Apache Spark机器学习2.7　复用性和自动化-低调大师

Apache Spark机器学习2.7　复用性和自动化

2017-05-01 539

2.7　复用性和自动化

本节我们将讨论数据集组织方法、预处理工作流方法，然后使用Apache Spark pipeline模型进行表示，并实现工作流。然后，我们将评估数据预处理的自动化解决方案。

学完本节，我们应能够使用Spark pipeline模型来表示和实现数据集预处理工作流，理解一些基于Apache Spark的自动化解决方案。

2.7.1　数据集预处理工作流

数据准备工作是从数据清洗到标识匹配，再由数据重组到特征提取，能以某种形式进行组织，反映了一步一步开展机器学习数据集准备的有序过程。换言之，所有的数据准备工作可以被组织为一个工作流程。

为工作流组织数据清理可以帮助实现复用性工作和自动化，对于机器学习从业者而言极具价值，这是因为机器学习从业者和数据科学家往往要花费工作时间的80%用于数据清洗和预处理。

在大多数机器学习项目中，包括

微信关注我们

原文链接：https://yq.aliyun.com/articles/84641

转载内容版权归作者及来源网站所有！

低调大师中文资讯倾力打造互联网数据资讯、行业资源、电子商务、移动互联网、网络营销平台。持续更新报道IT业界、互联网、市场资讯、驱动更新,是最及时权威的产业资讯及硬件资讯报道平台。

《Pig编程指南》一2.1　下载和安装Pig

本节书摘来异步社区《Pig编程指南》一书中的第1章，第1.2节，作者：【美】Alan Gates 译者：曹坤，更多章节内容可以访问云栖社区“异步社区”公众号查看。 2.1　下载和安装Pig 用户需要下载和安装Pig，才能在本地机器或者Hadoop集群上使用它。如果用户已经了解并完成了这一操作，那么可以直接跳到2.2节“运行Pig”进行阅读。用户既可以直接下载Pig安装包也可以先下载源代码然后自行进行编译。当然同样也可以以Hadoop分支的方式获得Pig。 2.1.1　从Apache下载Pig软件包这个是Apache Pig的官方版本。它是一个软件包，里面包含了运行Pig所需的所有JAR包。用户可以通过访问Pig发布页面进行下载。 Pig不需要安装到Hadoop集群中去。它运行在用户提交Hadoop任务的那台机器上。尽管用户可以从个人笔记本电脑或者台式计算机运行Pig，但是在实际操作中，大部分的集群管理员会配置好一到多台可以访问他们Hadoop集群的服务器，虽然这些服务器可以不是集群的一部分（也就是说它们既不是数据节点也不是计算节点）。通过这种方式，管理员可以方便地升级Pig和将...

2017-05-02

561

摘要基于Spark的整体视图通过第1章，我们建立起了Spark系统，根据第2章的内容，我们完成了数据准备。现在将进入Spark系统应用的新阶段：从数据中获得洞见。根据Gartner等机构的研究结果，许多公司仅仅是因为缺乏其商业的整体视图而损失了大量的价值。本章我们将回顾机器学习的方法和获得商业整体视图的步骤，然后讨论Spark如何简单、快速地进行相关计算，同时通过一个实例，循序渐进地展示使用Spark从数据到整体视图的开发过程。 Spark整体视图整体视图的方法特征准备模型估计模型评估结果解释部署 3.1　Spark整体视图 Spark能够快速处理大量的数据，易于开发复杂的计算，因此，非常适合机器学习项目，例如获得商业的整体视图。本节，我们首先介绍一个真实的商业案例，然后讨论在Spark上完成项目的准备工作。 3.1.1　例子 IFS公司销

2017-05-02

576

资源下载

更多资源

Mario

马里奥是站在游戏界顶峰的超人气多面角色。马里奥靠吃蘑菇成长，特征是大鼻子、头戴帽子、身穿背带裤，还留着胡子。与他的双胞胎兄弟路易基一起，长年担任任天堂的招牌角色。

Nacos

Nacos /nɑ:kəʊs/ 是 Dynamic Naming and Configuration Service 的首字母简称，一个易于构建 AI Agent 应用的动态服务发现、配置管理和AI智能体管理平台。Nacos 致力于帮助您发现、配置和管理微服务及AI智能体应用。Nacos 提供了一组简单易用的特性集，帮助您快速实现动态服务发现、服务配置、服务元数据、流量管理。Nacos 帮助您更敏捷和容易地构建、交付和管理微服务平台。

Spring

Spring框架（Spring Framework）是由Rod Johnson于2002年提出的开源Java企业级应用框架，旨在通过使用JavaBean替代传统EJB实现方式降低企业级编程开发的复杂性。该框架基于简单性、可测试性和松耦合性设计理念，提供核心容器、应用上下文、数据访问集成等模块，支持整合Hibernate、Struts等第三方框架，其适用范围不仅限于服务器端开发，绝大多数Java应用均可从中受益。

Rocky Linux

Rocky Linux（中文名：洛基）是由Gregory Kurtzer于2020年12月发起的企业级Linux发行版，作为CentOS稳定版停止维护后与RHEL（Red Hat Enterprise Linux）完全兼容的开源替代方案，由社区拥有并管理，支持x86_64、aarch64等架构。其通过重新编译RHEL源代码提供长期稳定性，采用模块化包装和SELinux安全架构，默认包含GNOME桌面环境及XFS文件系统，支持十年生命周期更新。