- 博客(28)
- 资源 (6)
- 收藏
- 关注
原创 Spark-RDD笔记及集群作业实例
第一部分:RDD笔记定义:Resilient Distributed Dataset(弹性分布式数据集)RDD是Spark应用程序中的数据表示形式RDD是一种分布式的内存抽象RDD具有数据流模型的特点:自动容错、位置感知调度和可伸缩性RDD是只读的记录分区的集合,使得实现容错的开销很低RDD是高度受限的共享集合特性:分区(partition):RDD的基本组成单位 对于一个RDD,分
2017-09-26 22:18:14 321
原创 Spark安装及环境配置
往期博文讲过Hadoop集群的搭建,这次分享下Spark的安装和配置,Spark是基于Hadoop的大规模数据处理引擎。Spark的特点是基于内存的大数据综合处理框架,速度百倍于MapReduce适用于处理较多迭代次数的任务基于RDD(弹性分布式数据集)实现容错和并行提出了DAG(Directed Acyclic Graph有向无环图)支持多种语言的API(如Java、Scala、Pyth
2017-09-24 21:41:09 2599
原创 hadoop报错Name node is in safe mode
今天集群上操作出现如下错误:Cannot create directory /home/hduser/wordcount. Name node is in safe mode.安全模式。。翻了下资料,发现了解决方法 在hadoop安装目录下执行如下命令bin/hadoop dfsadmin -safemode leave即可解除安全模式Safe mode is OFFsafemode模式NameN
2017-09-24 10:26:08 328
原创 XGBoost调参demo(Python)
XGBoost我们用的是保险公司的一份数据# 各种库import pandas as pdimport numpy as npimport matplotlib.pyplot as pltfrom sklearn.linear_model import LogisticRegressionfrom sklearn.ensemble import RandomForestClassifier
2017-09-22 16:32:19 4773 1
原创 贝叶斯新闻分类demo(Python)
#pip install jiebaimport pandas as pdimport jieba数据源:http://www.sogou.com/labs/resource/ca.php df_news = pd.read_table('./data/val.txt',names=['category','theme','URL','content'],encoding='utf-8')df
2017-09-13 22:02:23 7418 3
原创 贝叶斯拼写检查器(python)
import re, collectionsdef words(text): return re.findall('[a-z]+', text.lower()) def train(features): model = collections.defaultdict(lambda: 1) for f in features: model[f] += 1 ret
2017-09-13 15:10:55 1095
原创 决策树demo(python)
%matplotlib inlineimport matplotlib.pyplot as pltimport pandas as pdfrom sklearn.datasets.california_housing import fetch_california_housinghousing = fetch_california_housing()print(housing.DESCR)h
2017-09-13 12:23:29 1119
原创 梯度下降求解逻辑回归(Python)
Logistic RegressionThe data我们将建立一个逻辑回归模型来预测一个学生是否被大学录取。假设你是一个大学系的管理员,你想根据两次考试的结果来决定每个申请人的录取机会。你有以前的申请人的历史数据,你可以用它作为逻辑回归的训练集。对于每一个培训例子,你有两个考试的申请人的分数和录取决定。为了做到这一点,我们将建立一个分类模型,根据考试成绩估计入学概率。import numpy as
2017-09-12 21:41:11 5574 3
原创 Python-基于物品的协同过滤算法(附两种算法的对比)
与上一篇UserCF数据来源一致。先贴代码ItemCF:#coding=utf-8import mathclass ItemCF: def __init__(self,basefile,testfile): self.datafile = basefile self.testfile = testfile self.readData()
2017-09-10 19:32:59 2982
原创 Python-基于用户的协同过滤算法
数据来源:https://grouplens.org/datasets/movielens/#--------------------------------------------------------# Purpose: 基于已知的训练集,"测试集"中的user的item进行评分预测,并进行用户没有接触过的物品进行推荐.#---------------------------------
2017-09-09 19:18:39 2973 7
原创 python距离计算公式
import mathimport numpy as npfrom math import sqrtx = np.array([1,3,2])y = np.array([-2,1,-1])# 相似度def cosDis (vector1,vector2): num = 0.0 xdenom = 0.0 ydenom = 0.0 for i in range
2017-09-09 19:09:00 980
原创 Flume搭建测试
日志收集之Flumecase 1:1. wget http://archive.apache.org/dist/flume/1.6.0/apache-flume-1.6.0-bin.tar.gz2. tar -zxvf apache-flume-1.6.0-bin.tar.gz3. mv apache-flume-1.6.0 flume4. cd confvi commands.c
2017-09-08 09:53:17 237
原创 Python爬虫实战(动态网页)
上一篇介绍了静态网页的爬虫,这次我们试试动态网页怎么爬取。#指定浏览器位置chrm = R"F:\Python\chromedriver_win32\chromedriver.exe"#爬取摘要、url等信息写入数据库import sqlite3#创建数据库db = R"E:\TencentNews.db"with sqlite3.connect(db) as conn: sql =
2017-09-07 16:44:16 634
原创 Python爬虫入门案例
免责声明:此案例为Python入门静态网页新闻爬取,未对目标网站进行大批量访问,不承担任何责任。写入数据库版本:import requestsfrom bs4 import BeautifulSoupimport numpy as npimport pandas as pdimport sqlalchemyimport pymysqlpymysql_engine = sqlalchemy
