김치

마라탕🔥

불닭

라면

떡볶이

김

오뚜기

선크림☀️

컵누들

감자칩

  • 검색 기록
  • 인기 검색
상품 카테고리
베스트셀러
신상품
할인 구역
기프트 카드
더 보기
로그인/회원가입

한국어

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}) }}
무료배송

장바구니로 이동하여 결제하기 Yamibuy
Yami

Nickname

당신의 이름을 알려주세요

이름 업데이트
계정 주문 찜하기
포인트 0
쿠폰 0
기프트 카드 잔액 $0.00
{{ inviteNavTitle }}
로그아웃

배송 지역 전환

지역에 따라 재고 및 배송 속도가 다를 수 있습니다.

위치 기록

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

상품입고 후 바로 알려드리겠습니다.

취소
Yami

Jingdong book

Spark MLlib机器学习：算法、源码及实战详解

장바구니로 이동하여 결제하기 Yamibuy
{{buttonTypePin == 3 ? __("Scan to view more PinGo") : __("Scan to start")}}
서적 컴퓨터 및 인터넷 프로그래밍 언어와 프로그래밍
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 }}
후 종료
{{ 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 }}
후에 세일 종료
후 초특가세일 시작 후 초특가세일 종료
{{ 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 }}) 상세정보
상품 유효 기간

판매 중단

이 상품이 언제 재입고될지는 알 수 없습니다.

현재 주소로 배송 불가
품절

제품 설명

제품 세부 정보 전체보기
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！

명세서

상표 Jingdong book
브랜드 영역 China

면책성명

제품 가격, 포장, 사양 등의 정보는 예고 없이 변경될 수 있습니다. 적시에 제품 정보를 업데이트 할 수 있도록 최선을 다하지만, 받은 실제 제품을 참고하시기 바랍니다. 제품을 사용하기 전에 반드시 제품에 동봉된 라벨, 경고 및 설명을 읽어 주십시오.

상세정보 보기
찜한 목록에 추가
{{ $isZh ? coupon.coupon_name_sub : coupon.coupon_ename_sub | formatCurrency }}
상세정보
{{__("Buy Directly")}} {{ itemCurrency }}{{ item.directly_price }}
수량
{{ quantity }}
{{ instockMsg }}
{{ limitText }}
{{buttonTypePin == 3 ? __("Scan to view more PinGo") : __("Scan to start")}}
JD@CHINA 판매
배송지
{{ __("Ship to United States only") }}
69이상 주문 시 무료 배송
정품 보증
상세정보 보기
지역

{{ regionInfo.title }}

장바구니에 추가됨

쇼핑 계속하기

당신을 위한 추천

{{ item.brand_name }}

{{ item.item_name }}

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

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

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

쿠폰

{{ coupon.coupon_name_new | formatCurrency }}
받기 받았음 마감
{{ getCouponDescStr(coupon) }}
{{ coupon.use_time_desc }}
곧 만료됩니다: {{ formatTime(coupon.use_end_time) }}

친구들과 공유하세요

취소

Yami 기프트카드 전용특가

기프트카드로 결제하면 전용특가를 받을 수 있습니다

규칙 설명

기프트카드 전용특가는 일부 상품에 대한 특혜가격입니다.

기프트카드 전용특가 상품 구매 시 E-기프트 카드 잔액으로 결제하고 기프트카드 잔액이 주문 내 상품의 총액을 지불하기에 충분하하 기프트카드 전용특가가 자동으로 활성화됩니다.

기프트 카드 잔액으로 결제하지 않거나 기프트카드 잔액이 전항의 요건을 충족하지 못할 경우 기프트카드 전용특가를 활성화할 수 없으며 상품은 정상 가격으로 구매할 수 있습니다.

기프트카드 전용특가 상품 구매 시 잔액이 부족할 경우 장바구니 또는 결제 페이지에서 "충전" 버튼을 클릭하여 기프트카드를 구매 및 충전할 수 있습니다.

기프트카드 전용특가가 있는 상품은 "전용특가"라는 특별한 가격표시가 표시됩니다.

질문이 있으시면 언제든지 고객 서비스에 문의하십시오.

Yami는 기프트카드 전용특가 관련 최종 해석권을 보유합니다.

