miner_zhu的博客

1.标准kmeans算法 kmeans算法是实际中最常用的聚类算法，没有之一。kmeans算法的原理简单，实现起来不是很复杂，实际中使用的效果一般也不错，所以深受广大人民群众的喜爱。  kmeans算法的原理介绍方面的paper多如牛毛，而且理解起来确实也不是很复杂，这里使用wiki上的版本：  已知观测集(x1,x2,⋯,xn)(x1,x2,⋯,xn)，其中每个观测都是一个dd维实矢量，kme...

大数据入门 hadoop HDFS YARN SPARK hadoop hadoop生态圈包括以下各个组成部分：  HDFS：用于分布式文件存储,切分成块，多副本存于多台机器。  YARN：用于资源管理和调度，job scheduling & cluster mangment  Zookeeper：各个框架的管理和协调  Hive：使系统支持SQL语句  ooize：工作流  p...