Spark和Python机器学习实战：预测分析核心方法（第2版）

作者简介

迈克尔·鲍尔斯（Michael Bowles）在加利福尼亚大学伯克利分校、纽黑文大学和硅谷的黑客道场教授机器学习，为机器学习项目提供咨询，还参与了半导体检测、药品设计、金融市场交易与优化等领域许多创业公司的创办。他在麻省理工学院获得助理教授职位之后，创办并经营了两家硅谷的创业公司，目前这两家公司已上市。

内容简介

机器学习重点关注的是预测——利用历史和未来之间的关系，根据所知道的预测想知道的。机器学习的核心是一种基于数学/算法的技术，本书聚焦于两类能够实现有效预测结果的算法族，并借助当前流行的 Python 语言来展现如何应用这些算法，使掌握机器学习更加简单。本书展示了如何利用 PySpark 将这两类算法扩展到需要使用多个分布式处理器的超大规模数据集上。 1.深入浅出，简单术语。本书没有用复杂的数学公式，而是用简单的术语来解释算法，并提供示例代码来帮助读者快速上手。 2.针对小白设计，内容丰富易懂。本书专为没有专业数学或统计学背景的读者设计，包含如下内容： ● 为任务选择合适的算法； ● 学习相关机制以及准备数据； ● 通过代码演示算法的PySpark实现，可扩展到使用数百个处理器的大规模数据集上； ● 掌握核心Python机器学习算法包； ● 构建多种有效的预测模型； ● 将训练好的模型应用于各种实际场景； ● 评测模型的性能，以实现更好的质量控制和应用； ● 使用Jupyter Notebook格式的示例代码设计和构建自己的模型。 通过本书，读者将深入探究方案构建背后的机制，并学会选择和应用适合当前问题的算法。具体代码的详细示例，以及惩罚线性回归和集成方法的详细描述可以帮助读者了解机器学习的基本过程。