《數據算法》是一本2016年出版的圖書，由中國電力出版社出版。
基本介紹
- 中文名：數據算法
- 作者：(美)馬哈默德·帕瑞斯安(Mahmoud Parsian)
- 譯者：蘇金國
- 出版時間：2016年
- 出版社：中國電力出版社
- ISBN：9787512395947
內容簡介,圖書目錄,
內容簡介
《數據算法：Hadoop/Spark大數據處理技巧》介紹了很多基本設計模式、最佳化技術和數據挖掘及機器學習解決方案，以解決生物信息學、基因組學、統計和社交網路分析等領域的很多問題。這還概要介紹了MapReduce、Hadoop和Spark。
圖書目錄
序
前言 3
第1章二次排序：簡介 19
二次排序問題解決方案 2pan＞
MapReduce/Hadoop的二次排序解決方案 25
Spark的二次排序解決方案 29
第2章二次排序：詳細示例 42
二次排序技術 43
二次排序的完整示例 46
運行示例——老版本Hadoop API 50
運行示例——本Hadoop API 52
第3章 Top 10 列表 54
Top N 設計模式的形式化描述 55
MapReduce/Hadoop實現：鍵 56
Spark實現：鍵 62
Spark實現：非鍵 73
使用takeOrdered( )的Spark Top 10 解決方案 84
MapReduce/Hadoop Top 10 解決方案：非鍵 9pan＞
第4章左外連線 96
左外連線示例 96
MapReduce左外連線實現 99
Spark左外連線實現 105
使用leftOuterJoin的Spark實現 117
第5章反轉排序 127
反轉排序模式示例 128
反轉排序模式的MapReduce/Hadoop實現 129
運行示例 134
第6章移動平均 137
示例1：時間序列數據（股票價格） 137
示例2：時間序列數據（URL訪問數） 138
形式定義 139
POJO移動平均解決方案 140
MapReduce/Hadoop移動平均解決方案 143
第7章購物籃分析 155
MBA目標 155
MBA的套用領域 157
使用MapReduce的購物籃分析 157
Spark解決方案 166
運行Spark實現的YARN 腳本 179
第8章共同好友 182
輸入 183
POJO共同好友解決方案 183
MapReduce算法 184
解決方案1: 使用文本的Hadoop實現 187
解決方案2: 使用ArrayListOfLongsWritable 的Hadoop實現 189
Spark解決方案 19pan＞
第9章使用MapReduce引擎 pan＞
購買過該商品的顧客還購買了哪些商品 2
常一起購買的商品 6
第10章基於內容的 225
輸入 226
MapReduce階段1 226
MapReduce階段2和階段3 227
Spark實現 234
第11章使用馬爾可夫模型的智慧型郵件行銷 .253
馬爾可夫鏈基本原理 254
使用MapReduce的馬爾可夫模型 256
Spark解決方案 269
第12章 K-均值聚類 282
什麼是K-均值聚類? 285
聚類的套用領域 285
K-均值聚類方法非形式化描述：分區方法 286
K-均值距離函式 286
K-均值聚類形式化描述 287
K-均值聚類的MapReduce解決方案 288
K-均值算法Spark實現 292
第13章 k-近鄰 296
kNN分類 297
距離函式 297
kNN示例 298
kNN算法非形式化描述 299
kNN算法形式化描述 299
kNN的類Java非MapReduce 解決方案 299
Spark的kNN算法實現 30pan＞
第14章樸素貝葉斯 315
和學 316
條件機率 319
深入分析樸素貝葉斯分類器 319
樸素貝葉斯分類器：符號數據的MapReduce解決方案 322
樸素貝葉斯分類器Spark實現 332
使用Spark和Mahout 347
第15章感分析 349
感示例 350
感分數：正面或負面 350
一個簡單的MapReduce感分析示例 35pan＞
真實世界的感分析 353
第16章查找、統計和列出大圖中的所有三角形 354
基本的圖概念 355
三角形的重要性 356
MapReduce/Hadoop解決方案 357
Spark解決方案 3
第17章 K-mer 375
K-mer的輸入數據 376
K-mer套用 376
K-merMapReduce/Hadoop解決方案 377
K-merSpark解決方案 378
第18章 DNA測序 390
DNA測序的輸入數據 392
輸入數據驗證 393
DNA序列比對 393
DNA測試的MapReduce算法 394
第19章 Cox回歸 413
Cox模型剖析 414
使用R的Cox回歸 415
Cox回歸套用 416
Cox回歸 POJO解決方案 417
MapReduce輸入 418
使用MapReduce的Cox回歸 419
第20章 Cochran-Armitage趨勢檢驗 426
Cochran-Armitage算法 427
Cochran-Armitage套用 432
MapReduce解決方案 435
第21章等位基因頻率 443
基本定義 444
形式化問題描述 448
等位基因頻率分析的MapReduce解決方案 449
MapReduce解決方案, 階段1 449
MapReduce解決方案，階段2 459
MapReduce解決方案, 階段3 463
染色體X 和Y的特殊處理 466
第22章 T檢驗 468
對bioset完成T檢驗 469
MapReduce問題描述 472
輸入 472
期望輸出 473
MapReduce解決方案 473
Spark實現 476
第23章皮爾遜相關係數 488
皮爾遜相關係數公式 489
皮爾遜相關係數示例 49pan＞
皮爾遜相關係數數據集 492
皮爾遜相關係數POJO 解決方案 492
皮爾遜相關係數MapReduce解決方案 493
皮爾遜相關係數的Spark 解決方案 496
運行Spark程式的YARN 腳本 516
使用Spark計算斯皮爾曼相關係數 517
第24章 DNA鹼基 5
FASTA 格式 52pan＞
FASTQ 格式 522
MapReduce解決方案：FASTA 格式 522
運行示例 524
MapReduce解決方案: FASTQ 格式 528
Spark 解決方案: FASTA 格式 533
Spark解決方案: FASTQ 格式 537
第25章 RNA測序 543
數據大小和格式 543
MapReduce工作流 544
RNA測序分析概述 544
RNA測序MapReduce算法 548
第26章基因聚合 553
輸入 554
輸出 554
MapReduce解決方案（按單個值過濾和按平均值過濾） 555
基因聚合的Spark解決方案 567
Spark解決方案：按單個值過濾 567
Spark解決方案：按平均值過濾 576
第27章線性回歸 586
基本定義 587
簡單示例 587
問題描述 588
輸入數據 589
期望輸出 590
使用SimpleRegression的MapReduce解決方案 590
Hadoop實現類 593
使用R線性模型的MapReduce解決方案 593
第28章 MapReduce和么半群 600
概述 600
么半群的定義 602
么半群和非么半群示例 603
MapReduce示例：非么半群 606
MapReduce示例：么半群 608
使用么半ark示例 612
使用么半群的結論 618
函子和么半群 619
第29章小檔案問題 622
解決方案1：在客戶端合併小檔案 623
解決方案2：用CombineFileInputFormat解決小檔案問題 629
其他解決方案
第30章 MapReduce的大容量快取 635
實現方案 636
快取問題形式化描述 637
一個精巧、可伸縮的解決方案 637
實現LRUMap快取 0
使用LRUMap的MapReduce解決方案 6
第31章 Bloom過濾器 651Bloom
過濾器性質 65pan＞
一個簡單的Bloom過濾器示例 653
Guava庫中的Bloom過濾器MapReduce中使用Bloom過濾器
附錄A Bioset
附錄B Spark RDD
參考書目
