一、决策树树模型并不只局限于分类场合，而是可用于解决绝大多数机器学习问题，包括排序、概率估计、回归及聚类。参考：https://www.cnblogs.com/muzixi/p/6566803.html

1.配置slaves（每个节点都这么做）[root@hadoop01 ~]# vim /usr/local/hadoop/hadoop-2.7.3/etc/hadoop/slaves默认是localhost，把它删掉，写上自己的节点。然后不要有空格或者空行！！hadoop01hadoop03hadoop042.退出进程（由于我上篇文章单节点启动，没有退出，因此我这里退出一下，没有按照我的步骤的可忽

今天在机器学习碰到了概念学习的知识，里面涉及了很多离散数学的概念，因此挑比较重点、难点的地方来总结一下。设P、Q为两个命题，我们称P—>Q为一个蕴含式，那么真值表如下所示：PQP—>Q100111011001下面我们来详细解释一下如何判断P—>Q的值到底是1还是0，这里我们把P和Q赋予具体的命题P是“汤姆离散数学考了满分”，Q是“汤姆妈妈给汤姆买电脑”那么P—&gt

在上一节中我们已经讨论了如何处理两类分类问题，并对一些常见的任务（评分与排序、类概率估计）进行了总结，本节将讨论两类分类问题的推广，即多分类问题，并简单讨论一下回归问题。多分类问题1.1两种K类分类器假设我们要构造一个K类分类器，有两种方案：一对多（一堆其余）：首先训练K个两类分类器，第一个分类器是将C1和C2...Cn类区分开，第二个分类器是将C2和C1,C3...Cn类区分开，以此类推。在训练

Python大火的原因之一就是它有规模强大的工具库，今天我们将介绍Python的最热门的几大库之一——Matplotlib。可以发现，它和我们常听到的Matlib很像，都是数学绘图工具，但是由于Python强大的功能，它比Matlib容易上手和使用。

接触机器学习有一段时间了，有些东西还是要记录下来才有意义。从本篇开始，我将持续更新关于机器学习的内容，非常适合新手入门或小白来学习。今天来介绍一下机器学习的整体框架，为我们之后章节的学习铺平道路。1.什么是机器学习？一般来说，机器学习是对依据经验提升自身性能或丰富自身知识的各种算法和系统的系统性研究。通俗点儿，就是使用正确的特征来构造正确的模型，以完成指定的任务。一个完整的机器学习任务需要经历2个

本节将了解概念学习

pyecharts渲染图片pyecharts v1.x版本后，提供了 selenium, phantomjs 和 pyppeteer 三种方式的渲染，只要会其中一种即可 。具体方式见官方文档。这里我采用selenium方式。（官方文档 ：http://pyecharts.org/#/zh-cn/render_images）1.安装snapshot-seleniumpip instal...

本文中，将讲解如何克隆一个虚拟机，及在克隆的过程中需要的注意事项，此篇也为了后续搭建完整的Hadoop+Spark集群做准备

由于本篇文章是为了在Windows下的IDEA搭建Spark环境做准备，因此Scala的版本要与Spark相匹配（这里Spark我用的是2.4.4，Scala用的是2.12.10）一、首先先在Windows环境下配置JDK和Scala的环境变量，这里不再一一阐述，很简单的。二、安装IDEA（可参考我安装IDEA的文章）三、在IDEA中安装Scala插件这里分为手动安装和自动安装...