摘要：
Azure对于学生账户有260刀的免费试用，火急火燎地创建Hadoop Cluster！本例子是使用Hadoop MapReduce来统计一本电子书中各个单词的出现个数. Let's get hands dirty! 首先，我们在Azure中创建了一个Cluster，并且使用putty Ssh访问了 阅读全文
摘要：
1. Replication: 因为每个HDFS被部署在是低成本的商业硬件上(low cost commodity hardware)，所以为了有更佳的Fault Tolerance，HDFS将每个Block备份存储。默认的Replication Factor=3. Note: The NameNo 阅读全文
摘要：
1. What's HDFS? Hadoop Distributed File System is a block-structured file system where each file is divided into blocks of a pre-determined size. Thes 阅读全文
摘要：
1.Problem and Loss Function Linear Regression is a Supervised Learning Algorithm with input matrix X and output label Y. We train a system to make hyp 阅读全文
摘要：
本文解决python中比较令人困惑的一个小问题：传递到函数中的参数若在函数中进行了重新赋值，对于函数外的原变量有何影响。看一个小栗子： 请问程序执行后，a=1还是2？并解释原因。 实际上，这个问题有两个比较tricky的地方： 1. python的变量是没有类型的，类型属于对象。也就是说当我们操作x 阅读全文
摘要：
1. Random Experiments: a.可以在相同条件下，重复进行的实验 b.事先可以知晓实验可能出现的全部结果 c.事先无法预知本次实验会出现什么结果 2. 频率、相对频率与概率 如下图，Data Value这一列，列出了实验中所有可能出现的取值，Frequency是实验20次后，各个V 阅读全文
摘要：
Boosting Ensemble: 机器学习中,Ensemble model除了Bagging以外，更常用的是Boosting。与Bagging不同，Boosting中各个模型是串行的。其思想是，后面的model，要从前面models的预测中结果中，试图将错误纠正。下面两张图可以看出二者的异同： 阅读全文
摘要：
Bootstrap Method:在统计学中，Bootstrap从原始数据中抽取子集，然后分别求取各个子集的统计特征，最终将统计特征合并。例如求取某国人民的平均身高，不可能测量每一个人的身高，但却可以在10个省市，分别招募1000个志愿者来测量并求均值，最终再求取各省市的平均值。 Bagging(B 阅读全文
摘要：
在开始kNN博文之前，举一个小栗子。当手中的杯子突然滑落，从一米多高的空中坠向地板，常人会惊慌失措，心想：坏了，要碎了！这一下意识的想法，恰恰说明了kNN运作的机理：没有人在此之前见过那只特定的杯子打碎的样子， 但是大家见过很多其他杯子打碎的样子，以及很多杯子虽然摔落但没有碎掉的例子。所以我们知道， 阅读全文
摘要：
At the beginning, the difference between rank and dimension: rank is a property for matrix, while dimension for subspaces. So we can obtain the rank o 阅读全文