1.点击file>settings2.点击project:interpreter，点击后面的齿轮，然后点add3.点击…选择本地python解释器make available to all projects 勾选上以后，创建新的项目默认使用当前配置的python解释器4.点击apply>ok即可...

sklearn中train_test_split()函数可以把数据集切分为随机的训练数据集和测试数据集。下面是源代码中的举例：X_train, X_test, y_train, y_test = train_test_split(X, y, test_size=0.33, random_state=42)参数信息如下：参数含义x数据集中特征的集合y数据集中标签的集合test_size如果数值在0-

监督学习：根据现有的数据集，知道输入和输出结果，也就是已知特征和标签的对应关系。根据这种已知的关系，训练得到最优的模型。在监督学习的数据集中，既有特征（feature）信息又有标签（label）信息。通过训练，使得机器找到特征和标签之间的关系（训练得到最优模型）。在新的数据集中，只有特征信息没有标签，让机器根据训练的模型自动去判断出标签。举个栗子：我们知道适当的水分和充足的光照可以使植物的生长速度

话不多说，直接进入正题。1.首先导入joblib包import joblib2.训练好模型之后，即可保存模型到本地joblib.dump(模型实例名称,本地路径/文件名称)比如：joblib.dump(lr, r'G:\学习文件\机器学习\import_learing\predict_card.sav')3.最后在新的文件中导入模型并代入特征数据import joblibtrain_module

在cmd输入pip list 命令可以看到我的库都已经安装好了，但是pycharm中却没有显示。原因： 电脑中存在多个版本的python（anaconda也算），pycharm选择的python解释器和使用pip命令的解释器不是同一个。**解决方法：**参考这篇博客：https://blog.csdn.net/FlatTiger/article/details/109814966。重新选择一下本地

对于初学文件读写的小伙伴来说，经常会遇到文件路径不知道怎么写的问题。要搞明白这个问题，就要理解绝对路径与相对路径。首先说一下什么是绝对路径，绝对路径是当前文件在计算机磁盘中存放的具体位置。比如说：我的E盘data文件夹下的test_data文件夹下有一个data.csv文件，就像下面这张图：这个文件的绝对路径就是C:\data\test_data代码实例：with open(r'E:\data\t

表数据现有user_age表如下：user_app表如下：需求求：0-10岁的用户、11-20岁的用户、21-30岁的用户、30岁以上的用户使用app的人数（uv）和次数（pv）。分析需求乍一看不难，但是如何实现同时求出uv和pv？有的同学可能最先想到的就是uv = count(distinct uid)，pv = count(*)。在MySQL中这样写固然可以得到结果，但是在大数据场景中呢？如果

本案例端口监听使用的是netcat，如果使用虚拟机模拟实现，可以先执行yum -y install nc。自定义flume的配置文件，注意文件名要以.conf结尾。# 定义agent名字 a1# 定义sources、channels、sinks都可以有多个，空格隔开a1.sources = r1a1.channels = c1a1.sinks = k1# 定义source类型a1.sources.

会话模式1.客户端通过REST接口，将作业提交给分发器。2.分发器启动JobMaster，并将Job资源提交到JobMaster。3.JobMaster向Flink的资源管理器请求资源（slots）。4.Flink的资源管理器向Yarn资源管理器请求Container容器。5.Yarn资源管理器启动新的TaskManager容器。6.TaskManager向Flink的资源管理器注册自己可用的sl

需求定义两个拦截器，一个用于过滤不合法数据，一个用于区分日志类型。ETL拦截器主要用于，过滤时间戳不合法和Json数据不完整的日志。日志类型区分拦截器主要用于，将启动日志和事件日志区分开来，方便发往Kafka的不同Topic。导入依赖<dependencies><dependency><groupId>org.apache.flume</groupId&g