数据流机器学习：MOA实例

　　《数据流机器学习：MOA实例》中文简体字版由MITPress通过Bardon-Chinese Media Agency授权机械工业出版社在中华人民共和国境内（不包括香港、澳门特别行政区及台湾地区）出版发行。未经出版者书面许可，不得以任何方式抄袭、复制或节录《数据流机器学习：MOA实例》中的任何部分。《数据流机器学习：MOA实例》首先简要介绍了机器学习的主题，包括大数据挖掘、数据流挖掘的基本方法，以及一个简单的MOA示例。接下来针对sketch技术、分类、集成方法、回归、聚类和频繁模式挖掘进行了更详细的讨论。《数据流机器学习：MOA实例》最后讨论了MOA软件，涵盖MOA图形用户界面、命令行、MOAAPI的使用以及MOA中新方法的开发。对于那些想要使用数据流挖掘的读者、数据流挖掘的研究人员，以及想要为MOA创建新算法的程序员来说，《数据流机器学习：MOA实例》将是一个重要的参考指南。《数据流机器学习：MOA实例》分成三个部分。第一部分简要地介绍大数据流挖掘，包含三章。前两章介绍大数据流及其基本挖掘方法。后一章是MOA上手指南，读者可以作为参考，自行探索MOA。第二部分详细地展现了数据流挖掘中的常见问题和重要算法。由于涉及的知识面广阔，《数据流机器学习：MOA实例》优先讲解MOA中已涵盖的算法。该部分第一章提到了sketch技巧，《数据流机器学习：MOA实例》认为数据流挖掘领域人员很有必要对该技巧加以了解。大部分章节含有一套练习题或MOA上手教程，或两者兼具。第三部分全篇讲解MOA，从用户界面开始，到命令行和API，最后讲解如何实现新方法。

暂缺《数据流机器学习：MOA实例》作者简介

译者序
前言
第一部分 概述
第1章 简介
1．1 大数据
1．1．1 工具：开源革命
1．1．2 大数据带来的挑战
1．2 实时分析
1．2．1 数据流
1．2．2 时间和内存
1．2．3 应用一览
1．3 关于本书
第2章 大数据流挖掘
2．1 算法
2．2 分类算法
2．2．1 如何在数据流中评估分类器
2．2．2 多数类分类器
2．2．3 无变化分类器
2．2．4 惰性分类器
2．2．5 朴素贝叶斯分类器
2．2．6 决策树分类器
2．2．7 集成分类器
2．3 回归算法
2．4 聚类算法
2．5 频繁模式挖掘
第3章 MOA的实际操作介绍
3．1 入门开始
3．2 分类模型的图形用户界面
3．3 用命令行操作
第二部分 数据流挖掘
第4章 数据流和Sketch数据结构
4．1 背景知识：近似算法
4．2 集中不等式
4．3 取样
4．4 统计总数
4．5 去重统计
4．5．1 线性计数
4．5．2 科恩对数计数器
4．5．3 Flajolet-Martin计数器和HyperLogLog算法
4．5．4 应用：图论的计算距离函数
4．5．5 讨论：对数与线性
4．6 频率问题
4．6．1 SpaceSavingsketch
4．6．2 CM-Sketch算法
4．6．3 CountSketch算法
4．6．4 时刻计算
4．7 滑动窗口的指数矩形图
4．8 分布式sketch计算的可合并性
4．9 一些技术方面的讨论和其他资料
4．9．1 哈希函数
4．9．2 创建（ε，δ）近似算法
4．9．3 其他sketch技术
4．10 练习
第5章 处理变化
5．1 数据流中变化的定义
……
第三部分 MOA软件
参考文献