资源搜

资源名称：Hadoop大数据分析与挖掘实战 完整pdf 第1章　数据挖掘基础2第2章　Hadoop基础16第3章　Hadoop生态系统：Hive34第4章　Hadoop生态系统：HBase46第5章　大数据挖掘建模平台62第6章　挖掘建模69第7章　法律咨询数据分析与服务推荐112第8章　电商产品评论数据情感分析146第9章　航空公司客户价值分析170第10章　基站定位数据商圈分析184第11章　互联网电影智能推荐196第12章　家电故障备件储备预测分析204第13章　市供水混凝投药量控制分析218第14章　基于图像处理的车辆压双黄线检测240第15章　基于Mahout的大数据挖掘开发254第16章　基于TipDM-HB的数据挖掘二次开发272  资源截图：

资源名称：云计算设计模式 完整pdf 资源截图：

资源名称：量化投资 数据挖掘技术与实践(MATLAB版) 完整版pdf 第一篇基础篇第1章绪论 21.1 量化投资与数据挖掘的关系 21.1.1 什么是量化投资 21.1.2 量化投资的特点 31.1.3 量化投资的核心——量化模型 51.1.4 量化模型的主要产生方法——数据挖掘 71.2 数据挖掘的概念和原理 81.2.1 什么是数据挖掘 81.2.2 数据挖掘的原理 101.3 数据挖掘在量化投资中的应用 111.3.1 宏观经济分析 111.3.2 估价 131.3.3 量化选股 141.3.4 量化择时 141.3.5 算法交易 151.4 本章小结 16参考文献 16第2章数据挖掘的内容、过程及工具 172.1 数据挖掘的内容 172.1.1 关联 172.1.2 回归 192.1.3 分类 202.1.4 聚类 212.1.5 预测 222.1.6 诊断 242.2 数据挖据过程 252.2.1 数据挖掘过程概述 252.2.2 挖掘目标的定义 262.2.3 数据的准备 262.2.4 数据的探索 282.2.5 模型的建立 302.2.6 模型的评估 342.2.7 模型的部署 352.3 数据挖掘工具 362.3.1 MATLAB 362.3.2 SAS 372.3.3 SPSS 382.3.4 WEKA 402.3.5 R 412.3.6 工具的比较与选择 422.4 本章小结 43参考文献 44第二篇技术篇第3章数据的准备 473.1 数据的收集 473.1.1 认识数据 473.1.2 数据挖掘的数据源 493.1.3 数据抽样 503.1.4 量化投资的数据源 513.1.5 从雅虎获取交易数据 533.1.6 从大智慧获取财务数据 563.1.7 从Wind获取高质量数据 573.2 数据质量分析 593.2.1 数据质量分析的必要性 593.2.2 数据质量分析的目的 603.2.3 数据质量分析的内容 603.2.4 数据质量分析的方法 613.2.5 数据质量分析的结果及应用 663.3 数据预处理 67 ....... 资源截图：

资源名称：深入理解云计算 基本原理和应用程序编程技术 完整pdf 第一部分　基础第1章　导论 21.1　云计算简介 21.1.1　云计算构想 31.1.2　云计算定义 41.1.3　进一步了解云计算 61.1.4　云计算参考模型 71.1.5　特性和优势 91.1.6　面临的挑战 101.2　云计算起源 101.2.1　分布式系统 111.2.2　虚拟化 121.2.3　Web 2.0 131.2.4　面向服务的计算 141.2.5　效用计算 151.3　构建云计算环境 161.3.1　应用程序开发 161.3.2　基础设施和系统开发 161.3.3　云计算平台和技术 17本章小结 18习题 19第2章　并行计算与分布式计算原理 202.1　计算时代 202.2　并行计算与分布式计算 212.3　并行计算基本要素 212.3.1　什么是并行处理 212.3.2　并行处理硬件架构 222.3.3　并行编程方法 252.3.4　并行性的级别 252.3.5　注意事项 262.4　分布式计算基本要素 262.4.1　通用概念和定义 272.4.2　分布式系统组件 272.4.3　分布式计算架构模式 282.4.4　进程间通信模型 352.5　分布式计算技术 372.5.1　远程过程调用 372.5.2　分布式对象框架 382.5.3　面向服务的计算 42本章小结 48习题 48第3章　虚拟化 503.1　简介 503.2　虚拟化环境特点 513.2.1　更强的安全性 523.2.2　执行管理 533.2.3　可移植性 543.3　虚拟化技术分类 543.3.1　执行虚拟化 543.3.2　其他类型的虚拟化 613.4　虚拟化和云计算 623.5　虚拟化的利与弊 643.5.1　虚拟化技术的优点 643.5.2　虚拟化技术的缺点 643.6　技术实例 663.6.1　Xen：半虚拟化 663.6.2　VMware：完全虚拟化 673.6.3　微软Hyper-V 72本章小结 75习题 75 ........ 资源截图：

