闲狗的博客

厦门大学数据库实验室大数据系列学习教程： http://dblab.xmu.edu.cn/blog/ HBase入门学习教程： https://blog.csdn.net/nosqlnotes/article/details/79647096 HBase 深入浅出： https://www.ibm.com/developerworks/cn/analytics/library/ba-cn...

1 开场白 1.1 文件系统（File System）是啥 文件系统是操作系统中统一管理信息资源的一种软件，管理文件的存储，检索，更新，提供安全可靠的共享和保护手段，方便用户使用。通过统一的命名空间——目录树来定位管理文件。 1.2 常见的文件系统 Windows —— FAT16文件系统，FAT32文件系统，NTFS文件系统 ...... 2 HDFS（Hadoop Dist...

来源于阮一峰的博文：http://www.ruanyifeng.com/blog/2013/03/automatic_summarization.html 有时候，很简单的数学方法，就可以完成很复杂的任务。 这个系列的前两部分就是很好的例子。仅仅依靠统计词频，就能找出关键词和相似文章。虽然它们算不上效果最好的方法，但肯定是最简便易行的方法。 今天，依然继续这个主题。讨论如何通过词频，对文章进...

来源于阮一峰的博文：http://www.ruanyifeng.com/blog/2013/03/cosine_similarity.html 上一次，我用TF-IDF算法自动提取关键词。 今天，我们再来研究另一个相关的问题。有些时候，除了找到关键词，我们还希望找到与原文章相似的其他文章。比如，"Google新闻"在主新闻下方，还提供多条相似的新闻。 为了找出相似的文章，需要用到"余弦相...

来源于阮一峰的博文：http://www.ruanyifeng.com/blog/2013/03/tf-idf.html 这个标题看上去好像很复杂，其实我要谈的是一个很简单的问题。 有一篇很长的文章，我要用计算机提取它的关键词（Automatic Keyphrase extraction），完全不加以人工干预，请问怎样才能正确做到？ 这个问题涉及到数据挖掘、文本处理、信息检索等很多计算机...

来源于阮一峰的博文：http://www.ruanyifeng.com/blog/2011/08/bayesian_inference_part_two.html 七、什么是贝叶斯过滤器？ 正确识别垃圾邮件的技术难度非常大。传统的垃圾邮件过滤方法，主要有"关键词法"和"校验码法"等。前者的过滤依据是特定的词语；后者则是计算邮件文本的校验码，再与已知的垃圾邮件进行对比。它们的识别效果都不理想，而...

来源于阮一峰的博文： http://www.ruanyifeng.com/blog/2011/08/bayesian_inference_part_one.html 一、什么是贝叶斯推断 贝叶斯推断（Bayesian inference）是一种统计学方法，用来估计统计量的某种性质。 它是贝叶斯定理（Bayes' theorem）的应用。英国数学家托马斯·贝叶斯（Thomas Bayes）在...

（通过观看慕课网Hadoop进阶总结出来的笔记：http://www.imooc.com/learn/890）一. 余弦相似度其他的相似度种类1.切比雪夫距离   2.欧式距离   3.皮尔森系数   4.曼哈顿距离    5.杰卡德距离二. 基于物品的协同过滤算法ItemCF算法思想：给用户推荐那些和他们之前喜欢的物品相似的物品1.用户行为与权重例子：用户：A，B，C商品：1,2,3,4,5,6...

一. What is Docker? 1. 官方解释：Docker is the world's leading software containerization platform 2. Docker公司开发，开源，托管在Github，跨平台 3. Docker属于Linux容器的一种封装，提供简单易用的容器使用接口。 二. Docker解决的问题 1. 更高效地利用系统资源 由...