うどん

電気炊飯器

ラーメン

ポテトチップス

もち

福袋

フェイスマスク

のり

  • 検索履歴
  • 人気検索
商品カテゴリー
ベストセラー
新商品
セール
ギフトカード
すべて見る
ログイン/登録

日本語

English 简体中文 繁體中文 한국어 日本語
{{sellerTotalView > 1 ? __("sellers", {number: sellerTotalView}) : __("seller", {number: sellerTotalView}) }}, {{numTotalView > 1 ? __("items", {number: numTotalView}) : __("item", {number: numTotalView}) }}
送料無料

カートを見る＆決済 Yamibuy
Yami

Nickname

お名前を教えてください

名前を更新します
アカウント 注文 お気に入り
ポイント 0
クーポン 0
ギフトカードの残高 $0.00
{{ inviteNavTitle }}
ログアウト

配送エリアを切り替えます

在庫情報と配送スピードは地域によって異なる場合があります。

郵便番号の履歴

{{email ? __('Got it!') : __('Restock Alert')}}

商品が再入荷され次第、すぐにメールでお知らせします。

キャンセル
Yami

Jingdong book

Spark MLlib机器学习：算法、源码及实战详解

カートを見る＆決済 Yamibuy
{{buttonTypePin == 3 ? __("Scan to view more PinGo") : __("Scan to start")}}
本 コンピュータとインターネット プログラミング言語とプログラミング
Jingdong book

Spark MLlib机器学习：算法、源码及实战详解

{{__(":people-members", {'people': item.limit_people_count})}} {{ itemCurrency }}{{ item.valid_price }} {{ itemCurrency }}{{ item.invalid_price }} {{ itemDiscount }}
終了まで
{{ itemCurrency }}{{ item.valid_price }}
{{ itemCurrency }}{{ priceFormat(item.valid_price / item.bundle_specification) }}/{{ item.unit }}
{{ itemDiscount }}
{{ itemCurrency }}{{ item.valid_price }} {{ itemCurrency }}{{ priceFormat(item.valid_price / item.bundle_specification) }}/{{ item.unit }} {{ itemCurrency }}{{ item.invalid_price }} {{itemDiscount}}
{{ itemCurrency }}{{ item.valid_price }}
セール終了まで
タイムセール開始まであと タイムセール終了まであと
{{ getSeckillDesc(item.seckill_data) }}
{{ __( "Pay with Gift Card to get sale price: :itemCurrency:price", { 'itemCurrency' : itemCurrency, 'price' : (item.giftcard_price ? priceFormat(item.giftcard_price) : '0.00') } ) }} ({{ itemCurrency }}{{ priceFormat(item.giftcard_price / item.bundle_specification) }}/{{ item.unit }}) 詳細
消費期限

現在は販売していません

この商品がいつ再入荷するか、分かりません。

当該地域へ配送できません
売り切れ

製品説明

商品の詳細を全て表示
Editer Recommend

本书系统、全面、深入地解析了SparkMLlib机器学习的相关知识，着力于探索分布式机器学习的底层实现。
以源码为基础，兼顾算法、理论与实战，帮助读者在实际工作中进行MLlib的应用开发和定制开发。
适合大数据、Spark、数据挖掘领域的从业人员阅读。
Content Description

《Spark MLlib机器学习：算法、源码及实战详解》以Spark 1.4.1版本源码为切入点，全面并且深入地解析Spark MLlib模块，着力于探索分布式机器学习的底层实现。
《Spark MLlib机器学习：算法、源码及实战详解》中本着循序渐进的原则，首先解析MLlib的底层实现基础：数据操作及矩阵向量计算操作，该部分是MLlib实现的基础；接着对各个机器学习算法的理论知识进行讲解，并且解析机器学习算法如何在MLlib中实现分布式计算；然后对MLlib源码进行详细的讲解；最后进行MLlib实例的讲解。相信通过《Spark MLlib机器学习：算法、源码及实战详解》的学习，读者可全面掌握Spark MLlib机器学习，能够进行MLlib实战、MLlib定制开发等。
《Spark MLlib机器学习：算法、源码及实战详解》适合大数据、Spark、数据挖掘领域的从业人员阅读，同时也为Spark开发者和大数据爱好者展现了分布式机器学习的原理和实现细节。
Author Description

