-
数据标准化与PCA白化原理探索
所属栏目：[大数据] 日期：2021-03-13 热度：129
PCA是实验中很常用的工具，一般用来做降维，它的实现有很多很多种，其中牵涉相当多的细节，笔者在实现PCA时常常有困惑，为什么查到的各种代码总有一些不同的trick，有时候对样本提前归一化？有时候又要减均值？这些操作对于PCA降维效果到底有什么影响？这[详细]
-
R语言绘制文字云
所属栏目：[大数据] 日期：2021-03-13 热度：71
差不多一年没有怎么认真写过博客了，最近要做毕业设计，记录一下有关实验。参考实验楼上一个实验。主要学习使用分词包 Rwordseg 对莎士比亚的名著《仲夏夜之梦》中的内容进行单词频数统计，提取关键词，并进行数据清洗，最后使用包 wordcloud 根据关键词出[详细]
-
K 大数查询
所属栏目：[大数据] 日期：2021-03-13 热度：114
题目大意 有N个集合，初始为空。有M个操作， 修改操作：编号范围在l~r的集合都加入一个数值为a的数， 询问操作：编号范围在l~r的集合数值为第k大的数。 n,m=50000，|a|=n,k 树套树 当然可行，但我不会 考虑离线——整体二分 L，R表示数值的区间，mid=(L+R)[详细]
-
大数 Astar-Round1 Problem B
所属栏目：[大数据] 日期：2021-03-13 热度：188
题目 2016"百度之星" - 资格赛（Astar Round1） http://bestcoder.hdu.edu.cn/contests/contest_showproblem.php?cid=690pid=1002 Problem Description 度熊面前有一个全是由1构成的字符串，被称为全1序列。你可以合并任意相邻的两个1，从而形成一个新的序[详细]
-
R语言数据处理——tidyr包
所属栏目：[大数据] 日期：2021-03-13 热度：67
????在实际进行数据分析的过程中，我们常需要对数据进行一些相应的整理,“ tidyr 包”中的 gather（宽数据转为长数据）、 spread（长数据转为宽数据）、 unit（多列合并为一列）、 separate（将一列分离为多列）这四个函数为我们的数据整理提供了极大的便[详细]
-
Twitter发布新的大数据实时分析系统Heron
所属栏目：[大数据] 日期：2021-03-10 热度：64
Twitter发布新的大数据实时分析系统Heron http://geek.csdn.net/news/detail/33750 Twitter Heron的深入解析(与Storm的比较) http://www.tuicool.com/articles/2mMZver[详细]
-
NMEA-0183之$GPRMC数据处理
所属栏目：[大数据] 日期：2021-03-10 热度：173
副标题#e# NMEA-0183 u?以下为GPS芯片串口发出的数据： 201512_15:42:3712,$GPTXT,ANTSTATUS=SHORT*43 201512_15:42:37$GNGGA,074219.000,3021.516740,N,12005.998703,E,1,9,1.09,20.996,M,6.991,*42 201512_15:42:37$GNGLL,A,A*45 201512_15:42:37$GPGSA,3[详细]
-
【工作帮】微盟数据中心招数据分析师，薪资open
所属栏目：[大数据] 日期：2021-03-10 热度：174
坐标：上海 微盟：C轮创业公司，投资方包含腾讯、海航等实力资本，拥有toB和toC的电商业务，广告和理财为蓄力点，发展迅速。 微盟数据中心：承接整个集团的数据，体积大，种类多，想象力丰富 微盟数据中心数据分析师：Growth Hacking的推动者，从数据中发[详细]
-
使用Zeppelin来实现大数据分析的可视化
所属栏目：[大数据] 日期：2021-03-10 热度：51
Apache Zeppelin是ASF的一个孵化项目，实现了基于web的在线代码编辑与数据可视化。有点类似Spark-Shell的REPL。其结果可以直接用图表来展示，解决了前端白痴的苦逼。 Zeppelin官网 我们可以直接下载 zeppelin-0.5.6-incubating-bin-all.tgz ，然后部署到服[详细]
-
初识聚类算法:K均值、凝聚层次聚类和DBSCAN
所属栏目：[大数据] 日期：2021-03-10 热度：165
http://blog.sina.com.cn/s/blog_62186b460101ard2.html 聚类分析就仅根据在数据中发现的描述对象及其关系的信息，将数据对象分组(簇)。其目标是，组内的对象相互之间是相似的，而不同组中的对象是不同的。组内相似性越大，组间差别越大，聚类就越好。 先[详细]
-
基于K－Means的文本聚类
所属栏目：[大数据] 日期：2021-03-10 热度：91
http://blog.csdn.net/freesum/article/details/7376006 何为聚类 ? ? ? ? “聚类是把相似的对象通过静态分类的方法分成不同的组别或者更多的子集（subset）,这样让在同一个子集中的成员对象都有相似的一些属性。”?? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ?[详细]
-
R在文本挖掘与分析的妙用：分词、画词云
所属栏目：[大数据] 日期：2021-03-10 热度：64
副标题#e# 报道大数据企业：大数据产品、大数据方案、 ? 大数据人物 分享大数据干货：大数据书籍、大数据报告、 大数据视频 本文转自蔡捕头的新浪博客。欢迎更多优质原创文章投稿给大数据人：289585305@qq.com 摘要：要分析文本内容，最常见的分析方法是提[详细]
-
10EB量级的基因大数据处理技术
所属栏目：[大数据] 日期：2021-03-10 热度：73
Java学习网（www.javalearns.com）提拱 10EB量级的基因大数据处理技术 很荣幸在这里跟大家分享大家以前很少接触到的领域的大数据情况。其实生命科学的大数据还处在比较初始的阶段，否则国家也不会现在才开始提出精准医学这样的概念。所谓精准医学想通过大[详细]
-
数据分析与挖掘学习（一）
