原创 psql 無法連接數據庫,連接超出

https://blog.csdn.net/pg_hgdb/article/details/78675243 點贊 收藏 分享 文章舉報 小糖寶 發佈了25 篇原創文章

原创 Spark Caused by: java.io.NotSerializableException 序列化異常踩過的坑

https://blog.csdn.net/qq_28743951/article/details/86599918 點贊 收藏 分享 文章舉報 小糖寶 發佈了25 篇

原创 (Spark異常)java.util.regex.PatternSyntaxException: Dangling meta character '+' near index 0

轉載地址: https://blog.csdn.net/qq_37969433/article/details/81175072 點贊 收藏 分享 文章舉報 小糖寶 發

原创 scala判斷一個點是否在非規則平面內

https://blog.csdn.net/k_wzzc/article/details/82779291 點贊 收藏 分享 文章舉報 小糖寶 發佈了25 篇原創文章

原创 算法小白的第一次嘗試---KPCA(核主成分分析)降維【實例對比分析PCA、LDA和KPCA】

-------------------------------------------------------------------------- 筆者追求算法實現,不喜歡大篇幅敘述原理,有關KPCA理論推薦查看該篇博客 https

原创 算法小白的第一次嘗試---LDA(線性判別分析)降維 【適用於任何維度】

------------------------------------------------------------------------------------- 筆者追求算法實現,不喜歡大篇幅敘述原理,有關LDA(線性判別分

原创 算法小白的第一次嘗試---PCA(主成分分析)降維

import breeze.linalg.{Axis, DenseMatrix, eigSym, sum}

原创 算法小白的第一次嘗試---DBCSAN實現(手撕)

import org.apache.log4j.{Level, Logger} import org.apache.spark.sql.SparkSession import scala.collection.mutable impo

原创 算法小白的第一次嘗試---多元線性迴歸

import org.apache.log4j.{Level, Logger} import org.apache.spark.ml.feature.VectorAssembler import org.apache.spark.sq

原创 Flume原理詳解(好文)

Flume(一)Flume原理解析 轉載地址:https://www.cnblogs.com/zhangyinhua/p/7803486.html#_label0 閱讀目錄(Content)一、Flume簡介二、F

原创 算法小白的第一次嘗試---Kmeans (適用於任何維度數據)

import org.apache.log4j.{Level, Logger} import org.apache.spark.ml.feature.VectorAssembler import org.apache.spark.sq

原创 hadoop-shuffle Wordcount詳解

轉載地址: https://blog.csdn.net/Peter_Changyb/article/details/82682422 wordcount爲例詳細闡述shuffle的實現過程 1. 對HDFS輸入的文件進行切

原创 算法小白的第一次嘗試---BoostingTree(手撕提升樹)

import org.apache.spark.ml.feature.LabeledPoint import org.apache.spark.ml.linalg.Vectors import scala.collection.mut

原创 算法小白的第一次嘗試---AdaBoost(手撕)

特別警告:https://www.wandouip.com/t5i28437/ 希望該網站尊重原創,轉載請標明出處。 import org.apache.log4j.{Level, Logger} import org.apache

原创 手撕SVM公式

轉載自:https://blog.csdn.net/Dominic_S/article/details/83002153 1.SVM作用 對於給定的訓練樣本集D={(x1,y1), (x2,y2),… (xn,yn)},yi屬