![](https://img-blog.csdnimg.cn/20201014180756754.png?x-oss-process=image/resize,m_fixed,h_64,w_64)
数据挖掘
partynew
这个作者很懒,什么都没留下…
展开
-
用 WEKA 进行数据挖掘 (From IBM)
第 1 部分: 简介和回归 点击打开链接第 2 部分: 分类和群集 点击打开链接第 3 部分: 最近邻和服务器端库 点击打开链接转载 2013-02-25 20:16:09 · 909 阅读 · 0 评论 -
Hadoop使用CombineFileInputFormat处理大量小文件接口实现(Hadoop-1.0.4)
Configuration设置块大小64MConfiguration conf = new Configuration();conf.setLong(MyCombineFileInputFormat.SPLIT_MINSIZE_PERNODE, 64 * 1024 * 1024);conf.setLong(MyCombineFileInputFormat.SPLIT_MINSIZE原创 2013-05-28 17:23:56 · 4155 阅读 · 0 评论 -
Hadoop中使用正则匹配的效率问题
正则表达式一直以来都是比较难掌握的,并且正则匹配的效率一直不高,特别是java语言。大数据还没来之前,正则匹配的效率问题还不算程序的大问题。正则匹配比较常用与URL的匹配,正巧网络流量日志是典型大数据文件。当大数据遇上正则匹配,抓狂的事情就发生了,效率极低。笔者做了一个简单的测试,对比了最简单的正则匹配(直接匹配某个字符串,没有任何通配符)和String的indexOf方法的效率原创 2013-05-30 19:03:48 · 2369 阅读 · 1 评论 -
Cohort Analysis组群分析(1)
1. 总体数据按30天(月)呈周期性趋势,(1) last day 是操作行为的峰值:存入最高,消费最高;存入比消费高;(2) 前6日左右是一个峰值日:存入峰值;(3) 前20日左右是一个风之日:存入峰值,消费峰值;消费比存入高;原创 2016-12-07 15:00:48 · 2153 阅读 · 0 评论