从Apache日志文件中获取访问量最大的页面(Top)
Apache日志文件可能很庞大且难以阅读。这里提供一种从Apache日志文件中获取访问量最大的页面(或文件)列表的方法。
在此示例中，我们只需要知道GET请求中的...
作者：丹阳
Google命令行脚本
概览
本文介绍如何在Python中使用Google搜索命令行。
(version 2.7.x)
注意：截至2010年11月1日，Google Web Search API已被正式弃用，
虽然...
SDCC2015 机器学习在美团用户画像中的应用PPT
部分内容预览：
1）特征工程：
2）模型：
为什么L1稀疏，L2平滑？
使用机器学习方法解决实际问题时，我们通常要用L1或L2范数做正则化（regularization），从而限制权值大小，减少过拟合风险。特别是在使用梯度下降来做目标函...
那些年踩过的坑。。。
前车之覆，后车之鉴！ 本文记录日常遇到的技术小问题及解决方法，不定期更新。
1. 问题：word2vec在mac上make编译，遇到报错： fatal e...
Spark的Cache和Checkpoint
本文阐述了Spark中几种数据持久化方法Cache/Persist/Checkpoint的用法以及区别和联系，对于计算链条过长或者数据量较大的Spark任务有指导意义。原文来自：htt...
各种分类算法的优缺点
原文来自： http://bbs.pinggu.org/thread-2604496-1-1.html，这里对部分地方添加了注解以及自己的理解。原文对一些常用的分类算法，如决策树、SVM、朴素贝叶...
Spark机器学习库指南[Spark 1.3.1版]
本文内容关键词：Spark官方文档，Spark教程， Spark MLlib教程。
本文翻译自Spark官方文档：Machine Learning Library (MLlib) Guide ，代码示例以Python版...
线性代数的本质[转]
本文转自：http://www.52ml.net/13425.html(最原始的出处应该是CSDN孟岩的博客：http://blog.csdn.net/myan/article/details/647511)，非常精彩的文章，...
Spark ALS.train()迭代次数过多导致java.lang.StackOverflowError
问题描述：
使用Spark ALS.train()做协同过滤的模型训练时，迭代次数过多(iteration>=30)可能导致java.lang.StackOverflowError的错误。
解决方案：
一...
最新Spark编程指南Python版[Spark 1.3.0][译]
本文翻译自Spark官方文档：Spark Programming Guide, （spark 1.3.0）去掉了其中Scala/Java的内容，只保留了Python及公共部分。
关键词：spar...
LINUX下Redis集群的安装和配置(原创)
在大数据的浪潮下，redis只提供主从分布模式越来越显得捉襟见肘了。2015年3月底，Redis-Cluster终于出了正式版本，真可谓千呼万唤始出来啊。下面我们就来看看...
常用机器学习算法的点睛之笔
AdaBoost： 权值的作用是什么？1）对分错的样本给予更高的权值，给弱分类器的误差加权2）所有弱分类器的投票权重
SVM： 超平面切割空间，支持向量距离最...
揭开机器学习的面纱：最大熵模型100行代码实现[Python版]
理论说明部分见上一篇：
最大熵模型简介[例子+推导+GIS求解]
为了是代码简短，方便阅读，去掉了很多健壮性检测的代码以及特殊处理。下面的代码实现的是：使...
协同过滤之ALS-WR算法
这篇文章是参考：https://github.com/ceys/jdml/wiki/ALS 改写的，由于原文Latex公式没有正常展现+少量笔误，妨碍阅读，所以这里重新整理了一下。
ALS是al...
最大熵模型简介[例子+推导+GIS求解]
这篇文章是结合论文http://www.cqvip.com/Main/Detail.aspx?id=7707219对博文：http://www.cnblogs.com/hexinuaa/p/3353479.html加入自己的理解做了简化重写...
Slope One——简单而高效的协同过滤算法
在传统基于内容的推荐系统中，根据商品特性的相似性来做推荐，例如：如果你购买了Machine Learning, Tom M.Mitchell这本书，系统会给你推荐The Elements of S...