Alink Learning Alink学习实践指南

Alink生态图

目的

为了学习Alink以及所涉及的Flink知识，本仓库有两大目的

首先，旨在使用scala实现Alink文档中提到的所有特性，包括但不仅限于以下:

• [x] 分类算法
  • 随机森林分类
  • 支持向量机
  • 决策树
  • 朴素贝叶斯方法
  • 多层感知机
  • gbdt二分类
  • softmax多分类
  • 逻辑回归
  • OneVsRest
• [x] 回归算法
  • gbdt回归
  • 线性回归
  • 随机森林回归
  • 保序回归
  • 广义线性回归
  • AFT生存回归
  • 决策树回归
  • Lasso回归
  • 岭回归
• [x] 聚类算法
  • 二分K均值聚类
  • KMeans
  • 高斯混合模型
  • LDA
• [x] 协同过滤
  • ALS
• [x] 异常检测
  • SOS
• [x] 关联规则
  • FP-Growth
  • PrefixSpan
• [x] 在线学习
  • ftrl
• [ ] 特征工程
• [ ] 模型的选择和调参
• [x] 模型的保存和加载

其次，本项目也包含了必要的Pom, Jar, 数据集以及官方示例。

• [x] Pom
  • pom.xml
• [x] Jar
  • alink_core-0.1-SNAPSHOT.jar
• [x] 官方数据集
  • adult_train & adult_test
  • iris
  • movielens_rating
  • review_rating_train
  • avazu-small
• [x] 自定义数据集
  • Mall_Costumers
  • 50_startups
  • lda-test-demo
  • FpGrowth-test-demo
  • PrefixSpan-test-demo
• [x] 官方jupyter notebook示例
  • adult.ipynb
  • ftrl_demo.ipynb
  • adult.ipynb
  • ftrl_demo.ipynb
  • kmeans.ipynb
  • mnist.ipynb
  • review_naive_bayes.ipynb
• [x] 官方Java示例
  • ALSExample.java
  • GBDTExample.java
  • KMeansExample.java

持续更新。。。。