黄美灵，久邦数码高级数据挖掘工程师，Spark爱好者，致力于分布式机器学习的研究与应用，现从事移动互联网的计算广告和数据变现工作，专注Spark机器学习在计算广告中的研究和实践。
Catalogue

第一部分Spark MLlib基础
第1章Spark机器学习简介 2
1．1机器学习介绍 2
1．2Spark介绍 3
1．3Spark MLlib介绍 4
第2章Spark数据操作 6
2．1Spark RDD操作 6
2．1．1Spark RDD创建操作 6
2．1．2Spark RDD转换操作 7
2．1．3Spark RDD行动操作 14
2．2MLlib Statistics统计操作 15
2．2．1列统计汇总 15
2．2．2相关系数 16
2．2．3假设检验 18
2．3MLlib数据格式 18
2．3．1数据处理 18
2．3．2生成样本 22
第3章Spark MLlib矩阵向量 26
3．1Breeze介绍 26
3．1．1Breeze创建函数 27
3．1．2Breeze元素访问及操作函数 29
3．1．3Breeze数值计算函数 34
3．1．4Breeze求和函数 35
3．1．5Breeze布尔函数 36
3．1．6Breeze线性代数函数 37
3．1．7Breeze取整函数 39
3．1．8Breeze常量函数 40
3．1．9Breeze复数函数 40
3．1．10Breeze三角函数 40
3．1．11Breeze对数和指数函数 40
3．2BLAS介绍 41
3．2．1BLAS向量-向量运算 42
3．2．2BLAS矩阵-向量运算 42
3．2．3BLAS矩阵-矩阵运算 43
3．3MLlib向量 43
3．3．1MLlib向量介绍 43
3．3．2MLlib Vector接口 44
3．3．3MLlib DenseVector类 46
3．3．4MLlib SparseVector类 49
3．3．5MLlib Vectors伴生对象 50
3．4MLlib矩阵 57
3．4．1MLlib矩阵介绍 57
3．4．2MLlib Matrix接口 57
3．4．3MLlib DenseMatrix类 59
3．4．4MLlib SparseMatrix类 64
3．4．5MLlib Matrix伴生对象 71
3．5MLlib BLAS 77
3．6MLlib分布式矩阵 93
3．6．1MLlib分布式矩阵介绍 93
3．6．2行矩阵（RowMatrix） 94
3．6．3行索引矩阵（IndexedRowMatrix） 96
3．6．4坐标矩阵（CoordinateMatrix） 97
3．6．5分块矩阵（BlockMatrix） 98

第二部分Spark MLlib回归算法
第4章Spark MLlib线性回归算法 102
4．1线性回归算法 102
4．1．1数学模型 102
4．1．2最小二乘法 105
4．1．3梯度下降算法 105
4．2源码分析 106
4．2．1建立线性回归 108
4．2．2模型训练run方法 111
4．2．3权重优化计算 114
4．2．4线性回归模型 121
4．3实例 123
4．3．1训练数据 123
4．3．2实例代码 123
第5章Spark MLlib逻辑回归算法 126
5．1逻辑回归算法 126
5．1．1数学模型 126
5．1．2 梯度下降算法 128
5．1．3正则化 129
5．2源码分析 132
5．2．1建立逻辑回归 134
5．2．2模型训练run方法 137
5．2．3权重优化计算 137
5．2．4逻辑回归模型 144
5．3实例 148
5．3．1训练数据 148
5．3．2实例代码 148
第6章Spark MLlib保序回归算法 151
6．1保序回归算法 151
6．1．1数学模型 151
6．1．2L2保序回归算法 153
6．2源码分析 153
6．2．1建立保序回归 154
6．2．2模型训练run方法 156
6．2．3并行PAV计算 156
6．2．4PAV计算 157
6．2．5保序回归模型 159
6．3实例 164
6．3．1训练数据 164
6．3．2实例代码 164

