Borderline-SMOTE：Borderline-SMOTE: A New Over-Sampling Method inImbalanced Data Sets Learningmotivation：有些样本远离边界，所以对分类没有多大帮助，可以强化边界点。思路：将少数类样本根据距离多数类样本的距离分为noise,safe,danger三类样本集，只对danger中的样本集合使用smot

#include<iostream>using namespace std;int main(){int i = 0;cout << i++<<endl;cout << ++i<<endl;cout << i << endl;system("pause");}输出： 0 2 2前置++和后置++优先级都在<<之前，那为什么上面的代码会产生这种结

H2O框架简介H2O是开源的，分布式的，基于内存的，可扩展的机器学习和预测分析框架，适合在企业环境中构建大规模机器学习模型。H2O核心代码使用Java编写，数据和模型通过分布式 Key/Value 存储在各个集群节点的内存中。H2O的算法使用Map/Reduce框架实现，并使用了Java Fork/Join框架来实现多线程。H2O目前支持的机器学习算法有DRF,GBM,GLM,GLRM,Kmean

Spark是什么Apache Spark是一个新兴的大处理处理通用引擎，提供了分布式的内存抽象，适用于包括批处理、迭代算法、交互式查询、流处理等场景。spark扩展了广泛使用的MapReduce计算模型，而且高效的支持更多计算模式。Spark的一个主要特点就是能够在内存中进行计算，因而更快。不过即使是必须在磁盘上进行的复杂计算，Spark也比MapReduce更加高效。安装Spark官网下载地址，

H2O框架简介H2O是开源的，分布式的，基于内存的，可扩展的机器学习和预测分析框架，适合在企业环境中构建大规模机器学习模型。H2O核心代码使用Java编写，数据和模型通过分布式 Key/Value 存储在各个集群节点的内存中。H2O的算法使用Map/Reduce框架实现，并使用了Java Fork/Join框架来实现多线程。H2O目前支持的机器学习算法有DRF,GBM,GLM,GLRM,Kmean

SMOTE（Synthetic Minority Oversampling Technique），合成少数类过采样技术．它是基于随机过采样算法的一种改进方案，由于随机过采样采取简单复制样本的策略来增加少数类样本，这样容易产生模型过拟合的问题，即使得模型学习到的信息过于特别(Specific)而不够泛化(General)，SMOTE算法的基本思想是对少数类样本进行分析并根据少数类样本人工合成新样本添

这里我使用了mac VMware Fusion搭建了两台ubuntu16.04的虚拟机，因为每次启动系统，虚拟机的ip都会发生变化，导致搭建在虚拟机上的集群瘫痪，所以需要将ubuntu的ip设置成固定ip，以下是设置过程。首先查看VMnet8在/Library/Preferences/VMware Fusion/vmnet8文件夹下找到dhcpd.conf文件，查看此文件.将会看到这样一段内容，

下面是用TensorFlow实现Logistic Regression，都做了标注。#encoding:utf-8import tensorflow as tf# 装在MNIST数据from tensorflow.examples.tutorials.mnist import input_datamnist = input_data.read_data_sets("MNIST_Data/dat

概念特征选择是从一组特征中挑选出一些最有效的特征以降低特征空间维数的过程，是模式识别的关键问题之一。样本中是否含有不相关或冗余信息直接影响着分类器的性能，因此研究有效的特征选择算法至关重要。特征选择的框架首先从特征全集中产生出一个特征子集，然后用评价函数对该特征子集进行评价，评价的结果与停止准则进行比较，若评价结果比停止准则好就停止，否则就继续产生下一组特征子集，继续进行特征选择。选出来的特征子集