如锡如璧

Make your model a web service (using Microsoft Azure machine learning studio)1. construct an experiment using the studio.2. Set up the web service.Run this experiment firstly and then click the bu...

Visualizing Data via R (box-plot,histogram,violin,scatter)load datalibrary("AzureML")ws = workspace()auto.price = download.datasets(ws, "Automobile price data (Raw)")## Coerce some character col...

Hypothesis with R and Understanding of P-value and confidence-intervalHypothesis with R数据集说明数据可视化使用t-test（small samples）进行双边假设检验Hypothesis with R数据集说明基于Galton数据集，检验儿子和女儿与母亲身高的相关性library("AzureML")...

summary the statistics of data visualize the statistics (boxplot and histogram) view the data library("AzureML")ws <- workspace()dat <- download.datasets(ws, "Automobile price da...

Understand doc2vecData introductionTrain a modelTest the modelCluster all the lyricsFilter out the duplicates1. Understand doc2vec [1]doc2vec是基于word2vec演化而来，其本质是要学出文档的一个表示，模型由谷歌科学家Quoc Le 和 T...

Understand doc2vecData introductionTrain a modelTest the modelCluster all the lyricsFilter out the duplicates1. Understand doc2vec [1]doc2vec是基于word2vec演化而来，其本质是要学出文档的一个表示，模型由谷歌科学家Quoc Le 和 T...

data introductionSelect packagesSplit datasetfeature selectiontune parametersprediciton1. data introduction我的数据包含一千五百多条样例，92个属性，待预测项目有性别这样的分类问题，也有年龄这样的回归问题。2. select packageslibrary(ggplot2...

目录1. select packages2. clean text3. generate word cloud4. 一个小技巧 a little trick1. Select packageslibrary("tm") #text mininglibrary("SnowballC") #word stemming if necessarylibrary(&am

-perplexity介绍-LDA确定主题的数目perplexity在对文本的主题特征进行研究时，我们往往要指定LDA生成的主题的数目，而一般的解决方法是使用perplexity来计算，原理如下(概率分布perplexity)：其中，M是测试语料库的大小，Nd是第d篇文本大小（即单词个数） 其中z是主题，w是文档，gamma是训练集学出来的文本-主题分布 所以p...

用页面解析的方式从twitter爬下来的帖子时间有时候是中文的，如下： 由于时间处理的细节很多，所以在这里做一个小结，首先要明白处理的目标数据应该是24小时制，并且形式如下format = "%Y-%m-%d %H:%M:%S"也就是要将字符串转换为datetime.datetime类型 代码如下：from datetime import datetimeformat =...

根据地理位置和关键词爬取twitter数据存入MongoDB并生成词云转载注明出处tweepy获取数据生成词云tweepy获取数据1. 建立model model.pyclass twitter_post(Document): _id = ObjectIdField(primary_key = True) screen_name = St...

Elasticsearch从索引到查询创建索引分词查询高亮分页排序创建索引第一步，创建索引`if self.es.indices.exists(index='test-index') is not True: self.es.indices.create(index='test-index',body=self._index_mappings)

迪安智酷 | 研究出品 研究结论： 1. 数据中心规模与公司线上业务量呈现正相关； 2. 数据中心基础设施建设，整体追求高质量、生态友好，其中花旗集团和ACT均拿到LEED白金级认证； 3. 数据中心基础设施交付方式呈现多样化，但是总体技术方向偏向于高架交付，同时地理等自然因素也成为交付方式选择需要考虑的关键点； 4. 大多数数据中心建造用时普遍偏长，侧面反映施工难度和质量要求，多

迪安智酷| 研究出品研究结论：数据中心规模与公司线上业务量呈现正相关；数据中心基础设施建设，整体追求高质量、生态友好，其中花旗集团和ACT均拿到LEED白金级认证；数据中心基础设施交付方式呈现多样化，但是总体技术方向偏向于高架交付，同时地理等自然因素也成为交付方式选择需要考虑的关键点；大多数数据中心建造用时普遍偏长，侧面反映施工难

今天在安装numpy时，出现了Python Version 2.7 required which was not found in the registry错误，解决方案如下。 Python的一些第三方库只到注册表的HKEY_LOCAL_MACHINE\SOFTWARE\Wow6432Node\Python\PythonCore\2.7\InstallPath路径下寻找Python

经过一周时间的学习，现在将我对于这个领域技术和问题的一些认识进行总结：概述：智能电厂的总体架构：右边是对智能电厂的整体体系结构的一个展示，左边则是我们需要做的大数据方向的工作，其实智能电厂就是将大数据的一系列技术应用到传统电厂，当然其中也涉及了物联网技术以及网络通信技术等。从查阅资料的实际情况来看，这确实是一个比较新的领域，国外在scopus中的论文以及IEEE数据库的会议文档谈论最多的是面向智能

浅谈大数据与智能电厂 ——2015\6\12 前段时间，IBM刚刚宣布了一项新技术HyRef，用于能源电力行业，该技术结合大数据分析和天气建模，旨在提高可再生能源的可靠性；钢铁集团济钢公司也后脚使用IBM的Con

prim算法和Dijkstra算法都是图论或者离散数学里面的典型算法，由于两者在实现策略上有很多相似之处，现做以比较： 同： (1)、两者都属于贪心算法的应用； (2)、都使用了堆结构； (3)、都有松弛操作； 异： (1)、给一堆村子之间修路，保证花费最小，用prim算法； 从一个村子到其他所有村子修路，并且希望花费最小，用Dijkstra。 (2)、prim适用于无相连通图；Di

在搜索引擎中我们经常会看到这样的情景： 红色部分我们称之为高亮显示，lucene提供了HighLighter模块来实现这一功能。 高亮显示模块通常包含两个独立的功能，首先是动态拆分，就是从匹配搜索的大量文本中选取一小部分句子。第二个内容就是高亮显示。 我们先来看下高亮显示的原理： 一、TokenSources:IndexReader reader = DirectoryReader.op