摘要： 某程序中有使用到log4j2,将该程序打包成jar，使用以下命令执行时，发现log4j不输出 且报以下错误 原因：因为有添加maven-shade插件，需要做如下修改 添加filter。重新打包即可。 阅读全文

摘要： 数据清理-数据清理过程 数据清理过程的第一步是偏差检测（discrepancy detection）。 导致偏差的因素有很多，包括： 如何进行偏差检测 1. 警惕编码使用的不一致和数据表示的不一致问题（例如日期“2019/04/17”和“17/04/2019”）2. 根据唯一性规则、连续性规则和空值 阅读全文

摘要： 数据清理-噪声数据 数据清理例程试图填充缺失的值、光滑噪声并识别离群点、纠正数据中的不一致。 噪声数据 噪声（noise）是被测量的变量的随机误差或方差。光滑数据，去除噪声方法如下。 1.分箱（binning） 分箱方法通过考察数据的近邻（即周围的值）来光滑有序数据值。这些有序的值被分不到一些桶或箱 阅读全文

摘要： 数据清理-缺失值 数据清理例程试图填充缺失的值、光滑噪声并识别离群点、纠正数据中的不一致。 缺失值 在处理数据时，会发现很多元组的一些属性没有记录值。可使用以下方法补充。（1） 忽略元组：当缺少类标号时通常这样做。除非元组有多个属性缺少值，否则该方法不是很有效。当每个属性缺失值的百分比变化很大时，它 阅读全文

摘要： 环境准备 Python + pip + Flask 代码如下（做了个jieba分词的服务） Flask官方文档：http://docs.jinkan.org/docs/flask/quickstart.html#a-minimal-application 阅读全文

摘要： 数据预处理的必要性及主要任务 1、数据预处理的必要性 数据库极易受噪声、缺失值和不一致数据的侵扰，因为数据库太大，并且多半来自多个异构数据源。低质量的数据导致低质量的数据挖掘。 2、数据预处理技术 （1）数据清理：可以用来清除数据中的噪声，纠正不一致。 （2）数据集成：将数据由多个数据源合并成一个一 阅读全文

摘要： 1.权限问题 oozie调用sqoop时报错，解决：改所有者 2.少MySQL驱动包 sqoop时，应该是有的节点没有放mysql驱动连接jar，将mysql驱动包放入/usr/share/java/下（mysql-connector-java.jar） 阅读全文

摘要： 一、分词工具 ansj、hanlp、jieba 二、优缺点 1.ansj 优点: 提供多种分词方式 可直接根据内部词库分出人名、机构等信息 可构造多个词库，在分词时可动态选择所要使用的词库缺点: 自定义词典时，系统词典还是被优先使用，导致词性不是自定义词典中的词性 多单词英文姓名无法分出适用场景 若 阅读全文

摘要： 可挖掘的数据类型 1. 数据库数据 数据库系统，也成数据库管理系统（DBMS），由一组内部相关的数据（称作数据库）和一组管理和存取数据的软件程序组成。关系数据库是表的汇集，每个表都被赋予一个唯一的名字。每个表都包含一组属性（列或字段），并且通常存放大量元组（记录或行）。关系表中的每个元组代表一个对象 阅读全文

摘要： 什么是数据挖掘 从数据中挖掘知识。知识的发现过程由以下步骤的迭代序列组成1. 数据清理（消除噪声和删除不一致数据）2. 数据集成（多种数据源可以组合在一起）3. 数据选择（从数据库中提取与分析任务先相关的数据）4. 数据变换（通过汇总或狙击操作，把数据变换和统一成适合挖掘的形式）5. 数据挖掘（基本 阅读全文