摘要： 1、问题 一个有意思的业务题，给一批用户数据，每条数据由网络IP和该条上网记录的时时间戳组成；如何设计可用特征，用于区分此批数据是属于网吧用户还是家庭用户？ 2、部分思路 （1）最直观的可从原始数据中获取用户上网集中时间情况，一般而言，家庭用户较为集中在某些时间点（如晚上），而网吧用户则全天候都很有 阅读全文

摘要： 一、K-Means算法原理 二、Hadoop实现K-Means的做法 1、伪代码 （1）主要参数 输入： 参数0--存储样本数据的文本文件inputfile； 参数1--存储样本数据的SequenceFile文件inputPath； 参数2--存储质心数据的SequenceFile文件centerP 阅读全文