常用相关性分析存在的问题 1、有许多非线性的关系是分数根本无法检测到的，比如下图： 2、计算出来的矩阵是对称的，即a与b的相关性同b与a的相同。更多的时候，关系是不对称的。一个有3个唯一值的…
在空间索引类问题中，一个最普遍而又最重要的问题是：给定你某个点的坐标，你如何能够在海量的数据点中找到他所在的区域以及最靠近他的点？”，比方说客户在路上突然想吃饭了，那么就要根据他的位置查询最近的餐馆并…
之前的文章详细介绍Google的词向量工具Word2Vec、Facebook的词向量工具FastText、斯坦福大学词向量工具Glove。之前的文章主要从原理层面进行了介绍。今天想要分享的只要内容是如何使用这些工具。及比较针对相同的训…
近年来，深度学习技术在自然语言处理领域中得到了广泛应用。基于深度神经网络的模型已经在词性标注、命名实体识别、情感分类等诸多任务上显著超越了传统模型。用深度学习技术来处理自然语言文本，离不开文本的向量…
Prophet简介 时间序列（Time Series Analysis）作为计量经济学的三大数据形态之一， 比较主流的观点认为，时间序列受四种成分影响： 趋势：宏观、长期、持续性的作用力 周期：比如商品价格在较短时间内，…
在Python中经常使用matplotlib画图，为了让图像显示的更加好看，经常需要对图表点、线形状及颜色进行设置。为了避免遗忘，整理相关的信息。 先来看看matplotlib画图方法的官方说明： from matplotlib import py…
Linux中Swap（即：交换分区），类似于Windows的虚拟内存，就是当内存不足的时候，把一部分硬盘空间虚拟成内存使用,从而解决内存容量不足的情况。 在安装Linux系统的时候需要单独设置swap分区而Windows安装没…
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…
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…
