V swqzi s razwitiem cifrowyh tehnologij sowremennye prilozheniq generiruüt bol'shie ob#emy dannyh. Dlq togo chtoby tochno klassificirowat' dannye w ätih bol'shih massiwah dannyh, ispol'zuütsq algoritmy klasterizacii. V ätoj knige predstawlen literaturnyj obzor razlichnyh tradicionnyh algoritmow klasterizacii i ih srawnenie s teoreticheskoj tochki zreniq. V knige takzhe priwoditsq obzor primeneniq metodow klasterizacii na I) dannyh web-zhurnala, II) dannyh izobrazhenij i III) biologicheskih dannyh. Odnim iz osnownyh nedostatkow tradicionnyh algoritmow klasterizacii qwlqetsq to, chto oni trebuüt bol'shih wychislitel'nyh zatrat pri slishkom bol'shom ob#eme whodnyh dannyh. Chtoby preodolet' ätu problemu, my takzhe predlagaem wsestoronnee issledowanie poslednih algoritmow klasterizacii na osnowe MapReduce, kotorye rasshirqüt tradicionnye analogi s pomosch'ü paradigmy programmirowaniq Map-Reduce. V osnownom äta kniga podhodit dlq issledowatelej, kotorye interesuütsq oblast'ü obnaruzheniq zakonomernostej iz bol'shih naborow dannyh s pomosch'ü klasterizacii MapReduce. Ona pomozhet im osuschestwit' klasterizaciü dannyh w raspredelennoj srede. Bolee togo, woprosy i otkrytye oblasti, obsuzhdaemye w ätoj knige, pomogut issledowatelqm opredelit' naprawlenie ih dal'nejshej raboty.
Hinweis: Dieser Artikel kann nur an eine deutsche Lieferadresse ausgeliefert werden.
Hinweis: Dieser Artikel kann nur an eine deutsche Lieferadresse ausgeliefert werden.