使用Spark构建大规模机器学习应用

"Machine Learning with Spark" 是一本由Nick Pentreath编著的书籍，主要讲解如何使用Apache Spark构建可扩展的机器学习应用，以驱动数据驱动的现代业务。本书面向具有Scala、Java或Python背景，并对机器学习和数据分析感兴趣的读者，即使没有Spark经验也能学习。书中通过实际案例，教你如何利用Spark开发自己的机器学习系统，结合多种技术和模型构建智能机器学习系统，以及如何加载、分析、清洗和转换数据。 书中详细涵盖了Spark API的基础知识，用于数据处理和准备，以便输入到各种机器学习模型中。内容包括推荐系统、分类、回归、聚类和降维等常见模型的实现。此外，还涉及了大规模文本数据处理、在线机器学习和使用Spark Streaming进行模型评估的高级主题。 书中的目录包括： 1. Spark的入门与启动：介绍Spark的安装、集群设置和编程模型，涵盖SparkContext、SparkConf、SparkShell、ResilientDistributedDatasets（RDD）以及Spark的基本操作。 2. 设计机器学习系统：以MovieStream为例，讨论机器学习系统的业务应用场景，如个性化推荐、目标营销和客户细分。 3. 使用Spark获取、处理和准备数据：教授如何利用Spark进行数据预处理工作。 4. 使用Spark构建推荐引擎：展示如何创建推荐系统。 5. 使用Spark构建分类模型：介绍分类模型的构建方法。 6. 使用Spark构建回归模型：阐述回归模型的实现过程。 7. 使用Spark构建聚类模型：讲解如何执行数据聚类。 8. 使用Spark进行降维：探讨降维技术的应用。 9. 使用Spark进行高级文本处理：介绍处理大规模文本数据的策略。 10. 使用Spark Streaming进行实时机器学习：讨论如何在实时环境中应用机器学习。 这本书适合希望在分布式环境中进行大规模机器学习的开发者，通过实例和实践指导，帮助读者掌握Spark在机器学习领域的应用技巧。