1. 逻辑与操作: AND语法: A AND B 操作类型：boolean 说明：如果A和B均为TRUE，则为TRUE；否则为FALSE。如果A为NULL或B为NULL，则为NULL 举例： 12345hive> select 1 f

下面介绍本博客使用hexo搭建github pages的过程。 一、流程介绍安装Homebrew –> 安装nodejs –> 安装hexo、npm –> 本地测试 –> 配置Github ssh key链接 –

Welcome to Hexo! This is your very first post. Check documentation for more info. If you get any problems when using Hex

原文地址: https://blog.csdn.net/jasonding1354/article/details/47171115 1. 引言在之前学习机器学习技术中, 很少关注特征工程(Feature Engineering), 然而单

1. 交叉验证1.1 方法介绍CrossValidator将数据集划分为若干子集分别地训练和测试。 如当k=3时， CrossValidator产生3个训练数据与测试数据对， 每个数据对使用2/3 的数据来训练， 1/3的数据来测试。 对于

1.协同过滤算法介绍： 协同过滤常备用于推荐系统。 这类技术目标在于填充“用户 - 商品”联系矩阵中的缺失项。 Spark.ml目前支持基于模型的协同过滤， 其中用户和商品以少量的潜在因子来描述， 用以预测缺失项。 Spark.ml使用交替

1. K均值1.1 算法介绍：K 均值（K-means） 是一个常用的聚类算法来讲数据按预定的簇数进行剧集。k-means 算法的基本思想史： 以空间K个点为中心进行聚类， 对靠近他们的对象归类。 通过迭代的方法， 主次更新各聚类中心的值，

1. 梯度提升树回归1.1 算法简介梯度提升树是一种决策树的继承算法。它通过反复迭代训练决策树来最小化损失函数。 决策树类似，梯度提升树具有可处理类别特征，易扩展到多分类问题， 不需要特征缩放等性质。 spark.ml 通过使用现有 dec

1. 广义线性模型1. 算法介绍与线性回归假设输出服从高斯分布不同， 广义线性模型（GLMs）指定先行模型的因变量 Y¡ 服从指数型分布。Spark的GeneralizedLinearRegression接口允许指定GLMs包括线性回归、泊

1. 多层感知机1.1 算法介绍多层感知器 (MLP, Multilayer Perceptron) 是一种多层的前馈神经网络模型，所谓前馈型神经网络，指其从输入层开始只接收前一层的输入，并把计算结果输出到后一层，并不会给前一层有所反馈，整

1. 决策树1.1 算法简介决策树以及其继承算法是机器学习分类和回归问题中非常流行的算法，因其易解释性、可处理类别特征、易扩展到多分类问题、不需特征缩放等性质被广泛使用。决策树模式呈树形结构，其中： 每个内部节点 代表一个属性上的测试 每

1. 逻辑回归逻辑回归（Logistic Regression）是预测分类的流程方法，它是 广义线性模型 的一个特例来预测结果分类的可能性。在spar.ml 逻辑回归中可以使用二项式逻辑回归来预测二进制结果，也可以通过多项式逻辑回归来预测多