本文介绍了机器学习的基本概念，包括监督学习、无监督学习、半监督学习和强化学习。重点讲解了Spark的机器学习库MLlib，特别是其分类、回归、聚类和协同过滤等算法，并对比了spark.mllib与spark.ml的区别，强调了数据变换和规约在预处理中的重要性。最后，文章概述了Spark ML支持的常用机器学习算法，并预告了接下来将探讨如何基于Spark ML构建实际应用。
MLlib是Spark提供的一个机器学习库，通过调用MLlib封装好的算法，可以轻松地构建机器学习应用。它提供了非常丰富的机器学习算法，比如分类、回归、聚类及推荐算法。除此之外，MLlib对用于机器学习算法的API进行了标准化，从而使将多种算法组合到单个Pipeline或工作流中变得更加容易。通过本文，你可以了解到：
-
什么是机器学习 -
大数据与机器学习 -
机器学习分类 -
Spark MLLib介绍
机器学习是人工智能的一个分支，是一门多领域交叉学科，涉及概率论、统计学、逼近论、凸分析、计算复杂性理论等多门学科。机器学习理论主要是设计和分析一些让计算机可以自动“学习”的算法。因为学习算法中涉及了大量的统计学理论，机器学习与推断统计学联系尤为密切，也被称为统计学习理论。算法设计方面，机器学习理论关注可以实现的，行之有效的学习算法。
来源：Mitchell, T. (1997). Machine Learning. McGraw Hill.
最低0.47元/天 解锁文章
扫一扫
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
