R與Hadoop大數(shù)據(jù)分析實戰(zhàn)

譯者序
前言
審校者簡介
致謝
第1章　R和Hadoop入門 1
1.1　安裝R 2
1.2　安裝RStudio 3
1.3　R語言的功能特征 3
1.3.1　使用R程序包 3
1.3.2　執(zhí)行數(shù)據(jù)操作 3
1.3.3　日漸增多的社區(qū)支持 4
1.3.4　R語言數(shù)據(jù)建模 4
1.4　Hadoop的安裝 5
1.4.1　不同的Hadoop模式 6
1.4.2　Hadoop的安裝步驟 6
1.5　Hadoop的特點 12
1.5.1　HDFS簡介 13
1.5.2　MapReduce簡介 13
1.6　HDFS和MapReduce架構(gòu) 14
1.6.1　HDFS架構(gòu) 14
1.6.2　MapReduce架構(gòu) 15
1.6.3　通過圖示了解HDFS和MapReduce架構(gòu) 15
1.7　Hadoop的子項目 16
1.8　小結(jié) 19
第2章　編寫Hadoop MapReduce程序 20
2.1　MapReduce基礎(chǔ)概念 20
2.2　Hadoop MapReduce技術(shù)簡介 22
2.2.1　MapReduce中包含的實體 22
2.2.2　MapReduce中的主要執(zhí)行進程 23
2.2.3　MapReduce的局限 25
2.2.4　MapReduce 可以解決的問題 26
2.2.5　使用Hadoop編程時用到不同的Java概念 26
2.3　Hadoop MapReduce原理 27
2.3.1　MapReduce對象 27
2.3.2　MapReduce中實現(xiàn)Map階段的執(zhí)行單元數(shù)目 28
2.3.3　MapReduce中實現(xiàn)Reduce階段的執(zhí)行單元數(shù)目 28
2.3.4　MapReduce的數(shù)據(jù)流 28
2.3.5　深入理解HadoopMapReduce 30
2.4　編寫Hadoop MapReduce示例程序 32
2.4.1　MapReduce job運行的步驟 33
2.4.2　MapReduce可解決的商業(yè)問題 38
2.5　在R環(huán)境中編寫Hadoop MapReduce程序的方式 39
2.5.1　RHadoop 39
2.5.2　RHIPE 40
2.5.3　Hadoop streaming 40
2.6　小結(jié) 40
第3章　集成R和Hadoop 41
3.1　RHIPE 42
3.1.1　安裝RHIPE 42
3.1.2　RHIPE架構(gòu) 44
3.1.3　RHIPE實例 45
3.1.4　RHIPE參考函數(shù) 48
3.2　RHadoop 51
3.2.1　RHadoop架構(gòu) 51
3.2.2　安裝RHadoop 52
3.2.3　RHadoop案例 53
3.2.4　RHadoop參考函數(shù) 56
3.3　小結(jié) 58
第4章　Hadoop Streaming中使用R 59
4.1　Hadoop Streaming基礎(chǔ)概念 59
4.2　使用R運行Hadoop streaming 62
4.2.1　MapReduce應用程序基礎(chǔ) 63
4.2.2　如何編寫MapReduce應用程序 65
4.2.3　如何運行MapReduce應用程序 67
4.2.4　如何瀏覽MapRecuce應用程序的輸出 69
4.2.5　Hadoop MapReduce腳本的基礎(chǔ)R函數(shù) 70
4.2.6　管理Hadoop MapReduce任務(wù) 71
4.3　R語言擴展包HadoopStreaming介紹 72
4.3.1　hsTableReader函數(shù) 73
4.3.2　hsKeyValReader函數(shù) 75
4.3.3　hasLineReader函數(shù) 75
4.3.4　運行Hadoop streaming任務(wù) 78
4.3.5　執(zhí)行Hadoop Streaming任務(wù) 79
4.4　小結(jié) 79
第5章　利用R和Hadoop學習數(shù)據(jù)分析 80
5.1　數(shù)據(jù)分析項目生命周期 80
5.1.1　問題定義 81
5.1.2　設(shè)計數(shù)據(jù)需求 81
5.1.3　數(shù)據(jù)預處理 81
5.1.4　數(shù)據(jù)分析 82
5.1.5　數(shù)據(jù)可視化 82
5.2　數(shù)據(jù)分析問題 83
5.2.1　展示網(wǎng)頁分類 83
5.2.2　計算股市變動頻率 92
5.2.3　案例研究：預測推土機售價 98
5.3　小結(jié) 107
第6章　應用機器學習做大數(shù)據(jù)分析 108
6.1　機器學習介紹 108
6.2　有監(jiān)督機器學習算法 109
6.2.1　線性回歸 109
6.2.2　logistic回歸 115
6.3　無監(jiān)督機器學習算法 118
6.4　推薦算法 123
6.4.1　在R中產(chǎn)生推薦商品的步驟 125
6.4.2　使用R和Hadoop產(chǎn)生推薦商品 128
6.5　小結(jié) 131
第7章　從各種數(shù)據(jù)庫中導入與導出數(shù)據(jù) 132
7.1　文件型數(shù)據(jù)庫 134
7.1.1　不同類型的文件 134
7.1.2　安裝R包 134
7.1.3　將數(shù)據(jù)導入R 134
7.1.4　從R導出數(shù)據(jù) 135
7.2　MySQL 135
7.2.1　安裝MySQL 135
7.2.2　安裝RMySQL 136
7.2.3　列出數(shù)據(jù)表及其結(jié)構(gòu) 136
7.2.4　導入數(shù)據(jù)進R 136
7.2.5　數(shù)據(jù)操縱 137
7.3　Excel 137
7.3.1　安裝Excel 138
7.3.2　導入數(shù)據(jù)進R 138
7.3.3　R和Excel的數(shù)據(jù)操縱 138
7.3.4　導出數(shù)據(jù)到Excel 138
7.4　MongoDB 138
7.4.1　安裝MongoDB 139
7.4.2　安裝rmongodb 141
7.4.3　導入數(shù)據(jù)進R 141
7.4.4　數(shù)據(jù)操縱 142
7.5　SQLite 143
7.5.1　SQLite的特性 143
7.5.2　安裝SQLite 144
7.5.3　安裝RSQLite 144
7.5.4　將數(shù)據(jù)導師入R 144
7.5.5　數(shù)據(jù)操縱 145
7.6　PostgreSQL 145
7.6.1　PostgreSQL的特性 145
7.6.2　安裝PostgreSQL 145
7.6.3　安裝RPostgreSQL 146
7.6.4　從R導出數(shù)據(jù) 146
7.7　Hive 147
7.7.1　Hive的特性 147
7.7.2　安裝Hive 147
7.7.3　安裝RHive 149
7.7.4　RHive操作 149
7.8　HBase 150
7.8.1　HBase的特性 150
7.8.2　安裝HBase 151
7.8.3　安裝Thrift 152
7.8.4　安裝RHBase 153
7.8.5　導入數(shù)據(jù)進R 153
7.8.6　數(shù)據(jù)操縱 153
7.9　小結(jié) 154
附錄　參考資源 155