- 博客(10)
- 收藏
- 关注
RSS订阅原创 Redis安装配置详解
安装redis需要先将官网下载的源码进行编译，编译依赖gcc环境，如果没有gcc环境，需要安装gcc： yum install gcc-c++ 在官网上下载Redis压缩包，上传到虚拟机上 rz //上传 tar -zxvf redis-3.0.0.tar.gz -C /export/server //解压到/export/server 目录下 cd /export/server/redis-3.0.0 编译 make 编译完如下 安装编译后的文件） 安装到指目录： make PREFIX=/
2020-06-23 20:56:08
118
原创 Hbase安装与配置&hbase shell简单命令
一、前提条件 JDK1.7+ Hadoop 2.5.0+ Zookeeper 3.4.5+ 二、安装HBase （1）下载HBase安装包并解压 下载地址：http://www.apache.org/dyn/closer.cgi/hbase/ #上传 rz #解压 tar -zxvf hbase-0.96.2-hadoop2-bin.tar.gz -C /export/servers/ 进入该目录下的conf目录 cd hbase-0.96.2-hadoop2/ ls cd conf/ ls 配置hba
2020-06-10 15:55:05
355
原创 spark&&zookeeper集群搭建
1.安装JDK 二、安装spark 1.下载spark安装包 spark官网下载 http://spark.apache.org/downloads.html 2.上传解压spark rz //上传 tar -zxvf spark-3.0.0-preview2-bin-hadoop2.7.tgz -C /export/servers/ //解压到/export/servers/ 目录下...
2020-05-02 12:33:35
280
原创 hadoop集群搭过程
准备好三台虚拟机 进行hadoop集群操作 以下为三台虚拟机的hostname和IP地址 hostname Ip地址 Master 192.168.100.30 Slave1 192.168.100.31 Slave2 192.168.100.32 以hadoop01为主机，命名为Master 复制两台虚拟机 找到虚拟机的目录，直接复制两台虚拟机，命名为Slave1，Slave2，并相应打开文件删...
2020-05-02 12:22:03
203
原创 虚拟机centos6.4详细安装过程
一、安装虚拟机 这里是centOS 6.4为例（Minimal最小安装） 1、打开VMware创建新的虚拟机 选择典型，按下一步 选择稍后安装，点击下一步 选择linux，选择相对应的版本 修改虚拟机名称，选择安装的位置 下一步 点击自定义硬件 选择下载好的映像文件 网络适配器选择NAT模式 点击完成 开启此虚拟机，之后不要做任何操作 左右键选择Skip，空格确定 空格确定O...
2020-04-16 14:45:38
300
原创 机器学习 第三周 （人工神经网络）
神经网络 网络训练过程 输入：训练集数据、学习速率yita 过程： 在（0,1）范围内随机初始化网络中所有连接权和阈值 repeat 根据网络输入和当前参数计算网络输出值y 计算输出层神经元梯度项gj 计算隐层神经元梯度项eh 更新连接权值和阈值 until达到停止条件 输出：连接权值和阈值 ...
2020-04-12 11:07:48
461
原创 机器学习笔记 第一周 （模型评估与选择）
基本术语 学习（训练）：从数据中学得模型的过程 训练集：参与模型训练的样本集合 测试：学得模型后，使用其样本进行预测的过程 测试集：被预测的样本集合 假设：学得模型对应的关于数据的某种潜在规律 分类：输出结果是离散型 回归：输出结果是连续型 监督学习：训练样本有标记 无监督学习：训练样本无标记 泛化能力：学得模型适用于新样本能力 独立同分布：样本空间的全体样本都服从一个未知的分布，且相互独立 ...
2020-04-12 11:01:41
392
原创 机器学习 第五周 （聚类分析）
聚类分析的概述 分类与聚类 分类：学习／训练过程有监督，训练样本有明确标签 聚类：学习／训练过程无监督，样本无明确标签 聚类的概念 聚类是把各不相同的个体分割为有更多相似性子集合的工作。 聚类生成的子集合称为簇 聚类的要求 生成的簇内部的任意两个对象之间具有较高的相似度 属于不同簇的两个对象间具有较高的相异度 聚类与分类的区别在于聚类不依赖于预先定义的类，没有预定义的类和样本——聚类是一种无...
2020-03-31 17:26:24
1523
原创 机器学习 第四周最近邻算法 KNN
KNN算法 KNN 即K- 邻近分类算法 计算步骤： 算距离：给定测试对象，计算它与训练集中的每个对象的距离 找邻居：圈定距离最近的k个训练对象，作为测试对象的近邻 做分类：根据这k个近邻归属的主要类别，来对测试对象分类 懒惰算法 平时不好好学习，考试（对测试样本分类）时才临阵磨枪（临时去找k个近邻）。 懒惰的后果：模型简单，计算开销大。 算法流程 计算已知类别...
2020-03-29 23:08:30
288
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