目录第1章绪论11.1什么是大数据11.2大数据的特征21.3大数据分析的发展情况31.4大数据的相关政策4第2章面向大数据的分布式存储系统52.1Bigtable52.1.1Bigtable构件52.1.2Bigtable实现72.1.3Tablet72.1.4Bigtable优化102.1.5Bigtable性能132.1.6实际应用142.2Google File System162.2.1GFS框架162.2.2Master节点172.2.3Chunk数据块182.2.4元数据182.2.5系统交互202.2.6容错和诊断222.3Dynamo232.3.1系统架构242.3.2系统实现282.3.3故障处理292.4小结30第3章面向大数据的分布式处理框架313.1Hadoop313.1.1概述313.1.2实现运行323.1.3实际应用323.2MapReduce343.2.1MapReduce实现343.2.2MapReduce的实际应用373.3Spark383.3.1概述383.3.2RDD383.3.3Spark处理框架393.3.4Spark在实际中的应用403.4小结41第4章面向大数据信息挖掘的算法424.1C4.5424.1.1算法描述434.1.2算法特性464.1.3软件实现484.1.4应用示例484.1.5相关研究504.1.6小结514.2kmeans524.2.1算法描述524.2.2软件实现554.2.3应用示例554.2.4相关研究584.2.5小结594.3支持向量机594.3.1支持向量分类器604.3.2支持向量分类器的软间隔优化614.3.3核技巧624.3.4理论基础644.3.5支持向量回归器664.3.6软件实现674.3.7相关研究674.3.8小结694.4Apriori704.4.1算法描述704.4.2挖掘序列模式744.4.3软件实现764.4.4应用示例774.4.5相关研究794.4.6小结844.5EM854.5.1引言854.5.2算法描述864.5.3软件实现864.5.4应用示例874.5.5相关研究884.5.6小结894.6PageRank904.6.1算法描述914.6.2扩展：TimedPageRank944.6.3小结954.7AdaBoost954.7.1算法描述964.7.2软件实现994.7.3应用示例994.7.4相关研究1034.7.5小结1044.8k最近邻1044.8.1算法描述1054.8.2软件实现1074.8.3相关研究1074.8.4小结1084.9Naive Bayes1084.9.1算法描述1084.9.2独立变量1104.9.3模型扩展1114.9.4软件实现1134.9.5应用示例1134.9.6相关研究1154.9.7小结1164.10分类和回归树算法1164.10.1算法描述1164.10.2深度讨论1184.10.3软件实现1204.10.4相关研究1214.10.5小结121第5章数据可视化1225.1基本可视化图表1225.2示例1255.2.1全国就业和薪酬分析1265.2.22015年国内外搜索分析1285.3可视化工具1335.4.1简介1335.4.2搭建一个简易的D3开发环境1345.4.3如何深入学习134第6章大数据与人工智能1366.1什么是深度学习1