"大数据:互联网大规模数据挖掘与分布式处理" 本书《Ming of massive data sets》由Anand Rajaraman和Jeffrey D. Ullman合著,主要探讨了在大数据背景下进行数据挖掘的技术和方法。书中内容源于两位作者在斯坦福大学开设的"Web Mining"课程,该课程不仅对研究生有深度,同时也吸引了不少高级本科生的兴趣。 本书的核心关注点在于大规模数据的挖掘,尤其是那些无法一次性加载到内存中的海量数据。因此,许多实例围绕着互联网或源自互联网的数据展开。书中的观点强调算法的应用,即通过算法对数据进行处理,而非依赖机器学习引擎进行训练。 书中涵盖了以下主要知识点: 1. 分布式文件系统与MapReduce:这是一种用于创建能够在大量数据上并行运行的算法的工具。MapReduce允许将大型任务分解为可独立处理的小部分,然后在分布式计算环境中并行执行,最后再汇总结果。 2. 相似性搜索:在大数据中,找到相似或相关的数据是关键问题。书中介绍了关键技术,如余弦相似度、Jaccard相似度等,以及近似最近邻搜索算法(如Locality Sensitive Hashing, LSH),这些技术可以高效地处理大规模数据集中的相似性查询。 3. 数据聚类:如K-means算法、DBSCAN等,用于将数据自动分组到具有相似特征的类别中,是大数据分析中常用的数据组织手段。 4. 图数据模型与图算法:网络数据常常以图的形式表示,如社交网络、网页链接结构等。书中可能讨论了PageRank算法,它在理解和评估网页重要性中起到了关键作用。 5. 信息检索与推荐系统:介绍如何在大规模文档集合中进行有效的信息检索,并探讨如何构建个性化推荐系统,如协同过滤和基于内容的推荐。 6. 时间序列分析:处理随时间变化的数据,如用户行为分析、趋势预测等。 7. 异常检测:在大量数据中识别不寻常模式,用于欺诈检测、故障预测等领域。 8. 数据流挖掘:处理连续不断且可能无限的数据流,如传感器数据、网络日志等。 9. 社交媒体分析:探讨如何分析社交媒体数据以理解用户行为、情绪和社会趋势。 10. 数据可视化:有效地呈现大量数据,帮助人们理解复杂关系和模式。 本书深入浅出地讲解了大数据领域的重要技术和理论,对于希望理解和应用大数据挖掘的读者来说是一本宝贵的资源。通过学习,读者可以掌握处理大规模数据集的工具和技术,以及如何从这些数据中提取有价值的信息。
![](https://csdnimg.cn/release/download_crawler_static/6037807/bg10.jpg)
![](https://csdnimg.cn/release/download_crawler_static/6037807/bg11.jpg)
![](https://csdnimg.cn/release/download_crawler_static/6037807/bg12.jpg)
![](https://csdnimg.cn/release/download_crawler_static/6037807/bg13.jpg)
![](https://csdnimg.cn/release/download_crawler_static/6037807/bg14.jpg)
剩余340页未读,继续阅读
![pdf](https://img-home.csdnimg.cn/images/20210720083512.png)
![application/pdf](https://img-home.csdnimg.cn/images/20210720083512.png)
![](https://csdnimg.cn/download_wenku/file_type_ask_c1.png)
![](https://csdnimg.cn/download_wenku/file_type_ask_c1.png)
![](https://csdnimg.cn/download_wenku/file_type_ask_c1.png)
![](https://csdnimg.cn/download_wenku/file_type_ask_c1.png)
![](https://csdnimg.cn/download_wenku/file_type_ask_c1.png)
![](https://csdnimg.cn/download_wenku/file_type_ask_c1.png)
![](https://csdnimg.cn/download_wenku/file_type_ask_c1.png)
![](https://csdnimg.cn/download_wenku/file_type_ask_c1.png)
![](https://csdnimg.cn/download_wenku/file_type_ask_c1.png)
![](https://csdnimg.cn/download_wenku/file_type_ask_c1.png)
![](https://csdnimg.cn/download_wenku/file_type_ask_c1.png)
![](https://csdnimg.cn/download_wenku/file_type_ask_c1.png)
![](https://csdnimg.cn/download_wenku/file_type_ask_c1.png)
![](https://csdnimg.cn/download_wenku/file_type_ask_c1.png)
![](https://csdnimg.cn/download_wenku/file_type_ask_c1.png)
![](https://csdnimg.cn/download_wenku/file_type_ask_c1.png)
![](https://csdnimg.cn/download_wenku/file_type_ask_c1.png)
![](https://profile-avatar.csdnimg.cn/e80a231e9bbb44e0b92c1f7fe45d787d_csiao_bing.jpg!1)
- 粉丝: 16
- 资源: 11
我的内容管理 展开
我的资源 快来上传第一个资源
我的收益
登录查看自己的收益我的积分 登录查看自己的积分
我的C币 登录后查看C币余额
我的收藏
我的下载
下载帮助
![](https://csdnimg.cn/release/wenkucmsfe/public/img/voice.245cc511.png)
最新资源
- 构建Cadence PSpice仿真模型库教程
- VMware 10.0安装指南:步骤详解与网络、文件共享解决方案
- 中国互联网20周年必读:影响行业的100本经典书籍
- SQL Server 2000 Analysis Services的经典MDX查询示例
- VC6.0 MFC操作Excel教程:亲测Win7下的应用与保存技巧
- 使用Python NetworkX处理网络图
- 科技驱动:计算机控制技术的革新与应用
- MF-1型机器人硬件与robobasic编程详解
- ADC性能指标解析:超越位数、SNR和谐波
- 通用示波器改造为逻辑分析仪:0-1字符显示与电路设计
- C++实现TCP控制台客户端
- SOA架构下ESB在卷烟厂的信息整合与决策支持
- 三维人脸识别:技术进展与应用解析
- 单张人脸图像的眼镜边框自动去除方法
- C语言绘制图形:余弦曲线与正弦函数示例
- Matlab 文件操作入门:fopen、fclose、fprintf、fscanf 等函数使用详解
![](https://img-home.csdnimg.cn/images/20220527035711.png)
![](https://img-home.csdnimg.cn/images/20220527035111.png)
![](https://csdnimg.cn/release/wenkucmsfe/public/img/green-success.6a4acb44.png)