spark机器学习算法研究和源码分析

  本项目对spark ml包中各种算法的原理加以介绍并且对算法的代码实现进行详细分析，旨在加深自己对机器学习算法的理解，熟悉这些算法的分布式实现方式。

本系列文章支持的spark版本

• spark1.6

本系列的目录结构

  本系列目录如下：

• 协同过滤
  • 交换最小二乘
• 分类和回归
  • 线性支持向量机
  • 逻辑回归
  • 朴素贝叶斯
  • 决策树
  • 随机森林
  • 保序回归
• 聚类
  • k-means算法
  • 高斯混合算法
  • PIC（快速迭代聚类）
  • LDA（隐式狄利克雷分布） 进行中...
  • 二分k-means算法
  • 流式k-means算法
• 最优化算法
  • 梯度下降算法
  • L-BFGS
  • NNLS(非负最小二乘)
• 降维
  • 奇异值分解（SVD）
  • 主成分分析（PCA）
• 特征抽取和转换
  • TF-IDF
  • Word2Vec
  • StandardScaler
  • Normalizer
  • ChiSqSelector
  • ElementwiseProduct

License

  本文使用的许可见 LICENSE