所属栏目：[大数据] 日期：2021-03-10 热度：181
数据分析与挖掘过程 一. 定义挖掘目标 一般的数据挖掘任务包括： 1. 分类与预测 2. 聚类分析 3. 关联规则 4. 时序模式 5. 偏差检验 6. 智能推荐 二. 数据取样 抽取一个与挖掘目标相关的样本子集，标准是 1. 相关性 2. 可靠性 3. 有效性 而不是选用全部数据[详细]
-
Acdream 1210 Chinese Girls#39; Amusement（大数模板运算 + 找
所属栏目：[大数据] 日期：2021-03-10 热度：81
传送门 Chinese Girls’ Amusement Time Limit: 2000/1000MS (Java/Others) Memory Limit: 128000/64000KB (Java/Others) Submit Statistic Next Problem Problem Description You must have heard that the Chinese culture is quite different from that[详细]
-
最值得推荐的统计和数据分析好书之一
所属栏目：[大数据] 日期：2021-03-10 热度：200
副标题#e# 推荐一本统计和数据分析领域非常受欢迎的书，这书升级版原版评价甚至比第1版更好，中文版最近刚出版。后面的图中给出了豆瓣和知乎对第一版的评价，还有知乎受关注的相关问题的网址。 《R语言实战（第2版）》 R in Action ,Second Edition: Data a[详细]
-
大数加法、减法和乘法
所属栏目：[大数据] 日期：2021-03-10 热度：127
加法： #includestdio.h#includestring.h#includestdlib.hchar* add(const char *arr,const char *brr){ int lena=strlen(arr); int lenb=strlen(brr); int maxlen=(lenalenb)?lenb:lena; char* sum=(char*)malloc(maxlen+2); memset(sum,'0',maxlen+1); s[详细]
-
当我们谈大数据分析的时候，我们在谈什么？
所属栏目：[大数据] 日期：2021-03-10 热度：172
副标题#e# 数据分析是一个大话题，借这篇笔记整理一下自己的思路：数据分析是什么？涉及到哪些技术？有哪些数据公司玩家？如何定位数据分析的价值？如果选择数据分析作为自己的职业，需要掌握什么样的基本概念？希望帮助对于数据分析有兴趣的同学快速入门！[详细]
-
【快讯】R语言在大数据统计分析中的应用及前景
所属栏目：[大数据] 日期：2021-03-10 热度：72
2016年6月8日下午，数据观—清华大数据“技术·前沿”系列思享会在清数D-LAB顺利举办。本次活动有幸邀请到美国普度大学统计系教授及清华大学统计学研究中心兼职教授朱宇进行R语言在大数据统计分析中的应用及前景主题分享。 本次讲座分别介绍了统计分析语言[详细]
-
精准测试新玩法の基于犯罪心理学挖掘代码风险
所属栏目：[大数据] 日期：2021-03-10 热度：69
副标题#e# 前言 ? 犯罪心理学还能用于挖掘代码风险？ 挖掘出来的东西是什么？ 挖掘出来的东东长什么样子? 挖掘出来能用来做什么？ 具体怎么样挖掘呢? 这是本文的主要探讨的内容． ? 在大型的项目中,代码和模块的复杂度在很大程度上决定了测试任务的时间,?[详细]
-
常用的数据标准化方法
所属栏目：[大数据] 日期：2021-03-10 热度：69
数据的标准化（normalization）是将数据按照一定规则缩放，使之落入一个小的特定区间。这样去除数据的单位限制，将其转化为无量纲的纯数值，便于不同单位或量级的指标能够进行比较和加权。其中最典型的就是0-1标准化和Z标准化，当然，也有一些其他的标准化[详细]
-
BI Intelligence 报告：2016 年 5 大数字化趋势（附下载）
所属栏目：[大数据] 日期：2021-03-10 热度：94
副标题#e# C新智元编译?? ? 来 源：Business Insider 译者：闻菲 【新智元导读】Business Insider 网站日前公开了旗下调研团队 BI Intelligence 去年 2 月发布的调查报告，成功预测了消息APP成为新的OS和Bot的崛起。报告还预计物联网是下一场工业革命，将颠[详细]
-
HDU 1212 Big Number（大数取模）
所属栏目：[大数据] 日期：2021-03-10 热度：105
Big Number Time Limit: 2000/1000 MS (Java/Others)????Memory Limit: 65536/32768 K (Java/Others) Total Submission(s): 7063????Accepted Submission(s): 4866 Problem Description As we know,Big Number is always troublesome. But it's really imp[详细]
-
R语言：SMOTE - Supersampling Rare Events in R:用R对非平衡数
所属栏目：[大数据] 日期：2021-03-10 热度：195
副标题#e# SMOTE - Supersampling Rare Events in R:用R对稀有事件进行超级采样 在这个例子中将用到以下三个包 {DMwR} - Functions and data for the book “Data Mining with R” and SMOTE algorithm:SMOTE算法 {caret} - modeling wrapper,functions,com[详细]
-
寻找第K大数的方法
所属栏目：[大数据] 日期：2021-03-10 热度：172
寻找一堆数中第K大的数，第一感觉是排序，然后将排序之后的值取第K个。但是实际上，这种方式最少的时间复杂度是O(nlogn)。有更简单的方式可以实现线性的时间复杂度。 算法总是有穷尽的，而思想无穷尽，而实用算法的本质是用空间去换取时间。 这里的方案是[详细]
