摘要：
摘要：Hadoop之HDFS文件操作常有两种方式，命令行方式和JavaAPI方式。本文介绍如何利用这两种方式对HDFS文件进行操作。关键词：HDFS文件 命令行 Java APIHDFS是一种分布式文件系统，为MapReduce这种框架下的海量数据分布式处理而设计。Hadoop之HDFS文件操... 阅读全文
摘要：
下面内容主要说明在Windows虚拟机上面，怎么搭建一个Hadoop伪分布式，并如何运行wordcount程序和网页查看HDFS文件系统。 1 相关软件下载和安装 APACH官网提供hadoop版本是32bit的。如果要在64bit Linux环境运行，需要重新编译hadoop，网盘提供的是64bi 阅读全文
摘要：
一、命名规范1、项目名全部小写2、包名全部小写3、类名首字母大写，如果类名由多个单词组成，每个单词的首字母都要大写。如：public class MyFirstClass{}4、变量名、方法名首字母小写，如果名称由多个单词组成，每个单词的首字母都要大写。如：int index=0;public vo... 阅读全文
摘要：
朴素贝叶斯 查看例子： 用p1(x, y)表示(x, y)属于类别1的概率，P2(x, y)表示(x, y)属于类别2的概率； 如果p(c1|x, y) > P(c2|x, y), 那么类别为1 如果p(c1|x, y) < P2(c2|x, y), 那么类别为2 根据贝叶斯公式： p(c|x, y 阅读全文
摘要：
在做分类时常常需要估算不同样本之间的相似性度量(Similarity Measurement)，这时通常采用的方法就是计算样本间的“距离”(Distance)。采用什么样的方法计算距离是很讲究，甚至关系到分类的正确与否。 本文的目的就是对常用的相似性度量作一个总结。本文目录：1. 欧氏距离2. 曼... 阅读全文
摘要：
1 用通俗的语言介绍下线性回归->逻辑回归->SVM之间的区别和联系。2 聚类算法的应用场景，以及k-means中的k值怎么确定。 1 def center(data): 2 3 center = [] 4 for num in data: 5 sumX =... 阅读全文
摘要：
1一个袋子里装有1000枚硬币，其中有一枚是两面都是正面。现从中取出一枚，连续抛掷10次都是正面。问：取出的硬币是两面都是正面的概率有多大？2某个小城镇有10万对夫妇，假设每对夫妇可以随意生孩子直到生出一个男孩为止，并且一对夫妇一年只能生一次。问1）10年后的男女比例；2）n年后，平均每个家庭有多少... 阅读全文
摘要：
merge into when matched then... when not mached then... MySQl for Tmall *取得重复的最大值，控制内循环的数量，推荐*/ SQL去除重复 Oracle中替代变量(动态参数)的使用 1. &变量名/&&变量名 &变量名, 执行sql 阅读全文
摘要：
Adaboost 算法 AdaBoost 是一种迭代算法，其核心思想是针对同一个训练集训练不同的分类器，即弱分类器，然后把这些弱分类器集合起来，构造一个更强的最终分类器。(很多博客里说的三个臭皮匠赛过诸葛亮) 算法本身是改变数据分布实现的，它根据每次训练集之中的每个样本的分类是否正确，以及上次的总体... 阅读全文
摘要：
降维技术使得数据变得更易使用，并且它们往往能够去除数据中的噪声，使得机器学习任务往往更加精确。降维往往作为预处理步骤，在数据应用到其它算法之前清洗数据。有很多技术可以用于数据降维，在这些技术中，独立成分分析（Independent Component Analysis, ICA）、因子分析（Fact... 阅读全文