2017年05月_O白马非马O

11月 06月 05月 03月

原创 SPARK官方实例：两种方法实现随机森林模型（ML/MLlib）

SPARK官方实例，两种方法实现随机森林

2017-05-31 17:26:24 5442

原创 Spark SQL中DataFrame API 的解析

collect， collectAsListcountfirstheadshowtakecacheColumnsdtypesexplainisLocalprintSchemaregisterTempTableschematoDFaggapplyasdistinctexceptexplodefiltergroupByintersectjoinlimit

2017-05-18 10:58:15 839

原创 Spark基本介绍和编译安装

Spark快如闪电的集群计算是快速和通用的大规模数据处理技术【speed】执行mr作业程序在内存比hadoop快100倍，磁盘上快10倍 spark有着DAG（有向无环图）执行引擎，支持离散数据流和内存计算【易于使用】多种语言编写 Java scala python R【Generality】合成SQL，流计算，复杂分析spark有自己的集群计算技术，扩展了hadoop mr模型

2017-05-14 12:12:55 398

原创 SPARK必备概念

RDD （resilient distributed dataset）弹性分布式数据集One stack to rule them all（一个技术堆栈容纳各种数据处理技术）包括的大数据计算模型：MapReduce、Streaming、SQL、Machine Learning、graph Processing对应的Spark四大子框架：Spark Streaming,Spark SQL,Mlli

2017-05-09 17:18:54 470

原创卢辉《数据挖掘与数据化运营实战：思路、方法、技巧和应用》第一遍读书笔记

原书京东链接 [TOC]第一遍（3,4两个月）观后感也不知道我们家宝宝哪里找到这本书的，结果让我先拿来学习了。这本书是我转行一来，认认真真从头到尾读的第一本跟数据挖掘相关的书，坦白讲，实用价值要远远高于看《机器学习》、《数据挖掘导论》这种偏学术的书籍；作者是30岁左右从一名机械专业相关的工作人员转行到数据行业；所以他的很多见解，往往能从高处落点，看行业由来和发展，分析业务需求与痛点，阐述

2017-05-01 16:39:18 3431 2