第三部分Spark MLlib分类算法
第7章Spark MLlib贝叶斯分类算法 170
7．1贝叶斯分类算法 170
7．1．1贝叶斯定理 170
7．1．2朴素贝叶斯分类 171
7．2源码分析 173
7．2．1建立贝叶斯分类 173
7．2．2模型训练run方法 176
7．2．3贝叶斯分类模型 179
7．3实例 181
7．3．1训练数据 181
7．3．2实例代码 182
第8章Spark MLlib SVM支持向量机算法 184
8．1SVM支持向量机算法 184
8．1．1数学模型 184
8．1．2拉格朗日 186
8．2源码分析 189
8．2．1建立线性SVM分类 191
8．2．2模型训练run方法 194
8．2．3权重优化计算 194
8．2．4线性SVM分类模型 196
8．3实例 199
8．3．1训练数据 199
8．3．2实例代码 199
第9章Spark MLlib决策树算法 202
9．1决策树算法 202
9．1．1决策树 202
9．1．2特征选择 203
9．1．3决策树生成 205
9．1．4决策树生成实例 206
9．1．5决策树的剪枝 208
9．2源码分析 209
9．2．1建立决策树 211
9．2．2建立随机森林 216
9．2．3建立元数据 220
9．2．4查找特征的分裂及划分 223
9．2．5查找最好的分裂顺序 228
9．2．6决策树模型 231
9．3实例 234
9．3．1训练数据 234
9．3．2实例代码 234

第四部分Spark MLlib聚类算法
第10章Spark MLlib KMeans聚类算法 238
10．1KMeans聚类算法 238
10．1．1KMeans算法 238
10．1．2演示KMeans算法 239
10．1．3初始化聚类中心点 239
10．2源码分析 240
10．2．1建立KMeans聚类 242
10．2．2模型训练run方法 247
10．2．3聚类中心点计算 248
10．2．4中心点初始化 251
10．2．5快速距离计算 254
10．2．6KMeans聚类模型 255
10．3实例 258
10．3．1训练数据 258
10．3．2实例代码 259
第11章Spark MLlib LDA主题模型算法 261
11．1LDA主题模型算法 261
11．1．1LDA概述 261
11．1．2LDA概率统计基础 262
11．1．3LDA数学模型 264
11．2GraphX基础 267
11．3源码分析 270
11．3．1建立LDA主题模型 272
11．3．2优化计算 279
11．3．3LDA模型 283
11．4实例 288
11．4．1训练数据 288
11．4．2实例代码 288

第五部分Spark MLlib关联规则挖掘算法
第12章Spark MLlib FPGrowth关联规则算法 292
12．1FPGrowth关联规则算法 292
12．1．1基本概念 292
12．1．2FPGrowth算法 293
12．1．3演示FP树构建 294
12．1．4演示FP树挖掘 296
12．2源码分析 298
12．2．1FPGrowth类 298
12．2．2关联规则挖掘 300
12．2．3FPTree类 303
12．2．4FPGrowthModel类 306
12．3实例 306
12．3．1训练数据 306
12．3．2实例代码 306

第六部分Spark MLlib推荐算法
第13章Spark MLlib ALS交替最小二乘算法 310
13．1ALS交替最小二乘算法 310
13．2源码分析 312
13．2．1建立ALS 314
13．2．2矩阵分解计算 322
13．2．3ALS模型 329
13．3实例 334
13．3．1训练数据 334
13．3．2实例代码 334
第14章Spark MLlib协同过滤推荐算法 337
14．1协同过滤推荐算法 337
14．1．1协同过滤推荐概述 337
14．1．2用户评分 338
14．1．3相似度计算 338
14．1．4推荐计算 340
14．2协同推荐算法实现 341
14．2．1相似度计算 344
14．2．2协同推荐计算 348
14．3实例 350
14．3．1训练数据 350
14．3．2实例代码 350

