Surus简介 Surus是NetFlix开源的UDFs，是基于pig和hive的数据分析工具。Surus中的功能能够解决多种多样的问题，例如评分预测模型、异常检测与模式匹配等。目前开源的UDF功能主要包括两个，包括ScorePMML和Robust A…
K-Means是一个超级简单的聚类方法，说他简单，主要原因是使用它时只需设置一个K值（设置需要将数据聚成几类）。但问题是，有时候我们拿到的数据根本不知道要分为几类，对于二维的数据，我们还能通过肉眼观察法进行…
根据训练样本中是否包含标签信息，机器学习可以分为监督学习和无监督学习。聚类算法是典型的无监督学习，其训练的样本中值包含样本的特征，不包含样本的标签信息。在聚类算法中。利用样本的特征，将具有相似属性的…
感谢关注我的个人博客！ 关于本人 姓名：钱魏Way 简介：当前就职于一家在线旅游公司，工作岗位为数据产品经理策略产品经理。一直想做的事情是从数据中发现价值，并推动工具化的变现。 当前主要关注的内容：…
子曰：学而时习之，不亦说乎！有朋自远方來，不亦乐乎！人不知而不愠，不亦君子乎！ 在重读论语之前，我对这句话的理解是：“经常学习，不也喜悦吗？从远方来了朋友，不也快乐吗？别人不了解我也不怨恨，不也是君子…
Impala是Cloudera公司主导开发的新型查询系统，它提供SQL语义，能查询存储在Hadoop的HDFS和HBase中的PB级大数据。已有的Hive系统虽然也提供了SQL语义，但由于Hive底层执行使用的是MapReduce引擎，仍然是一个批处理…
