概述堆本质是完全二叉树的，只是在对二完全二叉树做了以下几个方面的限定：1、大根堆：根结点大于等于其子结点的数据，左右子树大小没有限定，这样以来最大数据就是root结点2、小根堆：根结点小于等于其子结点的数据，左右子树大小没有限定，这样以来最小的结点是root结点3、堆排序的过程就是，取出根结点，重新构造堆（因为堆结构已破坏），取出根结点。。。。4、对于任结点i 其中i[0,n-

本篇文章只讲可用的hadoop实现算法的源码，可直接拷贝用于工程中！/*** 质点特征模型,可根据自己的业务需求进行修改** @author jianting.zhao*/public class ParticleModel {//特征xpublic double x;//特征ypublic double y;public

一、概念1、集群和节点节点(node)是你运行的Elasticsearch实例。一个集群(cluster)是一组具有相同cluster.name的节点集合，他们协同工作，共享数据并提供故障转移和扩展功能，当有新的节点加入或者删除节点，集群就会感知到并平衡数据。集群中一个节点会被选举为主节点(master),它用来管理集群中的一些变更，例如新建或删除索引、增加或移除节点等;当

转载请注明出处什么是特征缩放　特征缩放其实就是标准化数据特征的范围。　为什么要进行特征缩放　　特征缩放可以使得ML方法工作的更好，比如在k-nn的算法中，分类器主要是计算两点之间的欧几里得距离，如果一个feature比其他另外一个feature大超过一个数量级的情况下，那么两者之间的距离就会更大的偏向于这个feature。因此，我们必须对每个feature都进行归一化，...

损失函数是用来评估预测模型效果的，即model的预测值与实真实值的差距。不用的机器学习模型有不同的损失函数来评估。本篇博文主要讲用于分类问题的交叉熵和回归问题的均方差。先来说下分类和回归的区别。机器学习或深度学习领域常见的就是分类和回归，通俗的讲分类就把样品分到事先定义好的n个类别中，解决的是离散量的问题，回归输出一个实数，解决的是模拟量的问题，例好如垃圾邮件预测是一个分类问题，身高预测是一个回归

欢迎关注鄙人公众号，技术干货随时看！查准率与查全率（召回率）是在信息检索与机器学习领域常用的衡量指标，书籍或网络上有非常多的定义，敝人在重温周志华先生《机器学习》一书时，发现书中的定义是非常科学的，而且把这两个指标根据混淆矩阵进行了数学化！在信息检索领域的定义：检索出的n个文档中正确结果（m个结果是正确的）的比率即是查准率，即p=n/m；假设在所有的数据中正确结果有n个，一次检索...

配置hadoop集群首先选准备3台liunx机器（我用的Ubuntu虚拟机）Ubuntu 还是 Centos 随便192.168.1.101    h1 (准备装成namenode)192.168.1.102    h2 (准备装成datanode)192.168.1.103    h3 (准备装成datanode)首先，联通这3台机子的使用ssh免密钥：我自己使用的都

损失函数是用来评估预测模型效果的，即model的预测值与实真实值的差距。不用的机器学习模型有不同的损失函数来评估。本篇博文主要讲用于分类问题的交叉熵和回归问题的均方差。先来说下分类和回归的区别。机器学习或深度学习领域常见的就是分类和回归，通俗的讲分类就把样品分到事先定义好的n个类别中，解决的是离散量的问题，回归输出一个实数，解决的是模拟量的问题，例好如垃圾邮件预测是一个分类问题，身高预测是一个回归