摘要：一、概率 1、定义： 对于古典试验中的事件A，它的概率定义为：P（A）=m/n，其中n表示该试验中所有可能出现的基本结果的总数目。m表示事件A包含的试验基本结果数。 由于频率nA/n总是介于0和1之间，从概率的统计定义可知，对任意事件A，皆有0≤P（A）≤1，P(Ω)=1，P（Φ）=0。其中Ω、Φ分 阅读全文
CentOS6.5安装nginx1.20
2016-08-10 18:06 by 猎手家园, 1561 阅读, 0 推荐, 收藏, 编辑
摘要：1、下载Nginx http://nginx.org/en/download.html nginx-1.20.0.tar.gz （已验证到当前版本） 2、安装依赖 依赖包安装顺序依次为：openssl、zlib、pcre 注：如果没有安装c++编译环境，还得安装，通过yum install gcc- 阅读全文
CentOS6.5安装MongoDB
2016-08-10 15:46 by 猎手家园, 1905 阅读, 0 推荐, 收藏, 编辑
摘要：1、下载MongoDB http://www.mongodb.org/downloads mongodb-linux-x86_64-3.2.8.tgz #目前最新版 2、建议关闭selinux 3、关闭防火墙或都增加MongoDB端口 #清空防火墙 #增加端口 或 4、解压MongoDB 5、创建数 阅读全文
数据分析与挖掘 - R语言：多元线性回归
2016-05-25 16:47 by 猎手家园, 885 阅读, 0 推荐, 收藏, 编辑
摘要：一个简单的例子！环境：CentOS6.5Hadoop集群、Hive、R、RHive，具体安装及调试方法见博客内文档。 线性回归主要用来做预测模型。 1、准备数据集： 2、确定线性回归函数：Y = β0 + β1X + ε 其中β0 + β1X 表示Y随X的变化而线性变化的部分；ε是随机误差，是一切不 阅读全文
大数据工具比较：R 语言和 Spark 谁更胜一筹？
2016-05-25 14:26 by 猎手家园, 1101 阅读, 0 推荐, 收藏, 编辑
摘要：本文有两重目的，一是在性能方面快速对比下R语言和Spark，二是想向大家介绍下Spark的机器学习库 背景介绍 由于R语言本身是单线程的，所以可能从性能方面对比Spark和R并不是很明智的做法。即使这种比较不是很理想，但是对于那些曾经遇到过这些问题的人，下文中的一些数字一定会让你很感兴趣。 你是否曾 阅读全文
数据分析与挖掘 - R语言：贝叶斯分类算法（案例三）
2016-05-25 14:04 by 猎手家园, 7727 阅读, 0 推荐, 收藏, 编辑
摘要：案例三比较简单，不需要自己写公式算法，使用了R自带的naiveBayes函数。 代码如下： 预测结果为： 和原数据一样！ *********************************这里是分割线************************************** 我们再拿这个方法来预测 阅读全文
数据分析与挖掘 - R语言：贝叶斯分类算法（案例二）
2016-05-25 13:43 by 猎手家园, 4217 阅读, 0 推荐, 收藏, 编辑
摘要：接着案例一，我们再使用另一种方法实例一个案例 直接上代码： 预测结果为： 可见该苹果的口味为：bad *********************************************这里是分割线************************************************ 阅读全文
数据分析与挖掘 - R语言：贝叶斯分类算法（案例一）
2016-05-25 13:31 by 猎手家园, 8835 阅读, 0 推荐, 收藏, 编辑
摘要：一个简单的例子！环境：CentOS6.5Hadoop集群、Hive、R、RHive，具体安装及调试方法见博客内文档。 名词解释： 先验概率：由以往的数据分析得到的概率, 叫做先验概率。 后验概率：而在得到信息之后，再重新加以修正的概率叫做后验概率。贝叶斯分类是后验概率。 贝叶斯分类算法步骤： 第一步 阅读全文
数据分析与挖掘 - R语言：KNN算法
2016-05-25 11:50 by 猎手家园, 3876 阅读, 0 推荐, 收藏, 编辑
摘要：一个简单的例子！环境：CentOS6.5Hadoop集群、Hive、R、RHive，具体安装及调试方法见博客内文档。 KNN算法步骤：需对所有样本点（已知分类+未知分类）进行归一化处理。然后，对未知分类的数据集中的每个样本点依次执行以下操作：1、计算已知类别数据集中的点与当前点（未知分类）的距离。2 阅读全文
R语言的scale函数
2016-05-19 10:47 by 猎手家园, 22161 阅读, 0 推荐, 收藏, 编辑
摘要：1、数据的中心化 所谓数据的中心化是指数据集中的各项数据减去数据集的均值。 例如有数据集1, 2, 3, 6, 3，其均值为3 那么中心化之后的数据集为1-3,2-3,3-3,6-3,3-3，即：-2,-1,0,3,0 2、数据的标准化 所谓数据的标准化是指中心化之后的数据在除以数据集的标准差，即数 阅读全文