發(fā)簡(jiǎn)信
IP屬地：香港
-
Mac 在IDEA 部署flink 并編寫(xiě)第一個(gè)流式WordCount程序1、環(huán)境配置 Java 環(huán)境配置：https://www.runoob.com/java/java-environment-setup.html...
-
hive 優(yōu)化方案
目前越來(lái)越多的公司開(kāi)始基于Hive搭建數(shù)據(jù)倉(cāng)庫(kù)，所以本文主要針對(duì)Hive介紹幾種優(yōu)化方式。盡管Hive已經(jīng)做了很多原生的優(yōu)化工作，但是仍然有優(yōu)化...
-
數(shù)據(jù)倉(cāng)庫(kù)值事實(shí)表基礎(chǔ)
事實(shí)表基本結(jié)構(gòu) 操作性事件中產(chǎn)生的可度量數(shù)值，存儲(chǔ)在事實(shí)表中，事實(shí)表肯定會(huì)包含外鍵，用來(lái)與維度表進(jìn)行關(guān)聯(lián)，也包含可選的退化維度鍵和日期/時(shí)間戳。...
-
數(shù)據(jù)倉(cāng)庫(kù)之高級(jí)事實(shí)表
事實(shí)表代理鍵 代理鍵可用作所有維度表的主鍵。不與任何維度關(guān)聯(lián)的事實(shí)表代理鍵，是在ETL加載過(guò)程中順次分配的，可用于作為事實(shí)表的唯一主鍵列；在ET...
-
無(wú)監(jiān)督的神經(jīng)網(wǎng)絡(luò)模型-自編碼器
自編碼器（簡(jiǎn)稱AE）是一種無(wú)監(jiān)督的神經(jīng)網(wǎng)絡(luò)模型，最初的AE是一個(gè)三層的前饋神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)，由輸入層、隱藏層和輸出層構(gòu)成，其核心的作用是能夠?qū)W習(xí)到輸...
-
緩慢變化維的類型以及處理方式
類型0:原樣保留 對(duì)維度屬性值不會(huì)發(fā)生變化的，事實(shí)表以原始值分組。例如持久型標(biāo)識(shí)符和日期維度的大多數(shù)屬性 類型1：重寫(xiě) 維度行中原來(lái)的屬性值被新...
-
深度神經(jīng)網(wǎng)絡(luò)的優(yōu)化和訓(xùn)練的難點(diǎn)
反向傳播算法仍然是當(dāng)前深度神經(jīng)網(wǎng)絡(luò)最受歡迎的模型最優(yōu)化方法。 反向傳播 反向傳播有前向和后向兩個(gè)操作構(gòu)成，前向操作利用當(dāng)前的權(quán)重參數(shù)和輸入數(shù)據(jù)，...
-
維度建模的流程
一、收集業(yè)務(wù)需求和數(shù)據(jù)實(shí)現(xiàn) 開(kāi)始維度建模工作前，需要理解業(yè)務(wù)需求，以及作為基礎(chǔ)的源數(shù)據(jù)的實(shí)際情況。通過(guò)與業(yè)務(wù)代表交流來(lái)發(fā)現(xiàn)需求，用于理解他們的基...
-
深度學(xué)習(xí)之時(shí)間遞歸神經(jīng)網(wǎng)絡(luò)
遞歸神經(jīng)網(wǎng)絡(luò)（RNN）分別是時(shí)間遞歸神經(jīng)網(wǎng)絡(luò)和結(jié)構(gòu)遞歸神經(jīng)網(wǎng)絡(luò)。本文主要介紹時(shí)間遞歸神經(jīng)網(wǎng)絡(luò)。 Elman遞歸神經(jīng)網(wǎng)絡(luò) 前饋神經(jīng)網(wǎng)絡(luò)將信息從輸入...