發(fā)簡信
IP屬地：廣東
-
機器學(xué)習(xí)的由來光陰似箭，歲月如梭。機器學(xué)習(xí)時間也將近大半年了，一直在思考為什么要學(xué)習(xí)這玩意。高數(shù)和線代一直是多少人的噩夢，諱莫如深的算法，加上spark、sc...
-
從矩陣到奇異值分解
矩陣行列式的幾何意義 矩陣只是一個數(shù)表，行列式還要對這個數(shù)表按照規(guī)則進一步計算，最終得到一個實數(shù)、復(fù)數(shù)或者多項式 概括說來有兩個解釋： 一個解釋...
-
從數(shù)據(jù)中提取有用特征
幾乎所有的機器學(xué)習(xí)模型都是與用向量表示的數(shù)值特征打交道。因此，需要將原始數(shù)據(jù)轉(zhuǎn)換為數(shù)值。 數(shù)值特征：這些特征通常為實數(shù)或整數(shù)，比如年齡 類別特征...
-
ML Pipelines
pipelines中文意思是計算機流水線作業(yè)，通過pipelines的api可以很方便的實現(xiàn)數(shù)據(jù)工作流：數(shù)據(jù)源->特征轉(zhuǎn)換->數(shù)據(jù)建模->數(shù)據(jù)預(yù)...
-
從貝葉斯定理到最大似然估計
昨天看到這樣一道題，一機器在良好狀態(tài)生產(chǎn)合格產(chǎn)品幾率是 90%，在故障狀態(tài)生產(chǎn)合格產(chǎn)品幾率是 30%，機器良好的概率是 75%。若一日第一件產(chǎn)品...
-
圖像數(shù)據(jù)源
spark2.4開始支持image圖片數(shù)據(jù)源操作 df的schema信息 如果是多層目錄，而且需要獲取目錄名，可以將目錄命為：cls=strin...
-
ml之相關(guān)關(guān)系皮爾森相關(guān)性 樣本相關(guān)與它代表的總體相關(guān)會存在一些誤差。即使總體之間不存在相關(guān)，任然可能會獲得一個非零相關(guān)，對于小樣本來說尤其如此 當樣本只有兩...
-
spark sql快速入門
常用的sql查詢引擎 hive，impala，hive on spark，presto（京東），drill（支持hdfs，hive），phoen...
-
Hadoop小文件問題
小文件過多，會消耗hdfs的namenode的內(nèi)存內(nèi)存消耗=文件數(shù)+目錄數(shù)+block的數(shù)量