敏捷数据科学 - SparkML( SparkML)
机器学习库也称为“SparkML”或“MLLib”，由常用的学习算法组成，包括分类，回归，聚类和协同过滤。
为什么要学习SparkML for Agile？
Spark正在成为构建机器学习算法和应用程序的事实平台。 开发人员使用Spark在Spark框架中以可扩展和简洁的方式实现机器算法。 我们将通过该框架学习机器学习，其实用程序和算法的概念。 敏捷总是选择一个框架，它可以提供简短快速的结果。
ML算法
ML算法包括常见的学习算法，例如分类，回归，聚类和协同过滤。
特性 (Features)
它包括特征提取，转换，降维和选择。
Pipelines
管道提供了构建，评估和调整机器学习管道的工具。
流行的算法
以下是一些流行的算法 -
基本统计
Regression
Classification
推荐系统
Clustering
维度降低
特征提取
Optimization
推荐系统
推荐系统是信息过滤系统的子类，其寻求用户对给定项目建议的“评级”和“偏好”的预测。
推荐系统包括各种过滤系统，使用如下 -
协同过滤
它包括根据过去的行为建立模型以及其他用户做出的类似决策。 该特定过滤模型用于预测用户有兴趣接受的项目。
基于内容的过滤
它包括过滤项目的离散特征，以推荐和添加具有类似属性的新项目。
在随后的章节中，我们将侧重于使用推荐系统来解决特定问题，并从敏捷方法论的角度提高预测性能。
