Spark机器学习库指南[Spark 1.3.1版]

本文内容关键词：Spark官方文档，Spark教程， Spark MLlib教程。

本文翻译自Spark官方文档：Machine Learning Library (MLlib) Guide ，代码示例以Python版为主，部分Python不支持的功能保留原理说明，代码示例略去，另外翻译的时候对部分概念做注解。[注：翻译是为了帮助自己更好地理解相关概念，英语OK的同学建议直接阅读英文原版]

MLlib是Spark中可扩展的机器学习库，它由一系列机器学习算法和实用程序组成，包括分类、回归、聚类、协同过滤、降维，另外还包括一些底层的优化方法。下文是MLib文档的目录结构：

• 数据类型[Data types]
• 基础统计[Basic statistics]
  • 汇总统计[summary statistics]
  • 相关系数[correlations]
  • 分层抽样[stratified sampling]
  • 假设检验[hypothesis testing]
  • 随机数据生成[random data generation]
• 分类和回归[Classification and regression]
  • 线性模型(SVMs, logistic regression, linear regression)]
  • 朴素贝叶斯[naive Bayes]
  • 决策树[decision trees]
  • 树的集成 (Random Forests and Gradient-Boosted Trees)]
  • 保序回归[isotonic regression]
• 协同过滤[Collaborative filtering]
  • 交替最小二乘法[alternating least squares (ALS)]
• 聚类[Clustering]
  • K均值[k-means]
  • 高斯混合[Gaussian mixture]
  • 幂迭代聚类[power iteration clustering (PIC)]
  • LDA[latent Dirichlet allocation]
  • 流式K均值[streaming k-means]
• 降维[Dimensionality reduction]
  • 奇异值分解[singular value decomposition (SVD)]
  • 主成分分析[principal component analysis (PCA)]
• 特征提取和转换[Feature extraction and transformation]
• 频繁模式挖掘[Frequent pattern mining]
  • FP-growth
• 优化[Optimization (developer)]
  • 随机梯度下降[stochastic gradient descent]
  • 有限内存BFGS[limited-memory BFGS (L-BFGS)]

这里只给出了相关章节的目录结构，详情请点击链接查看。持续更新中~