知识卡片
方法与代码案例并重
本书的写法是“一法一实现一案例”:每个模型除了理论讲解,都配 R 语言实现;深度学习和支持向量机另给 Python 实现;末章用两个 10G 量级的案例,同时给出单机版(Python、数据库、R)与分布式版(Hadoop、Hive、Spark)两套方案。这个体例值得当作读法来用:先按理论确认模型的假设与损失,再照代码复现一遍小数据结果,最后在案例里看同一方法在单机与分布式下的差别。两套实现的并列也提示了一件事——大数据并没有推翻统计建模,改变的是计算的组织方式。
这张卡片看不懂?
这张卡片已通过人工审查,不再接受失败反馈。
已有反馈 · 0 条
还没有人提交反馈。
在整书笔记中的位置
- · 总序与前言
原书出处 · 1 处
- 总序与前言 · 查看原书依据
除了方法的理论讲解之外,我们给出了每种方法的R 语言实现,以及应用 Python 语言实现深度学习和支持向量机两种方法。本书的一个亮点是最后一章给出的两个大数据案例,数据量均在10G左右。
参考来源
- 位置:《大数据挖掘与统计机器学习》前言(源文件:extracted/大数据挖掘与统计机器学习/_epub-src/OEBPS/Text/chapter2.xhtml,前言)
- 结论依据:前言明确说明除理论讲解外每种方法均给 R 实现、两种方法给 Python 实现,末章案例数据量约 10G 并提供单机与分布式两种实现方案。
- 原始内容:除了方法的理论讲解之外,我们给出了每种方法的R 语言实现,以及应用 Python 语言实现深度学习和支持向量机两种方法。本书的一个亮点是最后一章给出的两个大数据案例,数据量均在10G左右。