upnow2014的专栏

Gradient Descent续上文。 gradient descent的用途： 可以用于求解一个函数f(x1,x2,......xn)f(x_1,x_2,......x_n)的local 最小值。 关于local最小值： 一个函数可能有多个local最小值，所谓local最小值是当（x1,x2,......xnx_1,x_2,......x_n）的某一个实例，当在的该实例的无限小的附近

下载了spark 1.4，运行spark-shell时遇到以下错误： java.net.UnknownHostException: UKON-M-Q0EP: UKON-M-Q0EP: nodename nor servname provided, or not known at java.net.InetAddress.getLocalHost(InetAddress.java:1

为什么要了解点数学基础学习大数据分布式计算时多少会涉及到机器学习的算法，所以理解一些机器学习基础，有助于理解大数据分布式计算系统（例如spark）的设计。机器学习中一个常见的就是gradient descent算法，是线性回归问题的一个基础算法。gradient是数学概念。Gradient假设一个函数有n个自变量：f(x1,x2......xn)f(x_1,x_2......x_n)，且每个x都是标