R版本R-2.14.2Rhipe版本0.66protobuf版本2.4.1首先安装R语言软件，需要注意configure时，先设置几个环境变量，编译长shared lib cd R-2.14.2export CFLAGS=-fPICexport CXXFLAGS=-fPIC./configure  --with-x=no --enable-R-shlib

收集：各种开源的分布式日志收集系统：Scribe， Flume等等存储可以同时包含各种不同的存储类型，可根据不同的需求增减相应的存储类型：底层存储：能够存储大量的数据，最好具有可扩展性 HDFS S3等等关系存储：MySQL，Postgresql等等键值存储：HBase，Redis等等计算计算能力也应该同时包含集中不同的类型，可根据不同的需求增减相应

首先说kNN算法是一种有监督学习的分类算法。所谓有监督学习，就是在应用算法之前我们必须准备一组训练集，训练集中的每个实例都是由一些特征和一个分类标签组成；通常还会存在一个测试集，用来测试训练出来的分类模型的准确性。其实kNN算法并没有体现出有监督学习的所有特点，没有模型，只有算法。甚至可以说这就是一种暴力扫描法，运行效率上比较低效。在理解算法之前，先要了解多维空间中两个点之间的距离的概

熵被定义为信息的期望值。一个人的性别——男、女——可以看成是一个信息；一件衣服的颜色——很多颜色——也是信息。但是这两种信息一个非常简单，只有两个可能的值，而颜色是非常多的。也可以说颜色的信息量要比性别的信息量要大、要更加混杂。而熵就是衡量这种混杂度的数学指标。那么具体一点，一个符号A的信息被表示为：>>> from math import log>>> probabilityA

NLTK是Python的一个自然语言处理的模块，其中实现了朴素贝叶斯分类算法。以下，就使用上一篇文中提到的数据，来应用这个模块实现朴素贝叶斯分类。NLTK的实现更加泛化，所以在应用到我们的数据上时需要做一点的转化。首先来看一下NLTK官方文档中给出的一个简单明了的例子，在了解这个例子之后，再设法将同样的模型应用到自己的数据集上。官方给出的例子是英文名中，在知道名字中最后一个字母后，判断

从本质上来说，这是一个分类问题，类似于通过邮件内容来推测垃圾邮件，通过用户的相关信息来推测用户是否会拖欠贷款，而通过用户的APP安装列表来推测用户的性别也是一个类似的问题。对于贝叶斯算法来首，我们首先需要一个训练集数据，这个训练集是一个已经打好标签的数据。而要对一堆的数据打标签，人工来做是不太合适的，在这里需要结合人类与计算机各自的优势，来半自动化的识别出比较明显的有性别倾向的APP的