從Apache日誌文件中獲取訪問量最大的頁麵(Top)
Apache日誌文件可能很龐大且難以閱讀。這裏提供一種從Apache日誌文件中獲取訪問量最大的頁麵(或文件)列表的方法。
在此示例中，我們隻需要知道GET請求中的...
作者：丹陽
Google命令行腳本
概覽
本文介紹如何在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已被正式棄用，
雖然...
SDCC2015 機器學習在美團用戶畫像中的應用PPT
部分內容預覽：
1）特征工程：
2）模型：
為什麽L1稀疏，L2平滑？
使用機器學習方法解決實際問題時，我們通常要用L1或L2範數做正則化（regularization），從而限製權值大小，減少過擬合風險。特別是在使用梯度下降來做目標函...
那些年踩過的坑。。。
前車之覆，後車之鑒！ 本文記錄日常遇到的技術小問題及解決方法，不定期更新。
1. 問題：word2vec在mac上make編譯，遇到報錯： fatal e...
Spark的Cache和Checkpoint
本文闡述了Spark中幾種數據持久化方法Cache/Persist/Checkpoint的用法以及區別和聯係，對於計算鏈條過長或者數據量較大的Spark任務有指導意義。原文來自：htt...
各種分類算法的優缺點
原文來自： http://bbs.pinggu.org/thread-2604496-1-1.html，這裏對部分地方添加了注解以及自己的理解。原文對一些常用的分類算法，如決策樹、SVM、樸素貝葉...
Spark機器學習庫指南[Spark 1.3.1版]
本文內容關鍵詞：Spark官方文檔，Spark教程， Spark MLlib教程。
本文翻譯自Spark官方文檔：Machine Learning Library (MLlib) Guide ，代碼示例以P...
線性代數的本質[轉]
本文轉自：http://www.52ml.net/13425.html(最原始的出處應該是CSDN孟岩的博客：http://blog.csdn.net/myan/article/details/647511)，非常精彩的文章，...
Spark ALS.train()迭代次數過多導致java.lang.StackOverflowError
問題描述：
使用Spark ALS.train()做協同過濾的模型訓練時，迭代次數過多(iteration>=30)可能導致java.lang.StackOverflowError的錯誤。
解決方案：
一...
最新Spark編程指南Python版[Spark 1.3.0][譯]
本文翻譯自Spark官方文檔：Spark Programming Guide, （spark 1.3.0）去掉了其中Scala/Java的內容，隻保留了Python及公共部分。
關鍵詞：spar...
LINUX下Redis集群的安裝和配置(原創)
在大數據的浪潮下，redis隻提供主從分布模式越來越顯得捉襟見肘了。2015年3月底，Redis-Cluster終於出了正式版本，真可謂千呼萬喚始出來啊。下麵我們就來看看...
常用機器學習算法的點睛之筆
AdaBoost： 權值的作用是什麽？1）對分錯的樣本給予更高的權值，給弱分類器的誤差加權2）所有弱分類器的投票權重
SVM： 超平麵切割空間，支持向量距離最...
揭開機器學習的麵紗：最大熵模型100行代碼實現[Python版]
理論說明部分見上一篇：
最大熵模型簡介[例子+推導+GIS求解]
為了是代碼簡短，方便閱讀，去掉了很多健壯性檢測的代碼以及特殊處理。下麵的代碼實現的...
協同過濾之ALS-WR算法
這篇文章是參考：https://github.com/ceys/jdml/wiki/ALS 改寫的，由於原文Latex公式沒有正常展現+少量筆誤，妨礙閱讀，所以這裏重新整理了一下。
ALS是al...