2017-09-06 21:50:27 340
原创 sqoop配置与简单应用
Sqoop = SQL- to-Hadoop,是易用、并行的导入导出工具。一. 安装1.1 安装并设置环境变量 解压缩,重命名为sqoopsudo gedit /etc/profile文末添加安装路径,别忘了source一下export SQOOP_HOME=/home/hduser/sqoopexport PATH=$SQOOP_HOME/bin:$PATH1.2 修
2017-09-02 18:41:45 263
原创 Hbase安装及参数说明
1.启动hadoopstart-all.sh 2.获取并解压HBase安装包tar -zxvf hbase-0.98.9-hadoop2-bin.tar.gz cd hbase-0.98.9-hadoop23.配置conf中的文件(1)配置hbase-env.sh(修改下面环境语句的路径)export JAVA_HOME=/usr/local/java/jdk1.7.0_71/(2)配置hbas
2017-09-02 17:03:41 287
原创 Hive安装
#close firewall#ufw disable #mysql开启远程登录权限#bind-address= 127.0.0.1#解压hive-0.13.1-bin.tar.gztar xvzf hive-0.13.1-bin.tar.gz#修改目录名称为hivemv apache-hive-0.13.1-bin hive#设置环境变量sudo gedit /etc/profile
2017-09-02 11:46:17 191
原创 招聘数据分析<三>
词云分析:############# 设置工作路径****## 请使用setwd函数,设置自己的工作路径,并将上述所提到的文件放到该工作路径下***## setwd(.....)## package: readxl 用于读取Excel文件## package: ggplot2 用于绘制各类图表## package: jiebaR 用于分词## package: wordcloud2 用于
2017-09-01 14:35:44 672
原创 招聘数据分析<二>
回归分析:############# 设置工作路径****## 请使用setwd函数,设置自己的工作路径,并将上述所提到的文件放到该工作路径下***## setwd(.....)## package: ggplot2 用于绘制各类图表library(ggplot2)load("temp.rda") ## 调用描述性统计“descriptive statsics.R”的中间运行结果## 图片颜
2017-09-01 14:30:05 593
原创 招聘数据分析<一>
描述性分析部分:rm(list = ls()) ## 清空工作目录############# 设置工作路径****## 使用setwd函数,设置自己的工作路径***## setwd(.....)## package: readxl 用于读取Excel文件## package: ggplot2 用于绘制各类图表## package: jiebaR 用于分词library(readxl)
2017-09-01 14:07:09 735
原创 关联规则demo
library(arules) # association ruleslibrary(arulesViz) # data visualization of association ruleslibrary(RColorBrewer)groceries <- read.transactions("groceries.csv", format="basket", sep=",") summa
2017-09-01 13:50:33 494
原创 数据预处理demo
R笔记:#step(1): Reading datatxt=readLines("Data_Hw2.txt") #readLines: when the rows in a data files are not uniformly formattedtxt#step(2):Selecting lines containing dataI=grepl("^//",txt)Idat=txt
2017-09-01 11:12:54 382
原创 随机森林(R)
#### random forest ############install.packages('randomForest')library(randomForest) data(iris) attach(iris)table(iris$Species)class=as.factor(iris$Species)######描述 ############biplot(princom
2017-09-01 10:57:02 556
原创 聚类(R)
####聚类######随机产生三个簇点c1<-cbind(rnorm(100,2,1),rnorm(100,2,2))c2<-cbind(rnorm(80,3,1),rnorm(80,20,1))c3<-cbind(rnorm(60,15,1),rnorm(60,25,1))v=rbind(c1,c2,c3)vplot(v)cl=kmeans(v,3)clcl$itercl$
2017-09-01 10:53:28 351
原创 决策树实现(R)
###### decision tree ##########install.packages('rpart.plot')install.packages('rattle')install.packages('RColorBrewer')library(rpart)library(rattle)library(rpart.plot)library(RColorBrewer)######
2017-09-01 10:41:37 652
原创 KNN算法demo(R)
KNN算法###### knn 算法 ################## KNN 在R中使用到的包有“class包”,“gmodels包”“FNN”“rKnn”########## 以iris为例 ##############library(class)#####划分数据及,训练集,70%随机抽样######index=sample(1:nrow(iris),0.7*nrow(iris))
2017-09-01 10:36:26 559
原创 R笔记(绘图)
R笔记:setwd("F:\\R基础")getwd()#R绘图示例demo(graphics) #二维demo(persp) #三维#####1.绘图区域分割######函数par() #首先,准备绘图数据:从外部读取或随机数生成dat=read.table("online shopping.txt",header=T)attach(dat)set.seed(1234)x=
2017-09-01 10:22:34 606
原创 R笔记(简单数据处理)
R语言笔记#设定R软件当前工作目录setwd("E:/R work")#显示R软件当前工作目录getwd()#R语言数据预处理常用包安装#plyr,reshape2,lubridate, stringrinstall.packages(c("plyr","reshape2","lubridate", "stringr","foreign"))library(MASS)library(
2017-09-01 10:17:55 3848
空空如也
TA创建的收藏夹 TA关注的收藏夹
TA关注的人