 96
第6章 Spark与统计模型 97
6.1 Spark简介 97
6.2 Spark工作原理介绍 100
6.3 Pyspark命令介绍 103
6.4 Spark实例:通过Word Count了解Spark工作流程 107
6.5 Spark实例:二分类学习 109
6.6 Spark实例:决策树模型 114
6.7 参考文献 115
附录A Hadoop安装运行 117
A.1 单机伪分布式安装 117
A.2 全分布式集群 119
附录B Mahout安装与运行 128
附录C Hive安装运行 129
C.1 准备 129
C.2 安装Hive 129
C.3 配置Hive 130
附录D HBase安装运行 131
D.1 安装配置HBase 131
D.2 启动HBase 132
附录E Spark的配置与安装 134
E.1 安装配置Scala 134
E.2 安装配置Spark 134