机器学习中监督学习模型的任务重点在于，根据已有经验知识对未知样本的目标/标记进行预测。根据目标预测变量的类型不同，我们把监督学习任务大体分为分类学习与回归预测两类。 整理一下监督学习任务的基本架构和流程：首先准备训练数据，可以是文本、图像、音频等；然后抽取所需要的特征，形成特征向量；接着，把这些特征向量连同对应的标记/目标一并送入学习算法中，训练出一个预测模型；然后采用同样的特征抽取方法作用于

K近邻模型本身非常直观并且容易理解。算法描述起来也很简单，如下图所示。假设我们有一些携带分类标记的训练样本，分布于特征空间中；蓝色、绿色的样本各自代表其类别。对于一个待分类的红色测试样本点，未知其类别，按照成语“近朱者赤，近墨者黑”的说法，我们需要寻找与这个待分类的样本在特征空间中距离最近的K个已标记样本作为参考，来帮助我们做出分类决策。这便是K近邻算法的通俗解释。而在下图中，如果我们根据最近的K

    常言道：“一个篱笆三个桩，一个好汉三个帮”。集成分类模型便是综合考量多个分类器的预测结果，从而做出决策。只是这种“综合考量”的方式大体上分为两种：    一种是利用相同的训练数据同时搭建多个独立的分类模型，然后通过投票的方式，以少数服从多数的原则作出最终的分类决策。比较具有代表性的模型为随机森林分类器，即在相同训练数据上同时搭建多颗决策树。然而上一篇中提到过，一株标准的决策树会根据每维特征

    大家应该对基础篇3中的支持向量机（分类）中提到的分类模型的作用机理有所了解。本篇介绍的支持向量机（回归）也同样是从训练数据中选取一部分更加有效的支持向量，只是这少部分的训练样本所提供的并不是类别目标，而是具体的预测数值。    我们继续使用上一篇分割处理好的训练和测试数据；同时我们第一次修改模型初始化的默认配置，以展现不同配置下模型性能的差异，也为后面要介绍的内容做个铺垫。# 从sklea

一开始写成LANGUAGE_CODE = 'zh-CN'TIME_ZONE = 'Asia/Beijing'但是报错ValueError: Incorrect timezone setting: Asia/Beijing改成TIME_ZONE = 'Asia/Shanghai'最后改成LANGUAGE_CODE = 'zh-Hans'TIME_Z

上一篇介绍了hive的架构，以及hive语句执行的过程。这篇详细介绍hive的文件存储和使用方法。Hive是hdfs上的数据仓库，而hdfs上存放的都是文件，所以hive中的表可以理解为对hdfs上文件的映射。看完下面的介绍，相信你能很清楚的理解：“hive中的表就是hdfs的文件”这句话。一，hive的文件存储默认hive仓库的路径为/user/hive/warehouse/

Namenode主要维护两个文件，一个是fsimage，一个是editlog。fsimage保存了最新的元数据检查点，包含了整个HDFS文件系统的所有目录和文件的信息。对于文件来说包括了数据块描述信息、修改时间、访问时间等；对于目录来说包括修改时间、访问权限控制信息(目录所属用户，所在组)等。

前几天同事问我一个问题，如何找出两份数据之间的不一样的值。这样描述问题不太好理解，举个例子：两份数据是从oracle中两个不同的表读出来的，两份数据均有四个字段，其中两个字段是相同的：日期和代码，另外两个字段名字不同，但代表的含义是一致的，都是代表最高价和最低价。现在想要找出两份数据相同日期和代码的记录是否最高价和最低价一致，有不一致的就找出来。

前几天同事问我一个问题，如何找出两份数据之间的不一样的值。这样描述问题不太好理解，举个例子：两份数据是从oracle中两个不同的表读出来的，两份数据均有四个字段，其中两个字段是相同的：日期和代码，另外两个字段名字不同，但代表的含义是一致的，都是代表最高价和最低价。现在想要找出两份数据相同日期和代码的记录是否最高价和最低价一致，有不一致的就找出来。

接上篇，从linux主机scp文件到windows主机，每次输入密码肯定不现实。所以需要配置linux主机到windows主机ssh免密码，cd /home/你的用户/.ssh/，如果里面有id_rsa.pub，将里面的文本拷贝至D:\cygwin\home\eriadmin\.ssh的authorized_keys里即可，如果该目录不存在，手动生成密钥