<?xml version="1.0" encoding="utf-8" ?><rss version="2.0"><channel><title><![CDATA[a376554764的博客]]></title><description><![CDATA[]]></description><link>https://blog.youkuaiyun.com/a376554764</link><language>zh-cn</language><generator>https://blog.youkuaiyun.com/</generator><copyright><![CDATA[Copyright &copy; a376554764]]></copyright><item><title><![CDATA[Hbase2.0版本协处理器的编写、加载与卸载]]></title><link>https://blog.youkuaiyun.com/a376554764/article/details/107142983</link><guid>https://blog.youkuaiyun.com/a376554764/article/details/107142983</guid><author>a376554764</author><pubDate>Sun, 05 Jul 2020 18:52:46 +0800</pubDate><description><![CDATA[协处理器代码编写
2.0版本之前，要想自己写协处理器，需要implement BaseRegionObserver
2.0版本之后，则与之前有所不同，需要implement RegionObserver,RegionCoprocessor。同时还必须实现一个方法
@Override
public Optional&lt;RegionObserver&gt; getRegionObserver() {
    return Optional.of(this);
}

如果没有添加此方法会报以下错误:
2020]]></description><category></category></item><item><title><![CDATA[kudu原理与使用]]></title><link>https://blog.youkuaiyun.com/a376554764/article/details/89445319</link><guid>https://blog.youkuaiyun.com/a376554764/article/details/89445319</guid><author>a376554764</author><pubDate>Mon, 22 Apr 2019 09:16:02 +0800</pubDate><description><![CDATA[1、	kudu简介
1.1、kudu是什么？
简单来说:dudu是一个与hbase类似的列式存储分布式数据库。
官方给kudu的定位是:在更新更及时的基础上实现更快的数据分析
1.2、为什么需要kudu？
1.2.1、hdfs与hbase数据存储的缺点
目前数据存储有了HDFS与hbase，为什么还要额外的弄一个kudu呢?
HDFS:使用列式存储格式Apache Parquet，Apache O...]]></description><category></category></item><item><title><![CDATA[Centos6.10安装impala集成kudu之错误]]></title><link>https://blog.youkuaiyun.com/a376554764/article/details/89232491</link><guid>https://blog.youkuaiyun.com/a376554764/article/details/89232491</guid><author>a376554764</author><pubDate>Fri, 12 Apr 2019 12:43:24 +0800</pubDate><description><![CDATA[Centos6.10安装impala集成kudu时，修改了hdfs-site.xml文件时，加入了下面属性：
&lt;property&gt;
&lt;name&gt;dfs.domain.socket.path&lt;/name&gt;
&lt;value&gt;/var/run/hdfs-sockets/dn&lt;/value&gt;
&lt;/property&gt;

