SQL機器學習庫MADlib技術解析

目  錄
 
第1章  MADlib基礎    1
1.1  基本概念    1
1.1.1  MADlib是什么    1
1.1.2  MADlib的設計思想    2
1.1.3  MADlib的工作原理    3
1.1.4  MADlib的執(zhí)行流程    4
1.1.5  MADlib架構    5
1.2  MADlib的功能    6
1.2.1  MADlib支持的模型類型    6
1.2.2  MADlib的主要功能模塊    7
1.3  MADlib的安裝與卸載    9
1.3.1  確定安裝平臺    9
1.3.2  下載MADlib二進制壓縮包    10
1.3.3  安裝MADlib    10
1.3.4  卸載MADlib    12
1.4  小結    13
第2章  數據類型    14
2.1  向量    14
2.1.1  MADlib中的向量操作函數    15
2.1.2  稀疏向量    23
2.2  矩陣    30
2.2.1  矩陣定義    31
2.2.2  MADlib中的矩陣表示    31
2.2.3  MADlib中的矩陣運算函數    32
2.3  小結    49
第3章  數據轉換    50
3.1  鄰近度    50
3.1.1  MADlib的鄰近度相關函數    50
3.1.2  距離度量的中心化和標準化    57
3.1.3  選取正確的鄰近度度量    58
3.2  矩陣分解    59
3.2.1  低秩矩陣分解    59
3.2.2  奇異值分解    70
3.3  透視表    87
3.4  分類變量編碼    97
3.5  小結    110
第4章  數據探索    111
4.1  描述性統(tǒng)計    111
4.1.1  皮爾森相關    111
4.1.2  匯總統(tǒng)計    117
4.2  概率統(tǒng)計    125
4.2.1  概率    125
4.2.2  統(tǒng)計推論    133
4.3  主成分分析    147
4.3.1  背景知識    147
4.3.2  MADlib的PCA相關函數    149
4.3.3  MADlib的PCA應用示例    155
4.4  小結    160
第5章  回歸    161
5.1  線性回歸    161
5.1.1  背景知識    161
5.1.2  MADlib的線性回歸相關函數    164
5.1.3  線性回歸示例    166
5.2  非線性回歸    171
5.2.1  背景知識    171
5.2.2  MADlib的非線性回歸相關
      函數    172
5.2.3  非線性回歸示例    175
5.3  邏輯回歸    179
5.3.1  背景知識    179
5.3.2  MADlib的邏輯回歸相關函數    180
5.3.3  邏輯回歸示例    182
5.4  多類回歸    187
5.4.1  背景知識    187
5.4.2  MADlib的多類回歸相關函數    190
5.4.3  多類回歸示例    192
5.5  序數回歸    196
5.5.1  背景知識    196
5.5.2  MADlib的序數回歸相關函數    197
5.5.3  序數回歸示例    200
5.6  彈性網絡回歸    202
5.6.1  背景知識    202
5.6.2  MADlib的彈性網絡回歸相關
      函數    204
5.6.3  彈性網絡回歸示例    209
5.7  小結    221
第6章  時間序列分析    222
6.1  背景知識    222
6.1.1  時間序列分析方法    222
6.1.2  ARIMA模型    223
6.2  MADlib中ARIMA相關函數    225
6.3  時間序列分析示例    228
6.4  小結    232
第7章  分類    233
7.1  K近鄰    233
7.1.1  背景知識    233
7.1.2  MADlib中K近鄰函數    235
7.1.3  K近鄰示例    236
7.2  樸素貝葉斯    240
7.2.1  背景知識    240
7.2.2  MADlib中樸素貝葉斯分類
      相關函數    242
7.2.3  樸素貝葉斯分類示例    244
7.3  支持向量機    249
7.3.1  背景知識    249
7.3.2  MADlib的支持向量機相關
      函數    252
7.3.3  支持向量機示例    258
7.4  決策樹    264
7.4.1  背景知識    264
7.4.2  MADlib的決策樹相關函數    267
7.4.3  決策樹示例    272
7.5  隨機森林    281
7.5.1  背景知識    281
7.5.2  MADlib的隨機森林相關函數    282
7.5.3  隨機森林示例    287
7.6  小結    293
第8章  聚類    294
8.1  背景知識    294
8.1.1  聚類的概念    294
8.1.2  k-means方法    295
8.2  MADlib的k-means相關函數    297
8.2.1  訓練函數    298
8.2.2  簇分配函數    300
8.2.3  輪廓系數函數    301
8.3  k-means示例    301
8.4  小結    307
第9章  關聯(lián)規(guī)則    308
9.1  背景知識    308
9.1.1  基本概念    308
9.1.2  Apriori算法    311
9.2  MADlib的Apriori算法函數    312
9.3  Apriori應用示例    313
9.4  小結    319
第10章  圖算法    320
10.1  背景知識    320
10.1.1  基本概念    320
10.1.2  常見圖算法    321
10.1.3  單源最短路徑    323
10.2  MADlib的單源最短路徑相關函數    324
10.3  單源最短路徑示例    325
10.4  小結    327
第11章  模型評估    328
11.1  交叉驗證    328
11.1.1  背景知識    328
11.1.2  MADlib的交叉驗證相關
       函數    331
11.1.3  交叉驗證示例    333
11.2  預測度量    336
11.3  小結    342