SQL机器学习库MADlib技术解析 PDF 完整原版

《SQL机器学习库MADlib技术解析》是由清华大学出版社出版的一本关于MADlib方面的书籍，作者是王雪迎，主要介绍了关于SQL、机器学习、MADlib、技术解析方面的知识内容，目前在MADlib类书籍综合评分为：9.2分。

书籍介绍

做为一名数据库查询开发者或DBA，当应对聚类分析或主成分分析等难题时将会会一筹莫展。原因很简单，用經典SQL言语保持这种繁杂模型基础是不太可能的。如今，DBA运用MADlib，只需应用SQL查寻就能保持简易的机器学习，这也更是撰写这书的初心。MADlib与别的机器学习专用工具具备彻底不一样的设计构思。它并不是朝向程序猿的，只是朝向数据库查询开发者或DBA的，是根据SQL的互联网大数据机器学习库。MADlib将SQL的简易可维护性与机器学习的繁杂算法紧密结合，灵活运用了二者的优点和特性。针对众多传统式数据库查询运用专业技术人员而言，学习培训和从业机器学习工作中的门坎将大幅度降低。对客户来讲，MADlib提供了可在SQL查寻句子中启用的函数，不但包含基础的线性代数与运算和统计函数，还提供了常见的、制好的设备学习模型函数，保持了归类、聚类算法、关系、重归、预测分析、评定等运用中的常用算法。客户不用深层次掌握算法的程序实现关键点，要是弄清楚各函数中有关主要参数的含意、提供恰当的入参并可以了解和表述函数的輸出結果就能。MADlib是一套SQL中的互联网大数据机器学习库。一般SQL查寻能发觉统计数据*显著的方式和发展趋势，但是想读取数据中*为有效的信息内容，必须的则是一套坚固投身于数学课和应用数学的专业技能，这就是说机器学习。假如将SQL的简易实用与MADlib机器学习的繁杂算法结合在一起，就能保持简易的机器学习作用。 这书分成11章，从MADlib的基本要素、MADlib的构架、兼容的模型种类与作用下手，详尽分析MADlib各种各样模型的实际使用方法，包含数据类型、矩阵分解、数据转换、统计数据探寻、主成分分析、重归、时间序列分析、归类、聚类算法、关联规则、图算法、模型评定等。每个模型将从背景图专业知识、函数英语的语法、运用范例三层面开展 表明。 这书合适MADlib机器学习的新手、想学习培训MADlib机器学习的DBA及其从业数据统计分析与发掘的高級专业技术人员阅读文章，也合适高等学校与培训机构有关技术专业的老师学生课堂教学参照

