摘要:
可以使用select和selectExpr来操作DataFrame中的列 例如查询:DEST_COUNTRY,ORIGIN_COUNTRY val path="/Volumes/Data/BigData_code/data/flight-data/json/2015-summary.json" va 阅读全文
摘要:
结构体 创建结构体 在字符串公式中就是一个”()“就表示一个结构体 //创建结构体 //方法1: df.selectExpr("(Description, InvoiceNo) as complex", "*").show(2) //方法2: df.selectExpr("struct(Descri 阅读全文
摘要:
UDF可以将一个或者多个列作为输入,同时也可以返回一个或者多个列。在一般情况下,这些函数被注册为SparkSession或者Countext的临时函数。 注册成DataFrame的函数 案例:向UDF中注册一个3次幂函数的自定函数 函数: def pow3(number:Double)={ numb 阅读全文
摘要:
参考博客之一:https://tech.meituan.com/2016/04/29/spark-tuning-basic.html 参考博客之一:https://tech.meituan.com/2016/05/12/spark-tuning-pro.html 上面是非常好的博客推荐查看 缓慢任务 阅读全文
摘要:
快速开始 创建环境 Spark程序主要分为三个阶段: 创建环境 数据操作 关闭环境(在Streaming程序中为执行环境) 下面是批处理的Spark SQL API的创建环境的类:SparkSession,其目的是为了创建基本的Spark SQL的环境。 from pyspark.sql impor 阅读全文
摘要:
Tensorflow运行模型——会话+ 框架学习目录 Tensorflow框架学习笔记 Tensorflow-基础 Tensorflow计算模型——计算图 Tensorflow笔记——张量+ Spark机器学习框架学习笔记 SparkMlib基础和基础统计 SparkMLlib的线性回归和逻辑回归+ 阅读全文
摘要:
朴素贝叶斯是基于每个特征都是相互独立的这个假设而成立的。朴素贝叶斯算法常常用于多分类的任务中。在spark mllib中支持多项式朴素贝叶斯和伯努利朴素贝叶斯模型。这些模型常常用于文档分类。在文档分类的任务中,每一个样本就是一个文档,每一个特征就是一个单词,单词的数值为该词的评率。而输入特征为稀疏向 阅读全文
摘要:
#概要 决策树及其集合是分类和回归的机器学习任务的流行方法。决策树被广泛使用,因为它们易于解释,可以处理分类特征,扩展到多类分类环境,不需要特征缩放,并且能够捕捉非线性和特征的相互作用。树的组合算法,如随机森林和提升算法,是分类和回归任务中表现最好的。 在这里就不过多介绍决策树的具体原理了,这篇文章 阅读全文
摘要:
在机器学习中分为监督学习和无监督学习。其中聚类算法就是无监督学习。聚类算法就是根据某种相似性将相似的样本划分为一个类型。比如,最简单的k-mean算法的相似规则就是空间中的位置,两个样本点空间中位置越接近表示越相似。 K-means算法 在Spark mllib中实现了k-mean和k-mean++ 阅读全文
摘要:
概述 降维是减少所考虑的变量的数量,它可以从原始和杂乱特征中提取潜在特征或者说价值更高的特征,能够在压缩数据的大小的时候尽量不影响算法的结果。 奇异分解(SVD) 给出一篇比较好的博客:https://www.cnblogs.com/pinard/p/6251584.html 在Spark mlli 阅读全文