然后重新启动hdf...]]></description><category></category></item><item><title><![CDATA[Centos7安装kudu]]></title><link>https://blog.youkuaiyun.com/a376554764/article/details/89194952</link><guid>https://blog.youkuaiyun.com/a376554764/article/details/89194952</guid><author>a376554764</author><pubDate>Wed, 10 Apr 2019 21:11:14 +0800</pubDate><description><![CDATA[1、下载kudu rpm包
下载地址:
https://archive.cloudera.com/cdh5/redhat/7/x86_64/cdh/5.14.0/RPMS/x86_64/
下载rpm包如下:
kudu-1.6.0+cdh5.14.0+0-1.cdh5.14.0.p0.47.el7.x86_64.rpm
kudu-client0-1.6.0+cdh5.14.0+0-1.cdh5.14...]]></description><category></category></item><item><title><![CDATA[随机森林]]></title><link>https://blog.youkuaiyun.com/a376554764/article/details/88617001</link><guid>https://blog.youkuaiyun.com/a376554764/article/details/88617001</guid><author>a376554764</author><pubDate>Mon, 18 Mar 2019 19:50:27 +0800</pubDate><description><![CDATA[]]></description><category></category></item><item><title><![CDATA[逻辑回归]]></title><link>https://blog.youkuaiyun.com/a376554764/article/details/88617008</link><guid>https://blog.youkuaiyun.com/a376554764/article/details/88617008</guid><author>a376554764</author><pubDate>Mon, 18 Mar 2019 19:50:21 +0800</pubDate><description><![CDATA[]]></description><category></category></item><item><title><![CDATA[岭回归]]></title><link>https://blog.youkuaiyun.com/a376554764/article/details/88617025</link><guid>https://blog.youkuaiyun.com/a376554764/article/details/88617025</guid><author>a376554764</author><pubDate>Mon, 18 Mar 2019 19:50:13 +0800</pubDate><description><![CDATA[]]></description><category></category></item><item><title><![CDATA[线性回归]]></title><link>https://blog.youkuaiyun.com/a376554764/article/details/88617051</link><guid>https://blog.youkuaiyun.com/a376554764/article/details/88617051</guid><author>a376554764</author><pubDate>Mon, 18 Mar 2019 19:50:07 +0800</pubDate><description><![CDATA[]]></description><category></category></item><item><title><![CDATA[分类模型的评估]]></title><link>https://blog.youkuaiyun.com/a376554764/article/details/88617056</link><guid>https://blog.youkuaiyun.com/a376554764/article/details/88617056</guid><author>a376554764</author><pubDate>Mon, 18 Mar 2019 19:50:00 +0800</pubDate><description><![CDATA[]]></description><category></category></item><item><title><![CDATA[模型的选择与调优]]></title><link>https://blog.youkuaiyun.com/a376554764/article/details/88617062</link><guid>https://blog.youkuaiyun.com/a376554764/article/details/88617062</guid><author>a376554764</author><pubDate>Mon, 18 Mar 2019 19:49:52 +0800</pubDate><description><![CDATA[]]></description><category></category></item><item><title><![CDATA[回归性能评估]]></title><link>https://blog.youkuaiyun.com/a376554764/article/details/88617081</link><guid>https://blog.youkuaiyun.com/a376554764/article/details/88617081</guid><author>a376554764</author><pubDate>Mon, 18 Mar 2019 19:49:43 +0800</pubDate><description><![CDATA[]]></description><category></category></item><item><title><![CDATA[决策树]]></title><link>https://blog.youkuaiyun.com/a376554764/article/details/88616992</link><guid>https://blog.youkuaiyun.com/a376554764/article/details/88616992</guid><author>a376554764</author><pubDate>Sun, 17 Mar 2019 12:12:34 +0800</pubDate><description><![CDATA[]]></description><category></category></item><item><title><![CDATA[朴素贝叶斯]]></title><link>https://blog.youkuaiyun.com/a376554764/article/details/88616957</link><guid>https://blog.youkuaiyun.com/a376554764/article/details/88616957</guid><author>a376554764</author><pubDate>Sun, 17 Mar 2019 12:10:56 +0800</pubDate><description><![CDATA[]]></description><category></category></item><item><title><![CDATA[K-近邻算法【KNN】]]></title><link>https://blog.youkuaiyun.com/a376554764/article/details/88616939</link><guid>https://blog.youkuaiyun.com/a376554764/article/details/88616939</guid><author>a376554764</author><pubDate>Sun, 17 Mar 2019 12:09:15 +0800</pubDate><description><![CDATA[]]></description><category></category></item><item><title><![CDATA[机器学习基础]]></title><link>https://blog.youkuaiyun.com/a376554764/article/details/88616498</link><guid>https://blog.youkuaiyun.com/a376554764/article/details/88616498</guid><author>a376554764</author><pubDate>Sun, 17 Mar 2019 11:46:35 +0800</pubDate><description><![CDATA[数据类型:

  离散型数据:由记录不同类别个体的数目所得到的数据，又称计数数据，所有这些数据全部都是整数，而且不能再细分，也不能进一步提高他们的精确度。

  连续型数据:变量可以在某个范围内取任一数，即变量的取值可以是连续的，如，长度、时间、质量值等，这类整数通常是非整数，含有小数部分。

离散型是区间内不可分，连续型是区间内可分



机器学习算法分类:

