yaoyepeng的专栏

http://www.scriptiny.com/

 JournalsACM TKDD http://tkdd.cs.uiuc.edu/DMKD http://www.springerlink.com/content/1573-756X/?p=859c3e83455d41679ef1be783e923d1d&pi=0IEEE TKDE http://www.ieee.org/organizations/pubs/transactions/tkd

《UCI数据集和源代码》
UCI数据集是一个常用的标准测试数据集，下载地址在
http://www.ics.uci.edu/~mlearn/MLRepository.html
我的主页上也有整理好的一些UCI数据集(arff格式)：
http://lamda.nju.edu.cn/yuy/files/download/UCI_arff.zip
在看别人的论文时，别人使用的数据集会给出数据集的出处或下载地址（除非是很机密的数据，例如与国家安全有关）

     将数据库中的对象进行聚类是聚类分析的基本操作，其准则是使属于同一类的个体间距离尽可能小，而不同类个体间距离尽可能大，为了找到效率高、通用性强的聚类方法人们从不同角度提出了近百种聚类方法，典型的有K-means方法、K-medoids方法、CLARANS方法,BIRCH方法等，这些算法适用于特定的问题及用户。本文综合提出了评价聚类算法好坏的5个标准，基于这5个标准，对数据挖掘中常用聚类方法作了比较分析，以便于人们更容易、更快捷地找到一种适用于特定问题及用户的聚类算法。

    在安装软件之前，先要打开 C:/windows/system32/drivers/etc/hosts 文件，往其中添加 127.0.0.1 activate.adobe.com 一行,这是防止到官方网站验证。
    hosts 是个隐藏文件，如果你找不到，则需要先修改“文件夹选项”中的相关设定。打开“文件夹选项”，切换到“查看”选项卡，选中“隐藏文件和文件夹”下面的“显示所有文件和文件夹”，然后单击“确定”。
也有人说要往 hosts 中添加更多屏蔽网址，如

0、http://www.emule-project.net/
1、http://www.simplecd.org/
2. http://qvocd.com/
3、http://www.ied2k.com/
4、http://www.thshare.net/
5、http://www.eastgame.net 
eastgame.net 
6、http://www.chnp2p.com/
7、http://www.h

python的基本语法，和java的做个比较：

一、数
    python只有4种类型的数：整数，长整数，浮点数和java中没有的复数；
    java则有char，short,byte，int，long，float,double类型;

二、字符串
    python没有表示单个字符的char类型，可以用单引号，双引号来表示一个常量字符串，也可以用三引号('''或者“”“)来表示一个多行的字符串；
   

package com.felix; import java.io.IOException; import java.util.Iterator; import java.util.StringTokenizer; import org.apache.hadoop.fs.Path; import org.apache.hadoop.io.IntWritable; import org.apache.hadoop.io.LongWritable;

Hadoop主要用来对非结构化或半结构化（HBase）数据进行存储和分析，而结构化的数据则一般使用数据库来进行存储和访问。本文的主要内容则是讲述如何将Hadoop与现有的数据库结合起来，在Hadoop应用程序中访问数据库中的文件。1.DBInputFormatDBInputFormat是Hadoop从0.19.0开始支持的一种输入格式，包含在包org.apache.hadoop.mapred.lib.db中，主要用来与现有的数据库系统进行交互，包括MySQL、PostgreSQL、Oracle等几个数据库系

 
1.在消息映射中手动添加：
afx_msg UINT OnNcHitTest(CPoint pt);
2.在.cpp文件中添加：
BEGIN_MESSAGE_MAP(CMyDialog, CDialog)
//{{AFX_MSG_MAP(CMyDialog)
ON_WM_SYSCOMMAND()
ON_BN_CLICKED(ID_APP_ABOUT,OnAbout)
ON_WM_PAINT()
ON_W

Hadoop Streaming 是一个工具， 代替编写Java的实现类，而利用可执行程序来完成map-reduce过程

工作流程　：　

InputFile --> mappers --> [Partitioner] --> reducers --> outputFiles

理解 :　
1 输入文件，可以是指定远程文件系统内的文件夹下的 *
2 通过集群自己分解到各个PC上，每个mapper是一个可执行文件，相

    首先，当然要下载个linux下的drcom源代码，在这里可以下载最新版本的drcom。
http://sourceforge.net/projects/drcom-client/files/drcom-for-linux-2.6/
 
    然后把下载的drcom-1.*.*.tar.gz放在桌面，右键解压到此处。
    进入刚解压的目录，执行
make
sudo make install
    PS：在这里

Linux下的Hadoop--分布式模式的部署　　选用软件版本：1. jdk 1.6.0.102. hadoop-0.19.11. 准备Host环境和配置ssh主节点IP是192.168.1.247，子节点1是192.168.1.36，修改两个节点的/etc/hosts文件：# /etc/hosts (for master AND slave)192.168.1.247 master192.168.1.36 slave分别在两台机器上添加用户hadoop①在master上：groupadd -g 2000

用Python来写分布式的程序。这样速度快。便于调试，更有实际意义。MapReduce适合于对文本文件的处理及数据挖掘用：
　　在每台机器上：
su - hadoop
wget http://www.python.org/ftp/python/3.0.1/Python-3.0.1.tar.bz2
tar jxvf Python-3.0.1.tar.bz2
cd Python-3.0.1
./configure --prefix=/h

Hadoop学习资料 -- 这里面总结了很多的东西，值得一一细看http://cloud21.javaeye.com/blog/607175 关于Hadoop的两本书 -- 有电子书下载http://caibinbupt.javaeye.com/blog/418846 JavaEye Hadoop圈子 -- 圈子中的Hadoop资源篇很不错http://hadoop.group.javaeye.com/ 豆瓣hadoop小组http://www.douban.com/group/156966/ 推荐Clou

Hadoop学习资料 -- 这里面总结了很多的东西，值得一一细看http://cloud21.iteye.com/blog/607175关于Hadoop的两本书 -- 有电子书下载http://caibinbupt.iteye.com/blog/418846JavaEye Hadoop圈子 -- 圈子中的Hadoop资源篇很不错http://hadoop.group.iteye.c...