摘要：
1.基于Logistic回归和Sigmoid函数的分类 2.基于最优化方法的最佳回归系数确定 2.1 梯度上升法 参考：机器学习——梯度下降算法 2.2 训练算法：使用梯度上升找到最佳参数 Logistic回归梯度上升优化算法 2.3 分析数据：画出决策边界 画出数据集和Logistic回归最佳拟合 阅读全文
摘要：
1.基于贝叶斯决策理论的分类方法 2.使用朴素贝叶斯进行文档分类 使用Python进行文本分类 1.准备数据：从文本中构建词向量 2.训练算法：从词向量计算概率 3.测试算法：根据现实情况修改分类器 朴素贝叶斯分类函数 4.准备数据：文档词袋模型 示例：使用朴素贝叶斯过滤垃圾邮件 1.准备数据：切分 阅读全文
摘要：
如果遇到auth遗忘，又想删除zknode的情况，可以使用超级用户用来删除zknode 超级用户只能在zkserver启动的时候启用，需要在zkserver的启动命令中添加 -Dzookeeper.DigestAuthenticationProvider.superDigest 参数 -Dzooke 阅读全文
摘要：
官方文档：https://pandas.pydata.org/docs/reference/index.html 1.loc属性，通过标签或布尔数组访问一组行和列。pandas.DataFrame.loc >>> df = pd.DataFrame([[1, 2], [4, 5], [7, 8]], 阅读全文
摘要：
查看当前安装的linux内核版本号 查看当前使用的内核版本号 卸载不需要的内核 最后使用df命令查看boot的占用情况 阅读全文
摘要：
1.决策树的构造 优点：计算复杂度不高，输出结果易于理解，对中间值的缺失不敏感，可以处理不相关特征数据 缺点：可能会产生过度匹配问题 适用数据类型：数值型和标称型 2.划分数据集 3.递归构建决策树 4.在Python中使用Matplotlib注解绘制树形图 5.构造注解树 获取叶节点的数目和树的层 阅读全文
摘要：
k-近邻算法（kNN）采用测量不同特征值之间的距离方法进行分类。 优点：精度高、对异常值不敏感、无数据输入假定 缺点：计算复杂度高、空间复杂度高 使用数据范围：数值型和标称型 工作原理：存在一个样本数据集合，也称为训练样本集，并且样本集中每个数据都存在标签，即我们知道样本集中每一数据与所属分类的对应 阅读全文
摘要：
1.scylla部署 docker单机部署 可以使用docker镜像来启动scyllaDB docker集群部署 也可以使用docker镜像来部署scyllaDB集群 docker run --name scylla -p 9042:9042 -p 9160:9160 -p 10000:10000 阅读全文
摘要：
1.机器学习的主要任务：一是将实例数据划分到合适的分类中，即分类问题。 而是是回归， 它主要用于预测数值型数据，典型的回归例子：数据拟合曲线。 2.监督学习和无监督学习： 分类和回归属于监督学习，之所以称之为监督学习，是因为这类算法必须直到预测什么，即目标变量的分类信息。 对于无监督学习，此时数据没 阅读全文
摘要：
1.添加driver hive集群的版本是1.1.0-cdh5.16.2，而datagrip自带的hive driver版本是3.1.1和3.1.2，所以需要自行添加driver 参考：kerberos-2.datagrip（jdbc）连接hive kerberos add custome JARs 阅读全文
摘要：
又称单词查找树，Trie树，是一种树形结构，是一种哈希树的变种。 典型应用是用于统计，排序和保存大量的字符串（但不仅限于字符串），所以经常被搜索引擎系统用于文本词频统计。 它的优点是：利用字符串的公共前缀来减少查询时间，最大限度地减少无谓的字符串比较，查询效率比哈希树高。 下面是字典树数据的Java 阅读全文
摘要：
1.在IDEA或者pycharm中安装kubernets插件 2.使用kubernetes插件 在view的Tool windows中点击service 可以看到docker和kubernetes的管理界面 可以切换context，从而在不同k8s集群之间切换 多个k8s集群的配置文件默认在 /Us 阅读全文
摘要：
使用beeline连接hive kinit -kt xxx.keytab xxx beeline -u "jdbc:hive2://10.65.13.98:10000/default;principal=hive/_HOST@CLOUDERA.SITE" 参考： https://docs.cloud 阅读全文
