环境准备系统：Centos7服务：Zabbix 3.0.32一.安装Zabbix_agent 服务1.安装zabbix 3.0 yum源rpm -vhi http://repo.zabbix.com/zabbix/3.0/rhel/7/x86_64/zabbix-release-3.0-1.el7.noarch.rpm2.安装Zabbix_agentyum install zabbix-agent

hive添加字段alter table ods_wsp_dw_fact_point add columns (ods_datecreated STRING COMMENT ‘ods数据创建时间’);客户端查询报错hue端查询报错Error while processing statement: FAILED: Execution Error, return code 2 from org.apac

环境准备系统：Centos7服务：Zabbix 3.0.32一.安装Zabbix_agent 服务1.安装zabbix 3.0 yum源rpm -vhi http://repo.zabbix.com/zabbix/3.0/rhel/7/x86_64/zabbix-release-3.0-1.el7.noarch.rpm2.安装Zabbix_agentyum install zabbix-agent

XGBoost输出特征重要性以及筛选特征1，梯度提升算法是如何计算特征重要性的？使用梯度提升算法的好处是在提升树被创建后，可以相对直接地得到每个属性的重要性得分。一般来说，重要性分数，衡量了特征在模型中的提升决策树构建中的价值。一个属性越多的被用来在模型中构建决策树，它的重要性就相对越高。属性重要性是通过对数据集中的每个属性进行计算，并进行排序得到。在单个决策树中通过每个属性分裂点改进性能度量的量

一、 前言2016年3月9日至15日和2017年5月23日至27日，分别在韩国首尔和中国嘉兴乌镇，韩国围棋九段棋手李世石、中国围棋九段棋手柯洁与人工智能围棋程序“阿尔法围棋”（AlphaGo）之间的两场比赛，人类均以失败告终，更是激起了各种“机器超越、控制人类”的讨论，然而机器真的懂人类进而控制人类吗？如果可以那首先必须要先让机器能理解人类的语言。那么机器是如何理解人类语言的呢？这一系列的博文将带

句法分析句法分析是机器翻译的核心数据结构，是对语言进行深层次理解的基石。句法分析简介1.主要任务识别句子中所包含的句法成分以及这些成分之间的关系，一般以句法树来表示句法分析的结果。2.主要难点歧义搜索空间3.句法分析分类完全句法分析：企图获取整个句子的句法结构部分句法分析：只关注局部的一些成分4.相关方法基于规则存在着语法规则覆盖有限、系统可迁移差等缺陷基于统计（主流）数据集与评测方法数据集与别的

SpringBoot2.0整合redisspringboot的自动化配置。首先，如果你采用maven来构建项目，那么在pom文件中添加如下依赖:这里要注意版本问题，下面两个版本测试没有问题<!-- https://mvnrepository.com/artifact/org.springframework.boot/spring-boot-starter-data-redis --&...

过拟合和欠拟合开始我是很难弄懂什么是过拟合，什么是欠拟合以及造成两者的各自原因以及相应的解决办法，学习了一段时间机器学习和深度学习后，分享下自己的观点，方便初学者能很好很形象地理解上面的问题。无论在机器学习还是深度学习建模当中都可能会遇到两种最常见结果，一种叫过拟合（over-fitting ）另外一种叫欠拟合（under-fitting）。首先谈谈什么是过拟合呢？什么又是欠拟合呢？网上很直接的图

时间序列预测之–ARIMA模型什么是 ARIMA模型ARIMA模型的全称叫做自回归移动平均模型，全称是(ARIMA, Autoregressive Integrated Moving Average Model)。也记作ARIMA(p,d,q)，是统计模型(statistic model)中最常见的一种用来进行时间序列 预测的模型。1. ARIMA的优缺点优点： 模型十分简单，只需要内生变量而不需

Xgboost参数调优的一般方法调参步骤：1，选择较高的学习速率（learning rate）。一般情况下，学习速率的值为0.1.但是，对于不同的问题，理想的学习速率有时候会在0.05~0.3之间波动。选择对应于此学习速率的理想决策树数量。Xgboost有一个很有用的函数“cv”，这个函数可以在每一次迭代中使用交叉验证，并返回理想的决策树数量。2，对于给定的学习速率和决策树数量，进行决策树特定参数