Spark+MLlib机器学习实践+,王晓华著完整版，自己学习很实用

随机森林 这是 Spark 上随机森林算法的分布式实现。 这与 mllib 中可用的相同算法的实现不同。 在 mllib 中，随机森林算法是通过明智地拆分数据实例来实现的。 此实现是通过明智地拆分数据特征。 这种实现对于具有许多特征的数据非常有用。 我也做了一些即兴创作，删除了一些在这种实现方法中可以避免的类。 一个重要的改进是：现在，randomForest 的用户不需要提供 categoricalFeatureInfo（关于哪些是连续特征，一个分类特征包含多少类别的信息）作为输入。它现在被转换为一个 Option 这个实现会自动检测哪些是连续特征连续特征以及当 categoricalFeatureInfo 在用户输入中被指定为 None 时，分类特征包含多少个类别。

spark-mllib_2.11-2.1.3-SNAPSHOT.jars

ML与Spark MLlib最佳实践，来自于阿里云得最佳实践操作......

spark mllib 中的数据 支持向量机的数据

本PPT为世纪佳缘研发中心总监吴金龙对Spark的介绍，侧重Mllib机器学习，GraphX图处理两个模块。世纪佳缘在Spark集群上利用机器学习和图算法实现推荐算法。

本节主要介绍数据挖掘中常见的分类方法决策树和朴素贝叶斯算法。 决策树算法 决策树（Decision Tree，DT）分类法是一个简单且广泛使用的分类技术。 决策树是一个树状预测模型，它是由结点和有向边组成的层次结构。树中包含3种结点：根结点、内部结点和叶子结点。决策树只有一个根结点，是全体训练数据的集合。 树中的一个内部结点表示一个特征属性上的测试，对应的分支表示这个特征属性在某个值域上的输出。一个叶子结点存放一个类别，也就是说，带有分类标签的数据集合即为实例所属的分类。 1. 决策树案例 使用决策树进行决策的过程就是，从根结点开始，测试待分类项中相应的特征属性，并按照其值选择输出分支，直

此课程主要介绍spark ml相关内容，共分10章，前2章主要介绍scala、spark原理，后面每章一个算法应用、算法原理和算法源码讲解，非常有帮助。

Spark机器学习

spark 机器学习使用的例子数据，sample_libsvm_data.txt