Yami 판매

서비스 보장

Yami $49 이상 무료 배송
Yami 걱정 없는 반품/교환
Yami 미국에서 발송

배송 정보

  • 미국

    표준 배송 $5.99(알래스카, 하와이 제외), 최종 가격 $49 이상 시 무료 배송

    지역 배송 $5.99(캘리포니아, 뉴욕, 뉴저지, 매사추세츠, 펜실베이니아, 위 주의 일부 지역), 최종 가격 $49 이상 시 무료 배송

    2일 이내 배송(알래스카 및 하와이 포함) $19.99부터 시작

반품 및 교환 정책

Yami는 고객님께 최상의 A/S를 제공하고, 모든 분들이 Yami에서 안심하고 쇼핑할 수 있도록 노력하고 있습니다. Yami의 자영 상품은 반품 및 교환 조건을 충족하는 경우, 상품 수령 후 30일 이내에 반품 및 교환할 수 있습니다(식품은 품질 문제로 인해 7일 이내에 반품 및 교환이 가능합니다. 모든 고객이 안전하고 고품질의 제품을 받을 수 있도록 뷰티 제품은 개봉 또는 사용 후에는 품질 문제를 제외하고 환불 또는 반품을 제공하지 않습니다. 기타 특별 카테고리의 제품은 고객 서비스에 문의하시기 바랍니다).
이해와 지원에 감사드립니다.

상세정보 보기

Yami 판매

Yami E-기프트카드 사용 약관

구매 시 자동 충전을 선택한 경우, 주문 완료 후 기프트카드가 자동으로 계정에 충전됩니다.

구매 시 이메일 발송을 선택한 경우, 주문 완료 후 시스템이 자동으로 카드 번호와 비밀번호를 입력한 이메일로 발송합니다.

이메일을 보낼 때, 모든 사용자는 이메일에 있는 카드 번호와 비밀번호를 사용하여 기프트카드를 충전할 수 있으니, 이메일 정보를 잘 보관하세요.

이메일을 받는 데 문제가 있으면, 고객 서비스에 연락하여 처리해 주세요.

이메일을 보낼 때, 기프트카드가 교환되지 않았다면 이메일을 재발송할 수 있습니다. 이미 다른 사용자에 의해 교환된 경우에는 보상할 수 없습니다.

Yamibuy의 E-기프트카드는 자영 또는 제3자 상품 구매에 사용할 수 있습니다.

Yamibuy의 E-기프트카드는 유효 기간 제한이 없으며, 장기간 유효합니다.

Yami 전자 상품권의 금액은 여러 번에 나눠서 사용할 수 있습니다；

Yami 전자 상품권 업무 규칙의 최종 해석 권한은 Yami 웹사이트에 있습니다.

반품 및 교환 정책

이미 사용된 E-기프트카드는 환불이 불가능합니다.

판매자: JD@CHINA

서비스 보장

Yami $49 이상 무료 배송
Yami 최고의 A/S
Yami 미국 본토에서 발송

배송 정보

  • 미국

    표준 배송 $5.99(알래스카, 하와이 제외), 최종 가격 $49 이상 시 무료 배송

    지역 배송 $5.99(캘리포니아, 뉴욕, 뉴저지, 매사추세츠, 펜실베이니아, 위 주의 일부 지역), 최종 가격 $49 이상 시 무료 배송

    2일 이내 배송(알래스카 및 하와이 포함) $19.99부터 시작

반품 및 교환 정책

제품을 받으신 후 30일 이내에 제품을 반품하실 수 있습니다. 반품된 품목은 구매에 대한 원본 송장을 포함하여 원래 포장된 새 품목이어야 합니다. 고객이 자신의 비용으로 제품을 반품합니다.

JD@CHINA 판매

서비스 보장

Yami 점포간 $:amount 이상 구매 시 무료 배송
Yami 30일 반품/교환 보장

Yami-중국 집하창고

Yami는 중국 내 주요 우수매장에서 제품을 선별하여 모아 Yami 중국통합센터로 배송하며 택배를 합친 후 전국 각지의 주소로 배송해 드립니다. 점포간 무료 배송 조건은 최저 $69입니다. 여러 판매자가 제공하는 다양한 상품 중에서 원하는 상품을 선택하고 점포간 무료배송으로 저렴한 배송비를 쉽게 누릴 수 있습니다.

