- 博客(18)
- 收藏
- 关注
原创 机器学习-----构建房屋售价预测回归模型
启动graphlab createimport graphlab读取一些房屋销售数据sales = graphlab.SFrame('根据自己的目录读取home_data.gl文件')graphlab.canvas.set_target('ipynb') //设置画出的图像在ipython notebook中现实sales.show(view = "Scatter Plot",x = "sqf...
2018-02-28 00:12:06 3127
原创 机器学习---线性回归(房价预测)
不在线上的点到预测的线的距离的平方-------残差平方和(找出最小值)1.训练误差(使其最小化)2.测试误差(排出的数据训练)实际举例:回归的总结:...
2018-02-25 23:55:20 4365 1
原创 机器学习认知之路-----安装到Anaconda Python环境
第1步:下载Anaconda2 v4.0.0第2步:安装Anaconda# Run Anaconda2 v4.0.0 installer.bash /path to download file/Anaconda2-4.0.0-Linux-x86_64.sh第3步:创建conda环境# Create a new conda environment with Python 2.7.xconda c...
2018-02-24 22:47:14 585
原创 分布式计算框架MapReduce
1.JobTracker:JT作业的管理者将作业分解成一堆的任务:Task(MapTask和ReduceTask)将任务分配给TaskTracker运行作业的监控、容错处理心跳检测:在一定的时间间隔内,JT没有收到TT的心跳信息,TT可能挂了,TT上运行的任务会被指派到其他TT上去执行2.TaskTrack:TT任务的执行者在TT上执行我们的Task与JT进行交互:执行/启动/停止作业,发送心跳信...
2018-02-20 11:26:55 348
原创 分布式计算框架mapreduce
从wordcount来学习:统计文件中的单词书目1.读取 2.拆分 3.读取split中的数据 4.每一行交由map处理 5.结果由partition分区交由对应的reduce处理 6.通过outputformat进行输出写到文件系统上面...
2018-02-20 09:58:03 278
原创 YARN的环境搭建
配置yarn Yarn是hadoop的资源调度器,可以配置mapreduce job基于yarn运行。 1)配置etc/hadoop/mapred-site.xml(告诉mapreduce框架,最终执行时跑的位置是yarn上)<configuration> <property> <name>mapreduce.framework...
2018-02-19 18:39:26 309
原创 资源调度框架YARN简述
YARN的产生背景(通俗讲就是需要在不同时间使用不同的工具来处理数据,需要一个工具来调度,这个工具就是yarn):YARN的架构:重要的组件介绍:1)resource manager(RM):整个集群同一时间提供服务的RM只有一个(公司中会有一个备用的),负责集群资源的统一管理处理客户端(client)的请求:提交一个作业、杀死一个作业监控NM,一旦NM节点挂掉,上面运行的任务如何处理要告诉AM来...
2018-02-19 18:11:10 603
原创 HDFS的读写过程简述
主要的角色:客户端:负责发起或提交读写请求(如果往HDFS上存储数据或获取数据,就要告诉客户端)。namenode:HDFS的核心负责全局协调,做任何事都要向这里汇报,和把控所有的请求。datanode:数量不定,负责数据的 存储。把数据写到HDFS的集群的过程1.用户向客户端请求服务 请求角色:1.hdfs shell2.JAVA API ...
2018-02-19 15:57:57 5370
原创 hadoop伪分布式安装步骤
http://blog.csdn.net/weixin_39216383/article/details/78953236配置http://blog.csdn.net/ye1142262478/article/details/50628643修改主机名1.安装linux6.4版本2.安装jdk7u79版本解压安装包:* -C为指定目录配置javahome:使环境变量生效:source ~/.bas...
2018-02-15 09:23:35 310
转载 细读HDFS的框架结构
传统分布式文件:什么是HDFS?要点:1.1个master带N个slaves datenod管理数据的存储namenod(nn)负责文件系统的读写操作datenod(dn)负责块的一些操作
2018-02-12 16:41:06 412
原创 hadoop常用版本和选型
hadoop常用版本和选型apache hadoop 原生的,工作生产不建议CDH:优点:网页安装配置简单和spark合作完美(占30%) 缺点:安装框架不开源 www.cloudera.com/cdh5/cdh/5/使用版本:HDP:开源(占60%),安装费劲...
2018-02-10 17:49:28 2634
转载 如何搭建一个GitHubpage
https://www.zhihu.com/question/20376047?sort=createdhttp://www.pchou.info/ssgithubPage/2013-01-03-build-github-blog-page-01.html
2018-02-10 12:22:31 316
原创 hadoop核心组件分布式文件系统HDFS、资源调度管理系统YARN、分布式计算框架MapReduce
分布式存储系统的第一印象HDFS是基于谷歌的GFS的克隆版本HDFS的特点:可扩展性(当节点不够添加一台机器就可以了),可容错的(多副本的方式可存储的),海量数据的存储将上传文件切分成指定大小的数据块(128M)并以多副本的存储在多个机器上(处理对象任然是文件,具体的切分、多副本和容错由hadoop完成)fiflename文件名称numreplicas数据重复次数block-id被重复的数据编号资...
2018-02-10 12:08:54 1095
原创 初识hadoop
1.什么是hadoophadoop是一个可靠(reliable)的、可扩展(scalable)的分布式(distributed)的开源计算框架!Apache hadoop 允许分布式处理的一个软件,并且跨越在集群的机器上(意思是数据分开存储在各个节点之上的),并且使用一种简单的编程模型。可以从单个数据信号扩展到成百上千台机器上。2.hadoop主要包含了哪些模块hadoop common(通用包)...
2018-02-10 11:45:20 175
空空如也
空空如也
TA创建的收藏夹 TA关注的收藏夹
TA关注的人