第七部分Spark MLlib神经网络算法
第15章Spark MLlib神经网络算法综述 354
15．1人工神经网络算法 354
15．1．1神经元 354
15．1．2神经网络模型 355
15．1．3 信号前向传播 356
15．1．4误差反向传播 357
15．1．5其他参数 360
15．2神经网络算法实现 361
15．2．1神经网络类 363
15．2．2训练准备 370
15．2．3前向传播 375
15．2．4误差反向传播 377
15．2．5权重更新 381
15．2．6ANN模型 382
15．3实例 384
15．3．1测试数据 384
15．3．2测试函数代码 387
15．3．3实例代码 388

Introduction

机器学习是一门多领域交叉学科，涉及概率论、统计学、逼近论、凸分析、计算复杂性理论等多门学科，其中大部分理论来源于18、19世纪，例如贝叶斯定理，是18世纪英国数学家托马斯·贝叶斯（Thomas Bayes）提出的重要概率论理论；而21世纪则侧重于如何将机器学习理论运用在工业化中，帮助改进性能及提升其效率。
机器学习理论主要是设计和分析一些让计算机可以自动“学习”的算法。机器学习算法是一类从数据中自动分析获得规律，并利用规律对未知数据进行预测的算法。在算法设计方面，机器学习理论关注可以实现的、行之有效的学习算法；机器学习研究的不是求解精确的结果，而是研究开发容易处理的近似求解算法。尤其是在21世纪，知识和数据量爆发的时代，机器学习面临大数据的求解难题。
随着数据量的增加，从传统的单机计算发展到大规模的集群计算，以至发展到今天的一种大规模、快速计算的集群平台—Apache Spark。Spark是一个开源集群运算框架，最初由加州大学伯克利分校AMP实验室开发。相对于Hadoop的MapReduce会在执行完工作后将中介资料存放到磁盘中，Spark使用了内存内运算技术，能在资料尚未写入硬盘时即在内存内分析运算。Spark在内存上的运算速度比Hadoop MapReduce的运算速度快100倍，即便是在磁盘上运行也能快10倍。Spark允许将数据加载至集群内存，并多次对其进行查询，非常适合用于机器学习算法。
本书侧重讲解Spark MLlib模块。Spark MLlib是一种高效、快速、可扩展的分布式计算框架，实现了常用的机器学习，如聚类、分类、回归等算法。本文循序渐进，从Spark的基础知识、矩阵向量的基础知识开始，然后再讲解各种算法的理论知识，以及Spark源码实现和实例实战，帮助读者从基础到实践全面掌握Spark MLlib分布式机器学习。
学习本书需要的基础知识包括：Spark基础入门、Scala入门、线性代数基础知识。
本书面向的读者：Spark开发者、大数据工程师、数据挖掘工程师、机器学习工程师、研究生和高年级本科生等。
在本书的编写过程中，何娟、何丹、王蒙、叶月媚参与了全书的编写、整理及校对工作，刘程辉、李俊、廖宏参与了Spark集群运维和第2章数据操作的实例部分工作，刘晓宏、方佳武、于善龙参与了全书的实例部分工作。
本书在写作的过程中，得到了很多朋友及同事的帮助和支持，在此表示衷心感谢！
感谢久邦数码大数据团队的同事们。在两年的工作中，笔者得到了很多同事的指导、支持和帮助，尤其感谢杨树清、周小平、梁宁、刘程辉、刘晓宏、方佳武、于善龙、王蒙、叶月媚、廖宏、谭钊承、吴梦玲、邹桂芳、曹越等。
感谢电子工业出版社的付睿编辑，她不仅积极策划和推动本书的出版，而且在写作过程中还给出了极为详细的改进意见。感谢电子工业出版社的李云静编辑为本书做了非常辛苦和专业的编辑工作。
感谢我的父母和妻子，有了你们的帮助和支持，我才有时间和精力去完成写作。
谨以此书献给热爱大数据技术的朋友们！

仕様

ブランド Jingdong book
ブランドテリトリー China

免責声明

商品の価格、パッケージ、仕様などの情報は、事前に通知することなく変更される場合があります。私たちは商品情報を迅速に更新するよう努力していますが、実際に受け取った商品を基準にしてください。商品を利用する前に、常に商品に付属するラベル、警告、および説明を読んでください。

