摘要：摘要： 　　1.正则化（Regularization） 　　　　1.1 正则化的目的　　 　　　　1.2 正则化的L1范数（lasso），L2范数（ridge），ElasticNet 　　2.归一化 （Normalization） 　　　 2.1归一化的目的 　　　　2.1归一化计算方法　　 　　　　2.2.spark ml中的归一化 　　　　2.3 python中skelearn中的归一化 阅读全文

摘要：摘要： 　　1.各个数据结构的应用举例 　　　1.1 String类型应用举例 　　　1.2List类型应用举例 　　　1.3Set类型应用举例 　　　1.4Sorted Set类型应用举例 　　　1.5Hash类型应用举例 阅读全文

摘要：摘要： 　　1.算法概述 　　2.算法推导 　　3.算法特性及优缺点 　　4.注意事项 　　5.实现和具体例子 6.适用场合 阅读全文

摘要：介绍：以下是李航《统计学习方法的》第一章的部分摘录，只为复习总结用 内容： 1.损失函数： 扩展：线性回归，LR，svm,boosting的损失函数 2.分类器评估方法： 阅读全文

摘要：摘要： 　　1.算法概述 　　2.算法推导 　　3.算法特性及优缺点 　　4.注意事项 　　5.实现和具体例子 6.适用场合 阅读全文

摘要：摘要： 　　1.凸集 　　　　1.1 凸集的定义 　　　　1.2 仿射集的定义 　　　　1.3 凸集的例子 　　　　1.4 凸集的保凸运算 　　2.凸函数 　　　　2.1 凸函数的定义 　　　　2.2 凸函数的性质 　　　　2.3 凸函数的例子 　　　　2.4 凸函数的保凸运算 　　3.凸集和凸函数的等价条件 　　4.Jensen不等式 阅读全文

摘要：摘要： 　　1.各种算法的推导 　　2.各种算法的比较（或优缺点） 　　3.学习理论 4.特征选择方法 　　5.模型选择方法 　　6.特征工程 　　7.数据预处理 　　8.应用例子 阅读全文

摘要：摘要： 　　1.简介 　　2.模型 　　3.策略 　　4.推导 　　5.算法 　　　5.1原始问题 　　　5.2对偶问题 阅读全文

摘要：1.本福特定律 　　2.商品推荐的惊喜度 　　3.贝叶斯学派和频率学派 　　4.指数分布族 　　5.期望 　　6.方差 　　7.协方差 　　8.皮尔逊相关系数 阅读全文

摘要：python scikit-learn 环境搭建问题解决记录 阅读全文

摘要：1.平均值 　　1.1 全局平均值 　　1.2 用户评分平均值 　　1.3 物品评分平均值 　　1.4 用户分类对物品分类的平均值 　　分类方法： 　　　　1.4.1 平均值分类 　　　　1.4.2 活跃度/流行度分类 2.基于邻域的方法 　　2.1 基于用户的协同过滤 　　2.2 基于物品的协同过滤 　　相似度计算方法选择： 　　　　基于共现矩阵的相似度 　　　　余弦相似度　　　　 3.隐语义模型与矩阵分解模型 　　3.1 ALS 矩阵分解模型　　 4.加入时间因素 　　1.基于邻域的模型融合时间信息 5.模型融合 　　1.级联方式 　　2.加权融合 阅读全文

摘要：以上两个join接口都是调用的这个方法： rdd.join的实现：rdd1.join(rdd2) => rdd1.cogroup(rdd2,partitioner) 这是CoGroupedRDD的类声明，其中有两个与java 语法的不同： 1.类型声明中的小于号“<”,这个在scala 中叫做变量类 阅读全文

摘要：1.大数定律： 2.中心极限定理 3.参数估计 阅读全文

摘要：摘要： 　　1.常见的距离算法 　　　　1.1欧几里得距离（Euclidean Distance）以及欧式距离的标准化（Standardized Euclidean distance） 　　　　1.2马哈拉诺比斯距离（Mahalanobis Distance） 　　　　1.3曼哈顿距离（Manhattan Distance） 　　　　1.4切比雪夫距离（Chebyshev Distance） 　　　　1.5明可夫斯基距离（Minkowski Distance） 　　　　1.6海明距离（Hamming distance） 　　 2.常见的相似度（系数）算法 　　　　2.1余弦相似度（Cosine Similarity）以及调整余弦相似度（Adjusted Cosine Similarity） 　　　　2.2皮尔森相关系数（Pearson Correlation Coefficient） 　　　　2.3Jaccard相似系数（Jaccard Coefficient） 　　　　2.4Tanimoto系数（广义Jaccar 阅读全文