반품 정책

30일 이내 반품 및 교환 보증을 제공합니다. 제품은 새로 사용하지 않은 원래 포장에 구매 증명서가 첨부되어 있어야 합니다. 상품 품질 문제, 잘못된 배송, 배송 누락 등 판매자의 실수로 인한 경우 환불 처리됩니다. 기타 사유로 인한 반품 및 교환은 배송비는 고객이 자체로 부담하셔야 합니다. 모든 제품은 장거리 배송을 하기 때문에 간혹 간단한 외부 포장이 눌려 마모되는 등이 있지만 내부 품질 문제가 없는 경우 반품 및 교환할 수 없습니다.

배송 정보

Yami 중국집하배송 Consolidated Shipping 배송비 $9.99 ($69 이상 주문시 무료배송)

중국 판매자는 주문 후 영업일 기준 2일 후에 상품을 발송합니다. 모든 택배는 Yami 중국통합센터(특별한 상황 및 중국 내 개별 법정 공휴일 제외)에 도착하여 택배를 합친 후 UPS를 통해 미국으로 배송됩니다. UPS는 중국에서 발송 후 미국까지 평균 10영업일 정도 소요되며 직배송 주문 번호에 따라 수시로 추적 및 조회할 수 있습니다 전염병의 영향으로 현재 물류가 5일 정도 지연될 수 있습니다. 택배는 고객 서명이 필요합니다. 서명하지 않은 경우 고객은 택배가 분실될 위험을 부담하게 됩니다.

JD@CHINA 판매

서비스 보장

69이상 주문 시 무료 배송
정품 보증

배송 정보

Yami Consolidated Shipping배송비$9.99($69 이상 주문 시 무료 배송)


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.

포인트 규칙

모든 품목은 Yamibuy 의 프로모션이나 포인트 이벤트에서 제외됩니다.

반품 및 교환 정책

제품을 받으신 후 30일 이내에 제품을 반품하실 수 있습니다. 반품된 품목은 구매에 대한 원본 송장을 포함하여 원래 포장된 새 품목이어야 합니다. 고객이 자신의 비용으로 제품을 반품합니다.

Yami

Yami 앱 다운로드

맨 위로 돌아가기

당신을 위한 추천

브랜드 스토리

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

리뷰{{'('+ commentList.posts_count + ')'}}

당신의 체험을 공유하고 더 많은 사용자가 선택할 수 있도록 도와줍니다.

리뷰 작성
{{ totalRating }} 리뷰 작성

  • {{i}}별

    {{i}} 별

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

Yami Yami
{{ comment.user_name }}

{{ showTranslate(comment) }}접기

{{ strLimit(comment,800) }}전체 보기

Show Original

{{ comment.content }}

Yami
모두 보기

{{ formatTime(comment.in_dtm) }} 구매 완료 {{groupData}}

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

{{ showTranslate(comment) }}접기

{{ strLimit(comment,800) }}전체 보기

Show Original

{{ comment.content }}

Yami
모두 보기

{{ formatTime(comment.in_dtm) }} 구매 완료 {{groupData}}

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

조건에 맞는 리뷰가 없습니다

더 많은 리뷰 보기

리뷰 상세

Yami Yami

{{commentDetails.user_name}}

{{ showTranslate(commentDetails) }}접기

{{ strLimit(commentDetails,800) }}전체 보기

Show Original

{{ commentDetails.content }}

Yami
모두 보기

{{ formatTime(commentDetails.in_dtm) }} 구매 완료 {{groupData}}

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

내용을 입력하세요

답변{{'(' + replyList.length + ')'}}

Yami Yami

{{ reply.reply_user_name }}답변{{ reply.parent_user_name }}

{{ showTranslate(reply) }}접기

{{ strLimit(reply,800) }}전체 보기

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')}}

내용을 입력하세요

취소

지금까지의 모든 리뷰입니다!

리뷰 작성하기
상품 평점

댓글을 입력하세요.

  • 좋은 닉네임이 당신의 리뷰를 더 인기 있게 만들 것입니다!
  • 여기에서 닉네임을 변경하면 개인정보의 닉네임도 같이 변경됩니다.
리뷰를 남겨주셔서 감사합니다
당신의 좋은 리뷰는 우리 커뮤니티가 아시아 최고의 상품을 찾는 데 도움이 됩니다.

신고하기

취소

이 리뷰를 삭제하시겠습니까?

취소

최근 본 상품

브랜드 스토리

Jingdong book