云计算与大数据实验教材系列 MAHOUT实验指南2025|PDF|Epub|mobi|kindle电子书版本百度云盘下载

云计算与大数据实验教材系列 MAHOUT实验指南PDF格式电子书版下载

注意：本站所有压缩包均有解压码： 点击下载压缩包解压工具

1 概述1

1.1 数据挖掘1

1.1.1 推荐系统1

1.1.2 聚类算法1

1.1.3 分类算法2

1.1.4 监督学习和无监督学习2

1.1.5 关联规则2

1.2 Mahout使用说明3

1.2.1 关于Mahout3

1.2.2 配置Mahout3

2 推荐系统10

2.1 知识要点10

2.1.1 推荐系统定义10

2.1.2 查准率与查全率10

2.1.3 协同过滤11

2.1.4 相似度计算11

2.2 创建一个推荐程序13

2.2.1 创建输入13

2.2.2 运行推荐程序14

2.3 评估一个推荐程序15

2.4 基于用户的协同过滤16

2.4.1 算法思想16

2.4.2 基于欧几里得距离的user-based推荐程序16

2.5 基于商品的协同过滤17

2.5.1 算法思想17

2.5.2 基于欧几里得距离的item-based推荐程序18

2.6 Slope-one推荐算法18

2.6.1 算法思想18

2.6.2 Slope-one推荐程序19

3 聚类算法20

3.1 知识要点20

3.1.1 TFIDF权重20

3.1.2 向量空间模型及距离度量21

3.1.3 k-means聚类算法21

3.1.4 模糊k-means聚类算法24

3.2 聚类示例24

3.2.1 生成输入数据24

3.2.2 使用Mahout聚类25

3.3 使用各种距离度量28

3.3.1 欧氏距离测度28

3.3.2 平方欧氏距离测度28

3.3.3 曼哈顿距离测度29

3.3.4 余弦距离测度29

3.3.5 谷本距离测度29

3.4 数据向量化表示30

3.4.1 将数据转换为向量30

3.4.2 从文档中生成向量32

3.5 k-means新闻聚类33

3.5.1 内存k-means聚类33

3.5.2 Hadoop下的k-means新闻文本聚类34

3.6 模糊k-means新闻聚类36

3.6.1 内存模糊k-means聚类36

3.6.2 Hadoop下的模糊k-means新闻文本聚类37

4 分类算法39

4.1 知识要点39

4.1.1 分类算法基本流程39

4.1.2 最近邻分类器40

4.1.3 逻辑回归分类算法41

4.1.4 SVM分类算法42

4.1.5 朴素贝叶斯分类算法43

4.1.6 决策树44

4.1.7 随机森林分类算法45

4.1.8 人工神经网络分类器45

4.2 简单分类示例——填充颜色分类器46

4.2.1 查看数据47

4.2.2 训练模型47

4.3 文本分类算法准备工作50

4.3.1 训练分类器流程50

4.3.2 实现文本的词条化和向量化50

4.4 逻辑回归新闻分类算法52

4.4.1 准备数据集52

4.4.2 模型建立与评估53

4.4.3 部分运行过程54

4.5 朴素贝叶斯新闻分类算法55

4.6 隐马尔科夫模型56

5 关联规则58

5.1 知识要点58

5.1.1 频繁项集发现58

5.1.2 支持度和置信度58

5.1.3 Apriori关联规则挖掘算法59

5.2 关联规则挖掘示例59

5.2.1 发现频繁项集59

5.2.2 产生关联规则61

参考文献65