题目来源https://www.kaggle.com/c/titanic，train.csv和test.csv分别为训练集和测试集（生还未知），建模之前必须进行必要的数据分析，比如将一些无关的列剔除掉，在这里只是简单的考量，实际工程中可能还要考虑数据的分布情况，比如均值、方差、每种属性下的存还比率等，并且将训练中的缺失记录剔除掉，利用平均值补齐测试集缺失值（也可以用预测的方法因为缺失不是很多）..

https://blog.csdn.net/qq_29153321/article/details/105299243除了上篇博客提到的决策树与剪枝、bagging与随机森林、极端随机树、Adaboost、GBDT算法外，还有以下几种算法：1 KNNKNN算法不仅可以用于分类，还可以用于回归。通过找出一个样本的k个最近邻居，将这些邻居的某个（些）属性的平均值赋给该样本，就可以得到该样本...

1、决策树基本概念：从一组无次序、无规则的实例中推理出决策树表示形式的分类规则。1.1 ID3具体方法是:从根节点开始，对节点计算所有可能的特征的信息增益，选择信息增益最大的特征作为节点的特征，由该特征的不同取值建立子节点；再对子节点递归调用以上方法，构建决策树。基础概念：- 熵：熵越大，随机变量的不确定性越大。- 条件熵：H(Y|X)表示在已知随机变量X的条件下...

Spark on GPU 计算本项目完整源码地址：https://github.com/angeliababy/SparkGPU_Offline项目博客地址: https://blog.csdn.net/qq_29153321/article/details/103988522本项目旨在研究GPU混合计算框架对Spark分布式计算进行加速,以下为研究测试代码代码目录结构：-|-batch...

ElasticSearch是一个基于Lucene的搜索服务器。它提供了一个分布式多用户能力的全文搜索引擎，基于RESTful web接口。Elasticsearch是用Java开发的，并作为Apache许可条款下的开放源码发布，是当前流行的企业级搜索引擎。设计用于云计算中，能够达到实时搜索，稳定，可靠，快速，安装使用方便。本人在使用Elasticsearch-SQL过程中的使用情况，仅供参考。..

一 环境参数操作系统：centos7.xPython：python3所需软件cuda_8.0.44_linux.runNVIDIA-Linux-x86_64-384.111.runcudnn-8.0-linux-x64-v6.0.tgz二 安装流程1.关闭UEFI在BIOS里面检查你的UEFI是否开启，如果开启的话请立马关掉它（这个很重要，因为它很有可能导致ke...

Caffe介绍Caffe是纯粹的C++/CUDA架构，支持命令行、Python和MATLAB接口；可以在CPU和GPU直接无缝切换工具准备Caffe(caffe-master): https://github.com/Microsoft/caffe，百度云下载：http://pan.baidu.com/s/1hs8ngpA 密码：ith0微软的Windows三方包(Nuget程序包)：...