摘要：
面试题18.1：编写一个函数，将两个数字相加。不得使用+或其他算数运算符。 面试题18.2：编写一个方法，洗一副牌。要求做到完美洗牌，换言之，这副牌52！中排列组合出现的概率相同。假设给定一个完美的随机数发生器。 面试题18.3：编写一个方法，从大小为n的数组中随机选出m个整数。要求每个元素被选中的 阅读全文
摘要：
文字部分为转载：http://hxraid.iteye.com/blog/647759 对N个关键字进行桶排序的时间复杂度分为两个部分： (1) 循环计算每个关键字的桶映射函数，这个时间复杂度是O(N)。 (2) 利用先进的比较排序算法对每个桶内的所有数据进行排序，其时间复杂度为 ∑ O(Ni*lo 阅读全文
摘要：
面试题17.1：编写一个函数，不用临时变量，直接交换两个数。 思路：使用差值或者异或 面试题17.2：设计一个算法，判断玩家是否赢了井字游戏。 面试题17.3：设计一个算法，算出n阶乘有多少个尾随零。 面试题17.4：编写一个方法，找出两个数字中最大的那一个。不得使用if-else或其他比较运算符。 阅读全文
摘要：
package cc150.thread_lock; public class RunnableThreadExample implements Runnable{ public int count = 0; public static void main(String[] args) { // TODO 自动生成的方法存根 RunnableThreadExample i... 阅读全文
摘要：
带权图的最小生成树——Prim算法和Kruskal算法 带权图的最短路径算法——Dijkstra算法 阅读全文
摘要：
点 建立无权图，添加新的顶点，添加边，显示顶点，返回一个和v邻接的未访问顶点，无权图的深度搜索，广度搜索，基于深度搜索的最小生成树，删除顶点，有向图的拓扑排序 有向图的连通性，Warshall算法 主函数 阅读全文
摘要：
npm安装 查看npm版本 npm -v npm查看所有版本 npm view npm versions npm更新到最新版 npm install -g npm 查看npm当前镜像源 npm config get registry 设置npm镜像源为淘宝镜像 npm config set regi 阅读全文
摘要：
1.减轻/对抗...的影响/风险 combat/decrease/deal with/handle the effect alleviate/relieve/mitigate the risk 2.接触风险 defuse the risk 3.由什么导致 caused by/suffer from 阅读全文
摘要：
package cc150.java; import java.util.Iterator; public class CircularArray { public static void main(String[] args) { //实现一个类似数组的数据结构，可以进行高效的旋转 // TODO 自动生成的方法存根 CircularArray ca... 阅读全文
摘要：
面试题11.1：给定两个排序后的数组A和B，其中A的末端有足够的缓冲空间容纳B。编写一个方法，将B合并入A并排序。 面试题11.2：编写一个方法，对字符串数组进行排序，将所有变位词排在相邻的位置。 面试题11.3：给定一个排序后的数组，包含n个整数，但这个数组已被旋转过很多次，次数不详。请编写代码找 阅读全文
摘要：
对于标称型数据，在特征处理的时候，需要对其进行编码 在编码之前，如果训练集和测试集是分开的，则需要对其进行合并，避免标称数据丢失 # 合并 df = train.append(test).reset_index() # 列名 original_columns = list(df.columns) 常 阅读全文
摘要：
面试题9.1：有个小孩正在上楼梯，楼梯有n个台阶，小孩一次可以上1阶、2阶或者3阶。实现一个方法，计算小孩有多少种上楼梯的方式。 思路：第4个数是前三个数之和 注意：能不能使用递归，能不能建立一个很大的数组来存储传递的参数（因为可能有空间的限制），要%1000000007防止超出范围 面试题9.2： 阅读全文
摘要：
面试题7.2：三角形的三个顶点上各有一只蚂蚁。如果蚂蚁开始沿着三角形的边爬行，两只或三只蚂蚁撞到一起的概率有多大？假定每只蚂蚁会随机选一个方向，每个方向被选到的几率相等，而且三只蚂蚁的爬行速度相同。 面试题7.3：给定直角坐标系上的两条线，确定这两条线会不会相交。 面试题7.4：编写方法，实现整数的 阅读全文
