24个终极数据科学项目(可免费获取资源)

2019独角兽企业重金招聘Python工程师标准>>>

集群配置参数：

  cluster-enabled yes     //开启集群

  cluster-config-file nodes.conf    //保存集群信息的文件

  cluster-node-timeout 5000         //集群节点超时时间

集群环境准备：

  集群管理工具redis-trib是由ruby语言研发的，需要先安装ruby的依赖关系及环境；

  redis的源码文件中有一个管理工具，是用ruby写的，所以需要安装ruby相关的软件；

  yum install ruby rubygems -y

  gem install redis 

    注：国内访问内过慢请参考此网址--> http://gems.ruby-china.org/

    $ gem update --system # 这里请利用外网

    $ gem -v

    2.6.3

 

    $ gem sources --add https://gems.ruby-china.org/ --remove https://rubygems.org/

    $ gem sources -l

    https://gems.ruby-china.org

    # 确保只有 gems.ruby-china.org

  注：如果遇到 SSL 证书问题，你又无法解决，请直接用 http://gems.ruby-china.org 避免 SSL 的问题

  即：$ gem sources --add http://gems.ruby-china.org/ --remove https://rubygems.org/

利用redis-trib创建集群：

  cp /usr/local/src/redis-3.2.0/src/redis-trib.rb /usr/local/bin/redis-trib

  注：redis-trib.rb就是用ruby写的集群管理工具

  注：如果是二进制安装的，没有redis-trib文件，则需要去下载源码文件，复制源码文件中redis-trib

创建集群：

  注：集群中最少为3个节点  

数据科学项目为你在这个领域的深入研究提供了一个基础。通过实际应用，你不仅可以学习数据科学，也能够写在简历中提升你的资历。在这上边花费的时间越多，你学到的知识就越多。 本文精选了24个数据科学项目，并囊括了各个领域和各种不同大小的数据集。另外，所有的数据集都是开源、可免费获取的。   初级——这部分的数据集很容易处理，使用基础的回归/分类算法就可以处理这些数据集。并且，这些数据集有足够的教程供你学习。 中级——略微有点难度。包含了需要使用有点难度的模式识别技能来处理的大中型数据集。另外，特征工程在这里可以发挥作用了。 高级——包括神经网络、深度学习、推荐系统及高维数据等。 初级 1.Iris Data数据集（花的类别识别）   Iris Data Set可能是模式识别领域学习分类技术最基本入门级的数据集，适合初学者。该数据集里面包含了150行4列个数据。 问题: 根据已有特征预测花的类别。 资源：数据集 | 教程 2.Loan Prediction 数据集（贷款预测）   它是保险领域最常引用的一个数据集。利用这个数据集，你可以充分体验到如何处理保险公司的数据，包括会遇到哪些挑战、需要什么策略、哪些变量会影响结果等。这是一个分类问题，数据集包含615行13列个数据。

redis-trib create --replicas 1 127.0.0.1:7001 127.0.0.1:7002 127.0.0.1:7003 127.0.0.1:7004 127.0.0.1:7005 127.0.0.1:7006

  注：创建后前3个为主，后3个为从

转载于:https://my.oschina.net/u/3611008/blog/1834037