今天要给大家推荐的《Spark机器学习》这本书，英文名 Machine Learning with Spark，是深入学习Spark机器学习的指南书籍，强烈建议大家下载研读。
这本书的作者Nick Pentreath是Graphflow公司联合创始人，在金融市场、机器学习和软件开发等领域经验丰富，还是Apache Spark项目管理委员会成员之一。译者蔡立宇、黄章帅、周济民也都在相关领域有着深厚的专业背景，确保了译文的准确性和专业性。
书中内容丰富实用，理论与实践紧密结合。开篇就详细讲解了Spark的环境搭建与运行，通过Scala交互式终端，读者能快速掌握Spark编程模型和API的基础知识，还能用Scala、Java和Python三种语言编写简单的Spark程序。
机器学习系统的设计是本书的一大亮点。以MovieStream这个假想的互联网公司为例，作者详细阐述了机器学习系统在实际业务中的应用，像个性化推荐、目标营销和客户细分、预测建模与分析等方面的应用场景，让读者深刻理解机器学习系统的商业价值。同时，还介绍了机器学习模型的种类，包括监督学习和无监督学习，以及数据驱动的机器学习系统的组成部分，从数据获取与存储到模型监控与反馈，各个环节都讲解得十分透彻。
数据处理与准备是机器学习的关键环节，书中第三章对此进行了详细介绍。不仅教你如何从UCL机器学习知识库、Amazon AWS公开数据集等公开渠道获取有用的数据集，还深入讲解了数据的探索、可视化、处理、转换以及特征提取的方法。以MovieLens 100k数据集为例，带领读者一步步探索用户数据、电影数据和评级数据，让读者学会如何将原始数据转换为可用于机器学习算法的特征向量，掌握数据处理的核心技能。
从第四章开始，本书深入探讨了各种机器学习模型在Spark上的实现。在构建推荐引擎方面，介绍了基于内容的过滤、协同过滤和矩阵分解等推荐模型的分类，以及如何使用这些模型进行用户推荐和物品推荐，并通过实际案例展示了如何评估推荐模型的效果。在分类模型、回归模型和聚类模型的讲解中，同样是理论结合实践，详细介绍了模型的种类、从数据中抽取特征的方法、模型的训练和应用，以及如何评估模型的性能和进行参数调优。
此外，书中还介绍了Spark在数据降维、高级文本处理技术以及Spark Streaming在实时机器学习上的应用等方面的知识。数据降维章节讲解了PCA和SVD等降维方法，以及如何从脸部图像数据中提取特征进行降维；高级文本处理技术章节深入探讨了TF – IDF短语加权表示、特征哈希等技术，以及如何使用这些技术进行文本相似度计算和文本分类；Spark Streaming在实时机器学习上的应用章节则介绍了在线学习的概念、流处理的基本知识，以及如何使用Spark Streaming进行在线学习。
总的来说，《Spark机器学习》这本书内容全面、案例丰富，极具价值。如果你渴望深入学习Spark机器学习，提升自己在大数据和机器学习领域的技能，那么赶紧下载这本书吧！
资源下载
