Spark高级数据分析中文版-读者交流

第二章：

备注：
1.本书第二章样例数据由于才有的是短链接，国内的用户可能无法下载。我把数据集拷贝到百度网盘上。大家可以从这个地方下载：
http://pan.baidu.com/s/1pJvjHA7

谢谢读者钱先生指出这个问题。

2.P11，要记得设置log4j.properties文件，将日志级别改为WARN，否则看到的输出可能不太一样：有许多的INFO!

勘误表：
1.第2章P16页开始部分，“创建RDD的动作(action）并不会导致集群执行分布式计算”中“创建RDD的动作(action）”有错误，应该是“创建RDD的操作”

2.第2章P30页中间的运行结果应该是：
(1007, 0.2854529057466858)
(5645434, 0.09104268062279874)
(0, 0.6838772482597568)
(5746668, 0.8064147192926266)
(0, 0.03240818525033484)
(795, 0.7754423117834044)
(795, 0.5109496938298719)
(795, 0.7762059675300523)
(12843, 0.9563812499852178)

每行后面的序号和括号是没有的！

 

第四章

 

备注：

1. P56.“该数据集可以在线下载http://i.cn/R2wmIsI,这个短链接国内可能下载不了，可以增加一个注释：中文版的读者可以在https://archive.ics.uci.edu/ml/machine-learning-databases/covtype下载

 

勘误：

1. P52 第一段，“即使它已经和“向均数回归””中，“向均数回归”改为“趋均数回归”，以保持前后一问一致。

2. P54.图4-1中的中文有误。英文版上本来也是错的。“牛奶超过建议食用期3天了吗”，左边分支应该为“是”，“已变质”，右边分支为“否”

3. P58.最后一段：“之前，为了评测保留的收听数据”中”评测“改为”评价“

4. P60.倒数第三段”召回率是被分类器标记为”正“的所有样本与。。。“改为”召回率是被分类器标记为”正“而且确实为”正“的样本与。。。“

5. P63第一段"假设子数据包含N个。。。"中”子数据“改为”子数据集“

 

第5章

1. P72. 倒数第3段，”i“应该为"k"

2. P80.中代码部分的一个注释可以翻译一下。”#first time only“,翻译为”#这行代码只需运行一次“

3.P84.第三段，”本节使用熵作为同类性度量“，将”同类性“改为”同质性“

4.P86.”为了好玩“，可以改为”为了满足大家的好奇心”

 

第6章

P90.倒数第二段，“曲棍球棒图”，改为“曲棍球杆曲线”

 

第11章

1. P195第一段。“或者只能拿到大脑截面的几张静态图像”调整为“或者只能拿到大脑的几张静态截面图像”

2. P195.第一段末尾，“范式”改为“模式”

3. P196.第一段末尾，“活动模式”改为“大脑活动模式”

4.P196.“人们偏爱Python工具”改为“人们更喜欢用Python工具”

 

附录A

1. P213.第二段，”对应一定数量的档口(slot)“，改为”对应一定数量的slot“，slot不要翻译！

2. P219.表A-1中，”逻辑回归和Regularized Variants“改为”逻辑回归及其正则化变体“，”Regularized Variants（Ridge/L2/LASSO/L1）“改为”正则化变体（Ridge/L2/LASSO/L1）“

 

其他：

1. P226.” 腹部为米色且带有带褐色斑点“，多了一个”带“，改为” 腹部为米色且带有褐色斑点“

 

第三章

1.P40.”它的体积可不小“，”体积“改为”体量”

2.方框中第一句，“也就是阶段所有任务所需信息”，改为“也就是该阶段所有任务所需信息”，增加一个”该“字

3.P44.倒数第二段开头前两句“本书附带源代码给出了处理AUC的实现，很复杂。源代码的注释做了一定程度的解释，这里我们就不重复了”，改为“AUC的具体实现请参考本书附带的源代码。代码实现比较复杂，请参考源代码的注释，这里我们就不重复说明了。”

 

第9章

1. P155.第二段后面，“即时分析”应为“即席分析”

2. P156.第一段，“时间周期”改为“时间跨度”

3.P156.倒数第二段，“全球其他国家”改为“世界其他国家”

4.P157.第一段第一句。“我们对VaR的定义都比较开放”。“开放'改为”宽泛“

5.P158. 倒数第三段。“因素汇报回报经验平均向量”改为“因素平均回报经验向量“

6.P158. 倒数第二段。最后一句”分布方式“改为”分布“，”方式“两字去掉

 

第8章

1. P136. 第一段，“令人欢呼的是”，改为“令人高兴的是”

2. P141.第三段最后一句,"属性地图"改为“属性map”

3.P145.倒数第二段，第一句。“它们也可能存在有待我们发现和处理的数据质量问题”，改为“它们也还可能存在数据质量问题，这些问题有待我们进一步发现和处理”

4.P149.倒数第三段，“输出行政区的记录”改为“五个行政区的输出记录”

5.P153.倒数第三段。“司机和乘客可能会就在哪里下车发生争执”。改为“司机和乘客可能会发生摩擦”

 

第7章

1. P117.图7-1的注解文字。“部分合伴生关系图”，中多了一个“合”字，应删除

2. P120.第三段代码中“componentCounts.take(10)foreach(println)”中，少了一个“.”。应该为“componentCounts.take(10).foreach(println)”。英文版原版本身的错误。

3. P124.第二段。“因为它们具有一种有意义的语义关系”，改为“因为它们具有某种值得我们关注的语义关系”

4. P124.中卡方计算公司中，不是x而是希腊字母Chi(Χ)