利用規約の全文を見ます
お気に入りに追加
{{ $isZh ? coupon.coupon_name_sub : coupon.coupon_ename_sub | formatCurrency }}
詳細
{{__("Buy Directly")}} {{ itemCurrency }}{{ item.directly_price }}
数量
{{ quantity }}
{{ instockMsg }}
{{ limitText }}
{{buttonTypePin == 3 ? __("Scan to view more PinGo") : __("Scan to start")}}
JD@CHINAによって販売します
配送先
{{ __("Ship to United States only") }}
69以上のご注文は送料無料
正規保証
利用規約の全文を見ます
地域

{{ regionInfo.title }}

カートに入れました

ショッピングを続ける

おすすめアイテム

{{ item.brand_name }}

{{ item.item_name }}

{{ item.currency }}{{ item.market_price }}

{{ item.currency }}{{ item.unit_price }}

{{ item.currency }}{{ item.unit_price }}

クーポン

{{ coupon.coupon_name_new | formatCurrency }}
受け取る 受取済み 受け取る終わりました
{{ getCouponDescStr(coupon) }}
{{ coupon.use_time_desc }}
間もなく期限切れ： {{ formatTime(coupon.use_end_time) }}

このアイテムを友達と共有します

キャンセル

Yamiギフトカード特別価格

ギフトカードで支払えば、ギフトカード特別価格が得られます

規則説明

ギフトカード特別価格は、一部商品の特別割引オファーです；

ギフトカード特別価格の商品を購入する場合、決済時に電子ギフトカードで相殺し、ギフトカードの残高が註文したギフトカード特別価格商品の合計価格を支払うのに十分であれば、ギフトカード特別価格を適用することができます；

ギフトカードを利用しない場合、あるいはギフトカードの残高が前項に述べた要件を満たさない場合、ギフトカード特別価格を適用することができません。通常の販売価格で計算されることになり、これらの商品を購入することができます。

ギフトカード特別価格の商品を購入した場合、残高が足りない場合は、カートページまたは決済ページの「チャージ」ボタンをクリックしてギフトカードへの購入とチャージを行うことができます。

もし商品はギフトカード特別価格を持つならば、「特別」の特殊価格表記を表示します;

その他の質問や懸念がある場合は、いつでもカスタマーサービスにお問い合わせください；

Yamibuyは最終解釈権を有します。

Yamiによって販売します

サービス保証

Yami $49以上で送料無料
Yami 返品・交換保証
Yami アメリカから発送

配送情報

  • アメリカ

    スタンダード配送料 $5.99 (アラスカ、ハワイを除く)、最終価格が $49 以上で送料無料

    地方発送 $5.99 (カリフォルニア、ニューヨーク、ニュージャージー、マサチューセッツ、ペンシルベニア、上記州の一部地域); 最終価格が $49 以上で送料無料

    2 日以内の配送 (アラスカとハワイを含む) は送料 $19.99 からです

返品・交換ポリシー

Yamiはお客様が安心して購入できるように努めています。Yamibuy.comから出荷されたほとんどの商品は、受領後30日以内に返品可能です（食品、ドリンク、スナック、乾物、健康補助食品、新鮮な食料品および生鮮食品は、損傷または品質の問題がある場合、受領後7日以内に返品可能です。すべてのお客様に安全で高品質の商品を提供するために、美容製品については、品質の問題ではない限り、開封または利用後の返金や返品は対応できません。一部の商品には異なるポリシーまたは要件がありますので、特別な商品については以下をご覧いただくか、Yamiカスタマーサービスにお問い合わせください）。
ご理解とご支持に感謝します。

