商品簡介
R是一個強大的、開源的、函數式編程語言，可以用於廣泛的編程任務。一般來講，R語言的應用主要在數據統計與分析、機器學習、高性能計算等方面。R語言已經在多個領域贏得了認可，同時也基於其開源、免費的特點不斷地發展壯大。
本書通過9章內容，循序漸進地揭示了大數據的概念，介紹了如何使用R進行數據處理，如何創建Hadoop虛擬機，如何建立和部署SQL數據庫，同時還介紹了MongoDB、HBase、Spark、Hive相關的內容，並介紹了R的潛在應用場景。
本書適合中級數據分析師、數據工程師、統計學家、研究人員和數據科學家閱讀，需要讀者具備數據分析、數據管理和大數據算法的基本知識。
作者簡介
Simon Walkowiak是Mind Project公司的認知神經系統科學家和總經理，Mind Project公司是一家位於英國倫敦的大數據預測分析諮詢公司。在此之前，Simon 是歐洲的社會經濟數據庫―― 英國科研數據服務（UKDS，位於埃塞克斯大學）的數據主管人。Simon在處理和管理大規模數據集方面擁有豐富的經驗，例如普查、傳感器、智能電錶數據、電信數據和眾所周知的政治和社會調查。Simon在公共機構和國際公司開設了大量的數據科學和 R 培訓課程。他還在英國的幾所主要的大學以及由分析與數據科學研究所（Institute of Analytics and Data Science，IADS）組織的大數據分析暑期班教授大數據方法課程。
目次
第 1章 大數據時代 1
1.1 大數據――重新定義怪物 1
1.2 大數據工具箱――為大而生 4
1.2.1 Hadoop――屋中之象 4
1.2.2 數據庫 6
1.2.3 Hadoop的Spark化 7
1.3 R語言――大數據的無冕之王 8
1.4 小結 13
第 2章 R編程語言與統計環境的介紹 14
2.1 學習R 14
2.2 R語言基礎回顧 16
2.2.1 準備R和RStudio 16
2.2.2 R語言數據結構 19
2.2.3 導出R數據對象 29
2.3 應用數據科學與R 33
2.3.1 導入不同格式的數據 34
2.3.2 探索性數據分析 35
2.3.3 數據聚合和列聯表 37
2.3.4 假設檢驗和統計推斷 41
2.3.5 數據可視化包 52
2.4 小結 53
第3章 由內而外釋放R的力量 54
3.1 R的傳統局限性 54
3.1.1 內存外的數據 55
3.1.2 處理速度 55
3.2 超越內存限制 56
3.2.1 使用ff和ffbase軟件包進行數據轉換和聚合 56
3.2.2 使用ff和ffbase包的廣義線性模型 65
3.2.3 使用bigmemory包擴展內存 73
3.3 R的並行 81
3.3.1 從bigmemory到更快的計算 82
3.3.2 未來的R並行處理 89
3.4 使用data.table包和其他工具提高R性能 91
3.4.1 使用data.table包快速數據導入和操作 91
3.4.2 編寫更好的R代碼 98
3.5 小結 99
第4章 R相關的Hadoop和MapReduce框架 100
4.1 Hadoop架構 100
4.1.1 Hadoop分布式文件系統 101
4.1.2 MapReduce框架 101
4.1.3 其他Hadoop原生工具 104
4.1.4 學習Hadoop 105
4.2 雲上的單節點Hadoop 106
4.2.1 在Azure上部署Hortonworks Sandbox 106
4.2.2 Java語言的Hadoop單詞記數示例 119
4.2.3 R語言的Hadoop單詞記數示例 127
4.3 HDInsight―― Azure上的多節點Hadoop集群 145
4.3.1 創建第 一個HDInsight集群 145
4.3.2 智能電錶數據分析示例――在HDInsight集群上使用R 164
4.4 小結 175
第5章 R與關係型數據庫管理系統(RDBMS) 176
5.1 關係型數據庫管理系統(RDBMS) 176
5.1.1 常用RDBMS簡介 177
5.1.2 結構化查詢語言(SQL) 178
5.2 用SQLite 連接R 179
5.2.1 準備並導入數據到本地SQLite數據庫 179
5.2.2 通過RStudio連接SQLite數據庫 182
5.3 在Amazon EC2實例中連接MariaDB和R 186
5.3.1 準備EC2實例和RStudio服務器 186
5.3.2 準備MariaDB和數據 188
5.3.3 連接MariaDB和RStudio 195
5.4 連接Amazon RDS上的PostgreSQL和R 209
5.4.1 啟動一個Amazon RDS數據庫實例 209
5.4.2 準備並上傳數據到Amazon RDS上 214
5.4.3 從RStudio 遠程查詢Amazon RDS上的PostgreSQL 222
5.5 小結 232
第6章 R與非關係型數據庫 233
6.1 NoSQL數據庫簡介 233
6.2 用R操作MongoDB 236
6.2.1 MongoDB簡介 236
6.2.2 在Amazon EC2上安裝MongoDB並與R連接 237
6.2.3 使用MongoDB和R處理大數據 240
6.3 Hbase與R 268
6.3.1 Azure HDInsight與HBase和RStudio Server 268
6.3.2 將數據導入HDFS和HBase 274
6.3.3 使用rhbase包讀取和查閱Hbase 277
6.4 小結 282
第7章 比Hadoop更快――使用R編寫Spark 283
7.1 為大數據分析服務的Spark 283
7.2 多節點HDInsight集群上使用R的Spark 284
7.2.1 部署使用支持Spark和R/RStudio的HDInsight 284
7.2.2 將數據讀入HDFS和Hive 289
7.2.3 使用SparkR分析灣區共享單車數據 299
7.3 小結 315
第8章 R語言大數據機器學習 316
8.1 機器學習是什麼 316
8.1.1 機器學習算法 316
8.1.2 監督和無監督機器學習方法 317
8.1.3 分類和聚類算法 318
8.1.4 R機器學習方法 318
8.1.5 大數據機器學習工具 319
8.2 在HDInsight集群中使用Spark和R的GLM示例 320
8.2.1 準備Spark群集並從HDFS讀取數據 320
8.2.2 Spark中的R語言邏輯回歸 325
8.3 R中基於Hadoop H2O的樸素貝葉斯 336
8.3.1 在R中運行Hadoop上的H2O實例 336
8.3.2 讀取和探索H2O中的數據 340
8.3.3 R中基於H2O的樸素貝葉斯 343
8.4 R中基於Hadoop H2O的神經網絡 355
8.4.1 神經網絡的工作原理 355
8.4.2 在H2O上運行神經網絡模型 356
8.5 小結 364
第9章 R語言的未來――大數據、快數據、智能數據 365
9.1 R大數據分析的現狀 365
9.1.1 超過單機內存的數據 365
9.1.2 更快的R數據處理 367
9.1.3 Hadoop與R 367
9.1.4 Spark與R 368
9.1.5 R與數據庫 369
9.1.6 機器學習與R 370
9.2 R的未來 370
9.2.1 大數據 370
9.2.2 快數據 371
9.2.3 智能數據 372
9.3 如何提升 372
9.4 小結 373