目录

• 第1章  MADlib基础    1
• 1.1  基本概念    1
• 1.1.1  MADlib是什么    1
• 1.1.2  MADlib的设计思想    2
• 1.1.3  MADlib的工作原理    3
• 1.1.4  MADlib的执行流程    4
• 1.1.5  MADlib架构    5
• 1.2  MADlib的功能    6
• 1.2.1  MADlib支持的模型类型    6
• 1.2.2  MADlib的主要功能模块    7
• 1.3  MADlib的安装与卸载    9
• 1.3.1  确定安装平台    9
• 1.3.2  下载MADlib二进制压缩包    10
• 1.3.3  安装MADlib    10
• 1.3.4  卸载MADlib    12
• 1.4  小结    13
• 第2章  数据类型    14
• 2.1  向量    14
• 2.1.1  MADlib中的向量操作函数    15
• 2.1.2  稀疏向量    23
• 2.2  矩阵    30
• 2.2.1  矩阵定义    31
• 2.2.2  MADlib中的矩阵表示    31
• 2.2.3  MADlib中的矩阵运算函数    32
• 2.3  小结    49
• 第3章  数据转换    50
• 3.1  邻近度    50
• 3.1.1  MADlib的邻近度相关函数    50
• 3.1.2  距离度量的中心化和标准化    57
• 3.1.3  选取正确的邻近度度量    58
• 3.2  矩阵分解    59
• 3.2.1  低秩矩阵分解    59
• 3.2.2  奇异值分解    70
• 3.3  透视表    87
• 3.4  分类变量编码    97
• 3.5  小结    110
• 第4章  数据探索    111
• 4.1  描述性统计    111
• 4.1.1  皮尔森相关    111
• 4.1.2  汇总统计    117
• 4.2  概率统计    125
• 4.2.1  概率    125
• 4.2.2  统计推论    133
• 4.3  主成分分析    147
• 4.3.1  背景知识    147
• 4.3.2  MADlib的PCA相关函数    149
• 4.3.3  MADlib的PCA应用示例    155
• 4.4  小结    160
• 第5章  回归    161
• 5.1  线性回归    161
• 5.1.1  背景知识    161
• 5.1.2  MADlib的线性回归相关函数    164
• 5.1.3  线性回归示例    166
• 5.2  非线性回归    171
• 5.2.1  背景知识    171
• 5.2.2  MADlib的非线性回归相关
•       函数    172
• 5.2.3  非线性回归示例    175
• 5.3  逻辑回归    179
• 5.3.1  背景知识    179
• 5.3.2  MADlib的逻辑回归相关函数    180
• 5.3.3  逻辑回归示例    182
• 5.4  多类回归    187
• 5.4.1  背景知识    187
• 5.4.2  MADlib的多类回归相关函数    190
• 5.4.3  多类回归示例    192
• 5.5  序数回归    196
• 5.5.1  背景知识    196
• 5.5.2  MADlib的序数回归相关函数    197
• 5.5.3  序数回归示例    200
• 5.6  弹性网络回归    202
• 5.6.1  背景知识    202
• 5.6.2  MADlib的弹性网络回归相关
•       函数    204
• 5.6.3  弹性网络回归示例    209
• 5.7  小结    221
• 第6章  时间序列分析    222
• 6.1  背景知识    222
• 6.1.1  时间序列分析方法    222
• 6.1.2  ARIMA模型    223
• 6.2  MADlib中ARIMA相关函数    225
• 6.3  时间序列分析示例    228
• 6.4  小结    232
• 第7章  分类    233
• 7.1  K近邻    233
• 7.1.1  背景知识    233
• 7.1.2  MADlib中K近邻函数    235
• 7.1.3  K近邻示例    236
• 7.2  朴素贝叶斯    240
• 7.2.1  背景知识    240
• 7.2.2  MADlib中朴素贝叶斯分类
•       相关函数    242
• 7.2.3  朴素贝叶斯分类示例    244
• 7.3  支持向量机    249
• 7.3.1  背景知识    249
• 7.3.2  MADlib的支持向量机相关
•       函数    252
• 7.3.3  支持向量机示例    258
• 7.4  决策树    264
• 7.4.1  背景知识    264
• 7.4.2  MADlib的决策树相关函数    267
• 7.4.3  决策树示例    272
• 7.5  随机森林    281
• 7.5.1  背景知识    281
• 7.5.2  MADlib的随机森林相关函数    282
• 7.5.3  随机森林示例    287
• 7.6  小结    293
• 第8章  聚类    294
• 8.1  背景知识    294
• 8.1.1  聚类的概念    294
• 8.1.2  k-means方法    295
• 8.2  MADlib的k-means相关函数    297
• 8.2.1  训练函数    298
• 8.2.2  簇分配函数    300
• 8.2.3  轮廓系数函数    301
• 8.3  k-means示例    301
• 8.4  小结    307
• 第9章  关联规则    308
• 9.1  背景知识    308
• 9.1.1  基本概念    308
• 9.1.2  Apriori算法    311
• 9.2  MADlib的Apriori算法函数    312
• 9.3  Apriori应用示例    313
• 9.4  小结    319
• 第10章  图算法    320
• 10.1  背景知识    320
• 10.1.1  基本概念    320
• 10.1.2  常见图算法    321
• 10.1.3  单源最短路径    323
• 10.2  MADlib的单源最短路径相关函数    324
• 10.3  单源最短路径示例    325
• 10.4  小结    327
• 第11章  模型评估    328
• 11.1  交叉验证    328
• 11.1.1  背景知识    328
• 11.1.2  MADlib的交叉验证相关
• 函数    331
• 11.1.3  交叉验证示例    333
• 11.2  预测度量    336
• 11.3  小结    342