利用規約の全文を見ます

Yamiによって販売します

Yamibuy 電子ギフトカードの利用規約

購入時に自動チャージを選択した場合、注文完了後にギフトカードが自動的にアカウントにチャージされます；

購入時にメール送信を選択した場合、注文完了後にシステムが自動的にカード番号とパスワードを入力したメールアドレスに送信します；

メールを送信する際、どのユーザーもメールに送られてきたカード番号とパスワードを使用してギフトカードをチャージできますので、メール情報をしっかり保管してください。

メール受信に問題がある場合は、カスタマーサービスに連絡して処理してもらってください；

メールを送信する際、ギフトカードが交換されていない場合は、メールを再発行することができます。他のユーザーにすでに交換されている場合は、補償することはできません；

Yamibuyの電子ギフトカードは、自営または第三者商品の購入に使用できます；

Yamibuyの電子ギフトカードには有効期限がなく、長期にわたって有効です；

Yamiの電子ギフトカードの金額は、複数回に分けて使用することができます；

Yamiの電子ギフトカードの業務規則の最終的な解釈権は、Yamiウェブサイトに帰属します。

返品・交換ポリシー

既に利用された電子ギフトカードは返金不可です。

販売元: JD@CHINA

サービス保証

Yami $49以上で送料無料
Yami 最高のアフターサービス
Yami 米国本土から発送

配送情報

  • アメリカ

    スタンダード配送料 $5.99 (アラスカ、ハワイを除く)、最終価格が $49 以上で送料無料

    地方発送 $5.99 (カリフォルニア、ニューヨーク、ニュージャージー、マサチューセッツ、ペンシルベニア、上記州の一部地域); 最終価格が $49 以上で送料無料

    2 日以内の配送 (アラスカとハワイを含む) は送料 $19.99 からです

返品・交換ポリシー

商品到着後30日以内であれば返品が可能です。返品される商品は、購入時の請求書の原本を含む、元の梱包のまま新品である必要があります。お客様の費用負担で製品を返品してください。

JD@CHINAによって販売します

サービス保証

Yami $以上の店舗間注文: 送料無料
Yami 30日間返品・交換保証

Yami-中国集荷倉庫

Yamiが中国から厳選し、各優秀店舗の商品をYami中国統合センターに集めて、パッケージをまとめて一度に国際郵送でお客様の住所までお届けします。店舗間で$69以上になれば、送料無料になります。複数の販売者が提供する幅広い商品から選び、店舗間送料無料か低い送料を手軽に楽しめます。

返品・交換ポリシー

30日以内の返品・交換保証を提供します。商品は未使用の元のパッケージに入れられ、購入証明書が添付される必要があります。商品の品質上の問題、間違った配送、または配送漏れなど、販売者によって引き起こされたミスについては、返金処理されます。その他の理由による返品・交換の送料はお客様ご負担となります。すべての商品は長距離を輸送するため、内部品質に影響しない簡易包装のプレスや摩耗等が発生する場合、返品・交換は致しかねます。

配送情報

Yami 中国集荷 Consolidated Shippingの送料は＄ 9.99 (＄69以上のご注文は送料無料)

中国の販売業者は、ご注文後 2 営業日以内に商品を配達します、すべての荷物は Yami 中国集荷センターに到着し (特別な状況および中国の特定法定休日を除く)、そこで荷物は混載され、 UPSで米国に配送されます。中国から米国への UPS の平均配達時間は約 10 営業日で、直送の追跡番号に基づいていつでも追跡できます。感染拡大の影響で、現在の物流は約5日遅れる可能性があります。パッケージには顧客の署名が必要です。署名されない場合、パッケージが紛失するリスクはお客様が負うことになります。

JD@CHINAによって販売します

サービス保証

69以上のご注文は送料無料
正規保証

配送情報

Yami Consolidated Shipping送料$9.99（$69以上のご注文は送料無料になる）


Seller will ship the orders within 1-2 business days. The logistics time limit is expected to be 7-15 working days. In case of customs clearance, the delivery time will be extended by 3-7 days. The final receipt date is subject to the information of the postal company.