监督学习(有特征值+目...]]></description><category></category></item><item><title><![CDATA[转换器与预估器]]></title><link>https://blog.youkuaiyun.com/a376554764/article/details/88616479</link><guid>https://blog.youkuaiyun.com/a376554764/article/details/88616479</guid><author>a376554764</author><pubDate>Sun, 17 Mar 2019 11:45:18 +0800</pubDate><description><![CDATA[1、转换器: 之前特征工程里面实例化的例如:CountVectorizer,其实就是一个转换器



2、预估器:分类器和回归器都属于estimator,是一类实现了算法的API

用于分类的预估器：

     sklearn.neighbors k-近邻算法

      sklearn.naive_bayes 贝叶斯

      skl...]]></description><category></category></item><item><title><![CDATA[数据集的获取与划分]]></title><link>https://blog.youkuaiyun.com/a376554764/article/details/88616445</link><guid>https://blog.youkuaiyun.com/a376554764/article/details/88616445</guid><author>a376554764</author><pubDate>Sun, 17 Mar 2019 11:42:54 +0800</pubDate><description><![CDATA[机器学习的数据集一般划分为两个部分:

1、训练集:用于训练，构建模型

2、测试集:在模型检验时使用，用于评估模型



数据集划分API：

sklearn.model_selection.train_test_split



练习时可以使用sklearn提供的数据集

sklearn数据集的获取:

sklearn.datasets

	加载获取流行数据集
		datasets.loa...]]></description><category></category></item><item><title><![CDATA[特征工程]]></title><link>https://blog.youkuaiyun.com/a376554764/article/details/88616325</link><guid>https://blog.youkuaiyun.com/a376554764/article/details/88616325</guid><author>a376554764</author><pubDate>Sun, 17 Mar 2019 11:36:36 +0800</pubDate><description><![CDATA[1、特征工程是什么

特征工程是将原始数据转换为更好地代表预测模型的潜在问题的特征的过程，从而提高了对未知数据的模型准确性

2、特征工程的意义

直接影响模型的预测结果

3、scikit-learn库介绍

安装scikit-learn库:pip install Scikit-learn

4、数据的特征抽取

1、sklearn特征抽取API:sklearn.feature_extracti...]]></description><category></category></item><item><title><![CDATA[机器学习概述]]></title><link>https://blog.youkuaiyun.com/a376554764/article/details/88616229</link><guid>https://blog.youkuaiyun.com/a376554764/article/details/88616229</guid><author>a376554764</author><pubDate>Sun, 17 Mar 2019 11:32:54 +0800</pubDate><description><![CDATA[1、机器学习是从数据中自动分析获得规律（模型），并利用规律对未知数据进行预测

2、学习时的数据集

Kaggle网址：https://www.kaggle.com/datasets

UCI数据集网址： http://archive.ics.uci.edu/ml/

scikit-learn网址：http://scikit-learn.org/stable/datasets/index.html...]]></description><category></category></item><item><title><![CDATA[Springboot2.0中Hibernate默认创建的mysql表字符集不为UTF8问题]]></title><link>https://blog.youkuaiyun.com/a376554764/article/details/87988619</link><guid>https://blog.youkuaiyun.com/a376554764/article/details/87988619</guid><author>a376554764</author><pubDate>Wed, 27 Feb 2019 20:13:29 +0800</pubDate><description><![CDATA[在做机器学习平台时，用到的springboot+jpa通过@Entity生成的表，字符集为latin1，引擎为MyISAM,导致存入表中的中文乱码，只需要下面代码即可将创建的表引擎为InnoDB,字符集为utf8
import org.hibernate.dialect.MySQL5InnoDBDialect;

public class MysqlConfig extends MySQL5Inn...]]></description><category></category></item></channel></rss>