spark-ml-source-analysis

收录理由

大多数Spark ML的使用者只是调用fit()方法，然后信任默认参数。这份中文指南则面向那些想探究内部机制的人：它将每个算法背后的数学原理与Scala源码的逐行解读相结合，覆盖k-means、决策树、逻辑回归、ALS以及SVD/PCA在集群上真实分布运行的方式。它不是安装后即可调用的库，而是一份伴读材料。已经用上Spark的团队，在模型表现异常、需要调整默认参数，或者想要扩展现有的内置估计器时，会发现它很有参考价值。需要坦诚指出的是，这些讲解主要基于Spark 1.6.1，只有少部分涉及2.x，所以请把实现细节当作历史来读，并对照你当前的版本进行核实。这套结构同样适合作为自学大纲，或者用来帮助团队快速掌握分布式机器学习。