lmdyyh5722756的专栏

今天下载了一个csv文件，用vim打开后发现乱码，编码出现了问题，vim中文编码是UTF-8，我觉得这个文件可能是GBK，所以出现了问题，所以需要设置vim，打开家目录下的.vimrc文件，如果没有就新建一个，在里面添加set encoding=utf-8set fileencodings=ucs-bom,utf-8,cp936set fileencoding=gb2312set terme

linux下MPI的版本为openmpi，在fedora下安装很容易，执行：yum install openmpi openmpi-devel一句命令就安装完毕，但是安装完之后输入mpi+Tab会发现命令没有自动不全，说明openmpi没有被安装到系统默认的搜索路径中，需要配置一下，执行：whereis openmpi输出为openmpi: /lib/openmpi /usr/

hadoop2.2.0的eclipse插件在http://download.youkuaiyun.com/detail/acm_er6/6964345

上个星期电脑被我搞坏了之后很多软件就没再安装了，昨天看到阿里宣传的大数据比赛，于是连夜开始重新安装数据挖掘的各种软件，下面就记录一下，也算是记下我比赛的进程吧：系统:3.9.10-100.fc17.i686.PAE包管理软件为Yum，有了Yum，再也不担心软件安装的依赖性问题，首先安装Java，由于之前安装Textlive中依赖Java，所以这里就没必要再安装了，有了Java后就安装Mah

logistic regression可以用在CTR(Click Through Rate)预估上，即通常所说的点击率预估。点击率预估的意义在于，在电子商务中，可以通过把点击率高的商品放在首页或者重点推荐给用户，这样用户可以有更大的机会看见这些易受欢迎的商品，这样就可以促进销量，提高商家的利润。logistic函数也成sigmoid函数是在logistic回归中使用的函数，其形式为$35*d_

为了开题，最近一直在看论文，从中科院的论文Balanced Parallel FP-Growth with MapReduce中看到了mahout,于是google了一下，发现mahout里面实现了PFP，具体可以参见https://cwiki.apache.org/confluence/display/MAHOUT/Parallel+Frequent+Pattern+Mining。于是就开始安装

在数据分析中，有许多问题可以由类似的类型和方法步骤解决，可称之为模式，设计模式或者分析模式。下面要讨论的是数据转换的一个常用模式：split – apply – combine。其解决之道，在R语言中，有3种方式：（1） for 显式循环,但是这种方式的缺点也很明显，代码长，易出错，也难以并行化；（2） 拜R语言的向量计算特点所赐，在R当中，大多数问题不需要用显示循环方式，而代之以base

基于实例的学习方法中最基本的是k-近邻算法，这个算法假定所有的实例对应于n维空间

今天使用R时需要画一张3D图，于是在R中安装rgl包，由于依赖关系，安装过程中会提示如下的错误，根据提示可以看到是因为没有GL库，所以就需要安装gl的包，在Fedora17中开源的gl包为mesa，所以在root下需要执行yum install mesa*就可以把相关的包以及开发包下载并安装。安装好之后在R下继续执行install.pakages("rgl")，系统还是会报一样的错误，这时

thrift安装后就可以安装thbase，在R中，执行R CMD INSTALL rhbase_1.1.1.tar.gz会出现如下的错误：找不到TProcess.h执行pkg-config –cflags thrift如果没有任何输出，则需要执行export PKG_CONFIG_PATH=/usr/local/lib/pkgconfig/这样再安装rhbase时可能还是会出现