摘要：
TF-IDF TF-IDF的算法步骤： TF（词频）=$\farc{某个词在该文章出现的次数}{该文章的总词数}$ IDF（逆文档频率）=$log(\frac{语料库的文档总数}{包含该词的文档数+1})$,分母加1是为了不让等于0. TF-IDF=TF*IDF 可以看出计算出的每个词的TF-IDF 阅读全文
摘要：
FP-growth 可调参数： minSupport：被识别为频繁项集的最小支持度。例如，如果一个项目在 5 个事务中出现 3 个，则它的支持率为 3/5=0.6。 numPartitions: 用于分发工作的分区数。 阅读全文
摘要：
分类与回归 | 问题类型 | 解决方法 | | | | | 二元分类 | 线性SVM，逻辑回归，决策树，随机森林，梯度提升树，朴素贝叶斯 | | 多元分类 | 逻辑回归，决策树，随机森林，朴素贝叶斯 | | 回归问题 | 线性最小二乘法，套索，岭回归，决策树，随机森林，梯度提升树，等渗回归 | 线性 阅读全文
摘要：
概述 Spark MLlib分为基于RDD的API和基于**DataStream的API，**其中基于RDD的API是MLlib的主要API。数据类型 MLlib支持存储在一台机器上的本地向量和矩阵，以及由一个或多个 RDD 支持的分布式矩阵。本地向量和本地矩阵用于公共接口的简单数据。 本地矢量 M 阅读全文
摘要：
将相同国家进行分组，然后将count相加sum(count)， 对sum(count)进行排序，输出top5 val path="/Volumes/Data/BigData_code/data/flight-data/csv/2015-summary.csv" val data = spark.re 阅读全文
摘要：
聚合操作 注意：任何的聚合操作都有默认的分组，聚合是在分组的基础上进行的。比如，对整体进行求和，那么分组就是整体。所以，在做聚合操作之前，一定要明确是在哪个分组上进行聚合操作 注意：聚合操作，本质上是一个多对一（一对一是多对一的特殊情况）的操作。特别注意的是这个’一‘，可以是一个值（mean， su 阅读全文
摘要：
val path="/Volumes/Data/BigData_code/data/retail-data/by-day/2010-12-01.csv" spark.read.format("csv").option("header", "true").option("inferSchema", " 阅读全文
摘要：
读时模式 val path="/Volumes/Data/BigData_code/data/" //读取json生成dataframe val df = spark.read.format("json").load(path + "flight-data/json/2015-summary.jso 阅读全文
摘要：
在聚合操作中,需要指定键或分组方式,以及指定如何转换一列或多列数据的聚合函数。s 除了处理任意类型的值之外，Spark还可以创建以下分组类型： * 最简单的分组通过在select语句中执行聚合来汇总整个DataFrame * “group by”指定一个或者多个key也可以指定一个或者多个聚合函数， 阅读全文
摘要：
1.计算图的概念： 计算图：输入和计算函数都以节点的形式出现，而节点的输出项之间的关系以有向线段表示所构成的计算图形。 如：向量a， b 相加： 2. 计算图的使用： 注意：Tensorflow程序一般分两步：定义计算图中所有计算；执行计算 在tensorflow代码执行的时候，tensorflow 阅读全文