SparkMLlib：矩阵参数的模式

7月期《Spark与MLlib：当机器学习遇见分布式系统》一文探索TSpark框架与MLlib的适配,以及MLlib中机器学习算法向量参数的模式与性能。本文则分别以推荐系统常用的交互最小二乘法（ALS）和主题模型中的隐式狄利克雷分配（LDA）两种经典算法的不同处理方法,来分析矩阵作为参数时的参数处理模式对MLlib算法带来的影响。     

Using Memory in the Right Way to Accelerate Big Data Processing

Big data processing is becoming a standout part of data center computation. However, latest research has indicated that big data workloads cannot make full use of modern memory systems. We find that th...     

让机器学习突破大数据的重围

机器学习算法和大规模网络数据导致的计算和数据依赖经常令分布式算法程序员头痛不已,本文将探讨分布式机器学习系统的思想与阻碍。     

Spark与MLlib：当机器学习遇见分布式系统

或许MateiN年只是想为Mesos这把“屠龙宝刀”的顺利测评造一条小龙出来，结果无心插柳，Spark已开始侵占Hadoop的地盘，在批处理、流计算、机器学习、图计算等领域发挥效力。本文将着重探索Spark）框架与MLlib的适配，以及MLlib中机器学习算法向量参数的模式与性能，即依托于RDD这种编程抽象，以向量为参数的机器学习算法应该怎样写才能获得最佳的处理能力。