机器学习系统

目 录
第Ⅰ部分 反应式机器学习基础知识
第1章 学习反应式机器学习 3
1.1 机器学习系统的一个示例 4
1.1.1 构建原型系统 4
1.1.2 建立更好的系统 6
· · · · · · (更多)

目 录
第Ⅰ部分 反应式机器学习基础知识
第1章 学习反应式机器学习 3
1.1 机器学习系统的一个示例 4
1.1.1 构建原型系统 4
1.1.2 建立更好的系统 6
1.2 反应式机器学习 7
1.2.1 机器学习 7
1.2.2 反应式系统 12
1.2.3 使机器学习系统具有反应性 15
1.2.5 何时不使用反应式机器学习 19
1.3 本章小结 19
第2章 使用反应式工具 21
2.1 Scala，一种反应式语言 22
2.1.1 对Scala中的不确定性做出反应 23
2.1.2 时间的不确定性 24
2.2 Akka，一个反应式工具包 27
2.2.1 actor模型 27
2.2.2 使用Akka确保回弹性 29
2.3 Spark，一个反应式的大数据框架 32
2.4 本章小结 37
第Ⅱ部分 构建反应式机器学习系统
第3章 收集数据 41
3.1 感知不确定数据 42
3.2 收集大规模数据 45
3.2.1 维护分布式系统中的状态 45
3.2.2 了解数据收集 50
3.3 持久化数据 50
3.3.1 弹性和回弹性数据库 51
3.3.2 事实数据库 52
3.3.3 查询持久化事实 54
3.3.4 了解分布式事实数据库 59
3.4 应用 63
3.5 反应性 64
3.6 本章小结 64
第4章 生成特征 67
4.1 Spark ML 68
4.2 提取特征 69
4.3 转换特征 72
4.3.1 共同特征转换 74
4.3.2 转换概念 76
4.4 选择特征 77
4.5 构造特征代码 79
4.5.1 特征生成器 79
4.5.2 特征集的组成 83
4.6 应用 86
4.7 反应性 87
4.8 本章小结 88
第5章 学习模型 89
5.1 实现学习算法 90
5.1.1 贝叶斯建模 92
5.1.2 实现朴素贝叶斯 94
5.2 使用MLlib 98
5.2.1 构建ML管道 99
5.2.2 演化建模技术 103
5.3 构建外观模式 105
5.4 反应性 111
5.5 本章小结 112
第6章 评估模型 113
6.1 检测欺诈 114
6.2 测试数据 115
6.3 模型度量 118
6.4 测试模型 123
6.5 数据泄漏 125
6.6 记录起源 126
6.7 反应性 128
6.8 本章小结 128
第7章 发布模型 129
7.1 农业的不确定性 130
7.2 持久化模型 130
7.3 服务模型 135
7.3.1 微服务 135
7.3.2 Akka HTTP 136
7.4 容器化应用 138
7.5 反应性 141
7.6 本章小结 142
第8章 响应 143
8.1 以海龟的速度移动 144
8.2 用任务构建服务 144
8.3 预测交通 146
8.4 处理失败 151
8.5 构建响应系统 155
8.6 反应性 156
8.7 本章小结 157
第Ⅲ部分 操作机器学习系统
第9章 交付 161
9.1 运送水果 161
9.2 构建和打包 162
9.3 构建管道 164
9.4 评估模型 165
9.5 部署 165
9.6 反应性 168
9.7 本章小结 168
第10章 演化智能 169
10.1 聊天 169
10.2 人工智能 170
10.3 反射代理 171
10.4 智能代理 172
10.5 学习代理 174
10.6 反应式学习代理 177
10.6.1 反应原则 177
10.6.2 反应策略 178
10.6.3 反应式机器学习 178
10.7 反应性 178
10.7.1 库 179
10.7.2 系统数据 179
10.8 反应性探索 181
10.8.1 用户 182
10.8.2 系统维度 182
10.8.3 应用反应原则 183
10.9 本章小结 184
附录 185
· · · · · · (收起)