Yamiポイント情報

すべての商品は、 Yamibuy.com のプロモーションまたはポイント イベントの対象外となります。

返品・交換ポリシー

商品到着後30日以内であれば返品が可能です。返品される商品は、購入時の請求書の原本を含む、元の梱包のまま新品である必要があります。お客様の費用負担で製品を返品してください。

Yami

Yamiアプリをダウンロードします

トップに戻ります

おすすめアイテム

ブランドについて

Jingdong book

为您推荐

Yami
欣葉
2种选择
欣叶 御大福 芋头麻薯 180g
144

周销量 600+

$1.66 $1.99 83折
Yami
欣葉
2种选择
欣叶 御大福 芋头麻薯 180g
144

周销量 600+

$1.66 $1.99 83折
Yami
欣葉
2种选择
欣叶 御大福 芋头麻薯 180g
144

周销量 600+

$1.66 $1.99 83折
Yami
欣葉
2种选择
欣叶 御大福 芋头麻薯 180g
144

周销量 600+

$1.66 $1.99 83折
Yami
欣葉
2种选择
欣叶 御大福 芋头麻薯 180g
144

周销量 600+

$1.66 $1.99 83折
Yami
欣葉
2种选择
欣叶 御大福 芋头麻薯 180g
144

周销量 600+

$1.66 $1.99 83折

レビュー{{'('+ commentList.posts_count + ')'}}

商品レビューを書いて、他のユーザーを助ける最初の人になりましょう。

レビューを書く
{{ totalRating }} レビューを書く

  • {{i}}星

    {{i}} 星

    {{ parseInt(commentRatingList[i]) }}%

Yami Yami
{{ comment.user_name }}

{{ showTranslate(comment) }}非表示にします

{{ strLimit(comment,800) }}すべて見る

Show Original

{{ comment.content }}

Yami
すべてを表示します

{{ formatTime(comment.in_dtm) }} 購入済み {{groupData}}

{{ comment.likes_count }} {{ comment.likes_count }} {{ comment.reply_count }} {{comment.in_user==uid ? __('Delete') : __('Report')}}
Yami Yami
{{ comment.user_name }}

{{ showTranslate(comment) }}非表示にします

{{ strLimit(comment,800) }}すべて見る

Show Original

{{ comment.content }}

Yami
すべてを表示します

{{ formatTime(comment.in_dtm) }} 購入済み {{groupData}}

{{ comment.likes_count }} {{ comment.likes_count }} {{ comment.reply_count }} {{comment.in_user==uid ? __('Delete') : __('Report')}}

関連するコメントはありません~

もっと多くレビューを載せます

レビュー詳細

Yami Yami

{{commentDetails.user_name}}

{{ showTranslate(commentDetails) }}非表示にします

{{ strLimit(commentDetails,800) }}すべて見る

Show Original

{{ commentDetails.content }}

Yami
すべてを表示します

{{ formatTime(commentDetails.in_dtm) }} 購入済み {{groupData}}

{{ commentDetails.likes_count }} {{ commentDetails.likes_count }} {{ commentDetails.reply_count }} {{commentDetails.in_user==uid ? __('Delete') : __('Report')}}

最低でも単語一つを入力してください

コメント{{'(' + replyList.length + ')'}}

Yami Yami

{{ reply.reply_user_name }}コメント{{ reply.parent_user_name }}

{{ showTranslate(reply) }}非表示にします

{{ strLimit(reply,800) }}すべて見る

Show Original

{{ reply.reply_content }}

{{ formatTime(reply.reply_in_dtm) }}

{{ reply.reply_likes_count }} {{ reply.reply_likes_count }} {{ reply.reply_reply_count }} {{reply.reply_in_user==uid ? __('Delete') : __('Report')}}

最低でも単語一つを入力してください

キャンセル

これまでのコメントは以上です！

レビューを書きます
商品評価

コメントをお願いします

  • 素敵なユーザーネームは、あなたのコメントをより人気のあるものにします!
  • ここでニックネームを変更すると、アカウントのニックネームも同じに変更されます。
商品レビューをありがとうございます。
あなたの素晴らしいレビューは私たちのコミュニティがより良いアジア商品を見つけるのに役立ちます。

通報します

キャンセル

本当にレビューを削除してもよろしいですか？

キャンセル

過去に閲覧した商品

ブランドについて

Jingdong book