Spark MLLib从入门实战小例子

本系列目录如下：

• 数据类型
• 基本统计
  
  • summary statistics（概括统计）
  • correlations（相关性系数）
  • tratified sampling（分层取样）
  • hypothesis testing（假设检验）
  • random data generation（随机数生成）
  • Kernel density estimation（核密度估计）
    
• 协同过滤
  
  • 交换最小二乘
    
• 分类和回归
  
  • 线性模型
    
    • SVMs(支持向量机)
    • 逻辑回归
    • 线性回归
      
  • 朴素贝叶斯
  • 决策树
  • 组合树
    
    • 随机森林
    • 梯度提升树
      
  • 保序回归
    
• 聚类
  
  • k-means||算法
  • GMM（高斯混合模型）
  • PIC（快速迭代聚类）
  • LDA（隐式狄利克雷分布)
  • 二分k-means算法
  • 流式k-means算法
    
• 最优化算法
  
  • 梯度下降算法
  • L-BFGS（限制内存BFGS）
  • NNLS(非负最小二乘)
    
• 降维
  
  • EVD（特征值分解）
  • SVD（奇异值分解）
  • PCA（主成分分析）
    
• 特征抽取和转换
  
  • 特征抽取
    
    • TF-IDF
    • Word2Vec
    • CountVectorizer
      
  • 特征转换
    
    • Tokenizer
    • StopWordsRemover
    • n-gram
    • Binarizer
    • PolynomialExpansion
    • Discrete Cosine Transform (DCT)
    • StringIndexer
    • IndexToString
    • OneHotEncoder
    • VectorIndexer
    • Normalizer(规则化)
    • StandardScaler（特征缩放）
    • MinMaxScaler
    • MaxAbsScaler
    • Bucketizer
    • ElementwiseProduct(元素智能乘积)
    • SQLTransformer
    • VectorAssembler
    • QuantileDiscretizer
      
  • 特征选择
    
    • VectorSlicer
    • RFormula
    • ChiSqSelector(卡方选择器)

转载地址：http://www.qqcourse.com/forum.php?mod=viewthread&tid=3291&_dsign=6c28f52b