摘要：
面试题6.1：有20瓶药丸，其中19瓶装有1克/粒的药丸，余下一瓶装有1.1克/粒的药丸。给你一台称重精准的天平，怎么找出比较重的那瓶药丸？天平只能用一次。 思路：第1瓶取1颗，第2瓶取2颗。。。。最后是（总重-210克）/0.1=第几瓶 面试题6.2：有8×8棋盘，其中对角的角落上，两个方格被切掉 阅读全文
摘要：
面试题5.1：给定两个32位的整数N与M，以及表示比特位置的i与j。编写一个方法，将M插入N，使得M从N的第j位开始，到第i位结束。假定从j位到i位足以容纳M，也即若M=10011，那么j与i之间至少可容纳5个位。例如，不可能出现j=3和i=2的情况，因为第3位和第2位之间放不下M。 输入：N=10 阅读全文
摘要：
面试题4.1：实现一个函数，检查二叉树是否平衡。在这个问题中，平衡树的定义如下：任意一个结点，其两颗子树的高度差不超过1。 思路：两个方法，第一种速度较快 面试题4.2： 给定有向图，设计一个算法，找出两个结点之间是否存在一条路径。 思路：解法中使用了递归以及深度遍历，并没有通过栈来优化空间的占用（ 阅读全文
摘要：
面试题3.1：描述如何只用一个数组来实现三个栈。 方法1：固定分割 方法2：弹性分割（较难） 面试题3.2：请设计一个栈，除pop与push方法，还支持min方法，可返回栈元素中的最小值。push、pop和min三个方法的时间复杂度必须为O（1）。——《Leetcode》155. Min Stack 阅读全文
摘要：
面试题2.1：编写代码，移除未排序链表中的重复结点 进阶：如果不得使用临时缓冲区，该怎么解决？ 面试题2.2：实现一个算法，找出单向链表中倒数第k个结点。——《剑指Offer》面试题15 (找出) &《Leetcode》removeNthNode （移除） 面试题2.3：实现一个算法，删除单向链表中 阅读全文
摘要：
1.docker运行starrocks环境 docker run -p 9030:9030 -p 8030:8030 -p 8040:8040 -itd --name quickstart starrocks/allin1-ubuntu 参考：https://docs.starrocks.io/do 阅读全文
摘要：
1.TCP/IP网络分层模型 TCP/IP通常被认为是一个四层网络通信协议系统： 1.链路层，有时也称作数据链路层或网络接口层，通常包括操作系统中的设备驱动程序和计算机中对应的网络接口卡。它们一起处理与电缆(或其他任何传输媒介)的物理接口细节。2.网络层，有时也称作互联网层，处理分组在网络中的活动, 阅读全文
摘要：
面试题1.1：实现一个算法，确定一个字符串的所有字符是否全都不同。假使不允许使用额外的数据结构，又该如何处理？ 注意：ASCII字符共有255个，其中0-127的字符有字符表 第一种解法：是《CC150》里面的解法 第二种解法：先排序，然后通过异或运算判断是否有重复的字符 面试题1.2：实现void 阅读全文
摘要：
课程表 邻接矩阵 package graph; import java.util.LinkedList; import java.util.Queue; import thinkinjava.net.mindview.util.Stack; //类名：Vertex //属性： //方法： class 阅读全文
摘要：
阅读全文
摘要：
package sort; import java.util.Arrays; class Arrays_Shell{ private int[] arrays; private int curNum; public Arrays_Shell(int max) { //建立一个max长度的空数组 su 阅读全文
摘要：
arthas是阿里开发的一个java诊断工具，官网 https://arthas.aliyun.com/zh-cn/ 下载地址 https://github.com/alibaba/arthas/releases 启动arthas-boot.jar 选择java程序的pid，注意启动arthas-b 阅读全文
摘要：
参考：如何为Presto集成Kerberos环境下的Hive 阅读全文
摘要：
1.使用'a','an','the'和不使用冠词的基本规则： <1>泛指，不可数名词不能有任何冠词 <2>泛指，可数，复数名词前不能有冠词 <3>泛指，可数，单数名词前加'a'或者'an' <4>特殊的，特定的，或者一类名词中的一个前要加上'the' 2.不定冠词'a','an'的使用： 使用于单数 阅读全文