资源名称：Hadoop Spark 大数据巨量分析与机器学习整合开发实战 完整pdf 第1章 大数据与机器学习 1第2章 VirtualBox虚拟机软件的安装 11第3章 Ubuntu Linux操作系统的安装 23第4章 Hadoop Single Node Cluster的安装 46第5章 Hadoop Multi Node Cluster的安装 69第6章 Hadoop HDFS命令 104第7章 Hadoop MapReduce 122第8章 Spark的安装与介绍 133第9章 Spark RDD 159第10章 Spark的集成开发环境 195第11章 创建推荐引擎 236第12章 StumbleUpon数据集 282第13章 决策树二元分类 292第14章 逻辑回归二元分类 326第15章 支持向量机SVM二元分类 337第16章 朴素贝叶斯二元分类 346第17章 决策树多元分类 355第18章 决策树回归分析 373第19章 使用ApacheZeppelin 数据可视化 394 资源截图：

资源名称：实时大数据分析 基于Storm Spark技术的实时应用 中文PDF 第1章 大数据技术前景及分析平台 1 1.1 大数据的概念 1 1.2 大数据的维度范式 2 1.3 大数据生态系统 3 1.4 大数据基础设施 4 1.5 大数据生态系统组件 5 1.5.1 构建业务解决方案 8 1.5.2 数据集处理 8 1.5.3 解决方案实施 8 1.5.4 呈现 9 1.6 分布式批处理 9 1.7 分布式数据库（NoSQL） 13 1.7.1 NoSQL数据库的优势 15 1.7.2 选择NoSQL数据库 16 1.8 实时处理 16 1.8.1 电信或移动通信场景 17 1.8.2 运输和物流 17 1.8.3 互联的车辆 18 1.8.4 金融部门 18 1.9 本章小结 18 第2章 熟悉Storm 19 2.1 Storm概述 19 2.2 Storm的发展 20 2.3 Storm的抽象概念 22 2.3.1 流 22 2.3.2 拓扑 22 2.3.3 Spout 23 2.3.4 Bolt 23 2.3.5 任务 24 2.3.6 工作者 25 2.4 Storm的架构及其组件 25 2.4.1 Zookeeper集群 25 2.4.2 Storm集群 25 2.5 如何以及何时使用Storm 27 2.6 Storm的内部特性 32 2.6.1 Storm的并行性 32 2.6.2 Storm的内部消息处理 34 2.7 本章小结 36 第3章 用Storm处理数据 37 3.1 Storm输入数据源 37 3.2 认识Kafka 38 3.2.1 关于Kafka的更多知识 39 3.2.2 Storm的其他输入数据源 43 3.2.3 Kafka作为输入数据源 46 3.3 数据处理的可靠性 47 3.3.1 锚定的概念和可靠性 49 3.3.2 Storm的acking框架 51 3.4 Storm的简单模式 52 3.4.1 联结 52 3.4.2 批处理 53 3.5 Storm的持久性 53 3.6 本章小结 58 第4章 Trident概述和Storm性能优化 59 4.1 使用Trident 59 4.1.1 事务 60 4.1.2 Trident 拓扑 60 4.1.3 Trident操作 61 4.2 理解LMAX 65 4.2.1 内存和缓存 66 4.2.2 环形缓冲区—粉碎器的心脏 69 4.3 Storm的节点间通信 72 4.3.1 ZeroMQ 73 4.3.2 Storm的ZeroMQ配置 74 4.3.3 Netty 74 4.4 理解Storm UI 75 4.4.1 Storm UI登录页面 75 4.4.2 拓扑首页 78 4.5 优化Storm性能 80 4.6 本章小结 83 第5章 熟悉Kinesis 84 5.1 Kinesis架构概述 84 5.1.1 Amazon Kinesis的优势和用例 84 5.1.2 高级体系结构 86  ........ 资源截图：

