【Scala-ML】如何利用Scala构建并行机器学习系统

引言

在学习Scala的过程中，我发现其在构建大规模分布式计算系统上有与生俱来的特质。其丰富的类型系统可以帮助编程设计提供很好的信息隐藏和抽象，其monoids和monads概念利用Scala高阶函数实现计算并行和数据处理流水线，其Actor系统帮助编写可伸缩性的应用程序，其实现特定领域语言的优势帮助开发用户很好克服不同语言的障碍。
虽然以上Scala优点说起来不会感同身受，但这可以作为我学习的一大动力，让我开始尝试编写并行机器学习系统。
在学习过程中，我主要参考《Scala for Machine Learning》一书和相关网上的资料。希望这些分享能帮助自己学习，也更好的服务有兴趣的读者。

为何使用Scala构建机器学习系统

抽象

Monoids和Monads是函数式编程的重要概念。
Monoids定义了在具有闭包性质（property of closure）的数据集上的二元操作op，恒等操作（identity operation）和结合性（associativity）。
下面是代码描述：

trait Monoid[T] {
   
  def zero: T
  def op(a: T, b: T): T