摘要：
例子 SELECT cust_name,cust_contact FROM Customers,Orders,OrderItems WHERE Customers.cust_id=Orders.cust_id AND OrderItems.order_num=Orders.order_num AND 阅读全文
摘要：
联结： SQL最强大的功能之一：在数据查询中联结（join）多个存储不同信息的表。 最简单的例子：检索供应商的名字，产品的名字，产品的地址。 一：使用“where”子句： select prod_name,vend_name,vend_address from vendors,products wh 阅读全文
摘要：
使用Impala shell 输入impala-shell，即可进入impala-shell环境，impala-shell默认连接localhost:21000 如果要连接一个不同的主机(host) ，请使用使用impala-shell -i 主机名:端口号 如果要退出impala shell，请使 阅读全文
摘要：
Dense层 输入1*3维的Tensor，变成1*2维度，再变成1*2维，再变成1*2维 阅读全文
摘要：
传统方法的局限性： 一：数据稀疏性: 语言是离散的符号系统，每个字符，单词都是离散型随机变量。而机器学习模型只接受向量。所以为了将文本转换成向量，通常要将离散符号按照其索引编码为One-hot向量。 然而近义词之间并不能通过这种方式编码成相似的向量。 将任意词语表示为固定长度为n的稠密向量，并且稠密 阅读全文
摘要：
词向量： GloVe词向量：2014年的英文维基百科上训练。400k词，每个词用100维向量表示。 数据集： 20种新闻文本数据。 建模步骤： 1.把新闻样本转化为词索引序列。 词索引：每个词依次分配一个ID，只保留最常见的词(设置vocabulary_size）。 2.生成一个词向量矩阵。第i行表 阅读全文
摘要：
Lambda架构介绍 https://blog.csdn.net/rav009/article/details/85690985 从业务角度，数据的应用有实效性，常见电子商务。有的数据的应用对实效性要求比较低。比如客户画像分析。 所以lambda架构分为两种解决方法。 第一种是speed layer 阅读全文
摘要：
Keras介绍 keras建立变量后，会建立一个“计算图”。计算图规定了各个变量之间的计算关系。之后往计算图中输入数据，在整个模型形成数据。 https://github.com/MoyanZitto/keras-cn Moyan等大佬的翻译 http://blog.keras.io/ keras作 阅读全文
摘要：
Kalfka是一个集群模式。 生产者生产数据放到消息系统（Kalfka）中，消费者从Kalfka中读取数据。 阅读全文
摘要：
模式设计基础 1.表至少有一个主键。 2.只有主键才会被索引。(考虑查询会使用什么作为条件) 3.不能更新主键。 4.只有主键才能被用来做表分区。 主键和列的设计 设计表模式，最重要的一项是决定你的主键。你只能将主键用作分区模式的一部分，但无法更新它们。 其他列可以通过update和upsert选项 阅读全文