资源名称：实战Hadoop2.0(第二版) 从云计算到大数据 完整pdf 1.1 Google大数据组件 21.2 Apache大数据组件 61.2.1 Hadoop核心组件 71.2.2 基于MR的数据分析组件 101.2.3 数据库组件 161.2.4 BSP组件 191.2.5 基于YARN框架组件 201.2.6 基于YARN的编程类库组件 241.2.7 搜索引擎组件 251.2.8 工作流组件 261.2.9 数据流组件 271.2.10 序列化和持久化组件 291.2.11 调试工具 301.2.12 安全性组件 311.2.13 兼容性组件 331.2.14 集群部署与管理组件 33 ......... 资源截图：

资源名称：使用Hadoop构建云计算平台 (梁意) 中文 Hadoop架构： • 核心框架： HDFS和MapReduce • MapReduce — 任务的分解与结果的汇总 • HDFS — Hadoop Distributed File System • — 分布式计算的基石 Hadoop是一个Apache的开源项目；一个能够对大量数据进行分布式处理的软件架构；假设计算元素和存储会失败，因此维护多个工作；数据副本，确保数据在线迁移； 在很多场合得到应用 资源截图：

资源名称：实战大数据 MATLAB数据挖掘详解与实践 中文pdf 第1章 绪论 11.1 数据挖掘概述 21.2 数据挖掘的分类 41.3 数据挖掘的过程 51.4 数据挖掘的任务 61.5 数据挖掘的对象 81.5.1 数据库 81.5.2 文本 101.5.3 图像与视频数据 101.5.4 Web数据 111.6 数据挖掘建模方法 111.6.1 业务理解 121.6.2 数据理解 131.6.3 数据准备 131.6.4 建模 141.6.5 评估 151.6.6 部署 161.7 数据挖掘的应用 161.7.1 在金融领域的应用 161.7.2 在零售业中的应用 171.7.3 在电信业的应用 181.7.4 在管理中的应用 191.7.5 在化学研究领域中的应用 191.7.6 在材料研究、生产方面的应用 201.7.7 在机械故障诊断与监测中的应用 211.7.8 在医疗领域中的应用 22第2章 数据挖掘算法 252.1 决策树算法 262.1.1 决策树基本算法 272.1.2 ID3算法 292.1.3 C4.5算法 302.1.4 CART算法 312.1.5 决策树的评价标准 322.1.6 决策树的剪枝及优化 332.1.7 基于matlab的决策树分析 342.2 人工神经网络算法 412.2.1 人工神经网络概述 412.2.2 人工神经网络的基本模型 412.2.3 BP神经网络 432.2.4 RBF神经网络 45 ....... 资源截图：

资源名称：Hadoop云计算一体机实践指南 完整pdf 第1篇理论部分第1章云计算理论1．1 云计算的概念1．2云计算发展现状1．3 网格计算与云计算1．4云计算的发展环境1．4．1 云计算与3G移动通信1．4．2云计算与物联网1．4．3 云计算与移动互联网1．4．4云计算与三网融合1．5 各大IT厂商云计算平台特点概述--1．6开源云计算系统概述-第2章Hadoop理论2．1 Hatioop简介2．2 Hadoop架构2．3 HDFS2．3．1设计思想2．3．2 Namenoa’e和Datanod’e的划分2．3．3文件系统操作和namespace的关系2．3．4数据复制2．3．5文件系统元数据的持久化2．3．6通信协议2．3．7健壮性2．3．8数据组织2．3．9访问接口2．3．10空间的回收2．4 分布式数据处理MapReduee第3章Linux命令操作3．1 Linux操作系统介绍3．1．1 LiRHX操作系统的产生3．1．2 Linux操作系统的开发模式3．1．3 Linux操作系统的发展3．2 Linux操作系统常用的shell命令-3．2．1基本命令3．2．2文件目录操作命令3．2．3 vi编辑器3．2．4软件包安装命令第2篇基础实践部分-第4章集群搭建4．1 CentOS操作系统的安装4．1．1实验目的4．1．2实验设备4．1．3实验内容4．1．4 实验步骤4．2集群搭建4．2．1 实验目的4．2．2 实验设备4．2．3 实验内容4．2．4实验步骤4．3获取Hadoop安装包4．3．1 实验目的4．3．2实验设备4．3．3 实验内容4．3．4 实验步骤4．4启动和关闭Hacloop集群4．4．1 实验目的-4．4．2 实验设备4．4．3 实验内容4．4．4 实验步骤第5章熟悉Hadoop本地集群5．1 熟悉Hadloop的一些常用命令5．1．1 实验目的5．1．2 实验设备5．1．3 实验内容5．1．4实验步骤 ......... 资源截图：