chouisbo的博客

汉明距离

Edit Distance(编辑距离)　　在计算机科学中，编辑距离用于度量任意两个字符串间不相似的程度，即二者之间的编辑距离越大表示两个字符串之间的差异就越大。问题描述：　　给定两个字符串ｘ和ｙ，只允许使用三种操作（插入一个字符、删除一个字符、修改一个字符）将ｘ变换为ｙ，求最少需要的操作次数。（更进一步，还需给出变换的具体步骤）

Binary Heap(二叉堆) 在计算机科学中，二叉堆是二叉树形状的堆结构。二叉堆是最常见的实现优先级队列的方法，它与优先级队列紧密相连，一起应用到诸多地方，在很多主流语言的标准算法库中都能看到它们的身影。同时它也是很多算法中需要用到的底层数据结构，能够快速地掌握这些已有的标准库和类，能够很高效地实现诸多算法。

数据科学-Python-实战iris数据集分类Iris数据集 是常用的分类实验数据集，由Fisher, 1936收集整理。Iris也称鸢尾花卉数据集，是一类多重变量分析的数据集。数据集包含150个数据集，分为3类，每类50个数据，每个数据包含4个属性。可通过花萼长度，花萼宽度，花瓣长度，花瓣宽度4个属性预测鸢尾花卉属于（Setosa，Versicolour，Virginica）三个种类中的哪一类。

蓄水池抽样问题是，从一个长度为n的流中随机选取k个元素，使得n个元素中的每个元素都以相同的概率被采样到，通常情况下n是一个未知的很大的数目，而且无法将其载入主存中。

Spark快速安装与部署运行