Apache Spark MLlib Képzés

spark.mllib: adattípusok, algoritmusok és segédprogramok

• Adattípusok
• Alapstatisztika
  • összefoglaló statisztika
  • összefüggések
  • rétegelt mintavétel
  • hipotézis tesztelés
  • streaming szignifikancia tesztelése
  • véletlenszerű adatgenerálás
• Osztályozás és regresszió
  • lineáris modellek (SVM-ek, logisztikai regresszió, lineáris regresszió)
  • naiv Bayes
  • döntési fák
  • faegyüttesek (Random Forest és Gradient-Boosted Trees)
  • izotóniás regresszió
• Együttműködési szűrés
  • váltakozó legkisebb négyzetek (ALS)
• Klaszterezés
  • k-át jelenti
  • Gauss keverék
  • teljesítmény iterációs klaszterezés (PIC)
  • látens Dirichlet allokáció (LDA)
  • felező k-középeket
  • streaming k-means
• Dimenziócsökkentés
  • szinguláris érték dekompozíció (SVD)
  • főkomponens-elemzés (PCA)
• Funkciók kinyerése és átalakítása
• Gyakori mintabányászat
  • FP-növekedés
  • egyesületi szabályok
  • PrefixSpan
• Értékelési mérőszámok
• PMML modell export
• Optimalizálás (fejlesztő)
  • sztochasztikus gradiens süllyedés
  • korlátozott memóriájú BFGS (L-BFGS)

spark.ml: magas szintű API-k ML-folyamatokhoz

• Áttekintés: becslések, transzformátorok és csővezetékek
• Jellemzők kinyerése, átalakítása és kiválasztása
• Osztályozás és regresszió
• Klaszterezés
• Haladó témák