原创 kibana黑科技
作者： 馬努 需要用kibana展示dashboard的時候想要個性定製化怎麼辦？我們知道kibana分享的iframe左上角帶有add a filter圖標，加載的時候有kibana logo，這樣界面不統一，於是搜索GitHub
2018-09-14 23:08:39
8
原创 Feature Engineering for Numerical Data(1)分箱（Binning）
作者：lgd Feature Engineering for Numerical Data(1)分箱（Binning） 數據分箱的價值，意義以及對後續學習器的影響： 現實的許多數值屬性的分佈往往是傾斜的，也就是說，某個範圍的數值大量的出
2018-09-07 21:16:44
11
原创 非監督學習之PCA降維&流行學習TSNE
作者：徐瑩 1.PCA簡介 使用非監督學習的方式進行數據變換有非常廣泛的用途。最常見的目的就是對數據進行可視化，將數據進行壓縮併爲進一步處理得到一個更有效的數據表示。這其中最有效使用最廣泛的技術要數PCA（Principal Compon
2018-09-05 01:54:31
23
原创 淺談pandas，pyspark 的大數據ETL實踐經驗
作者：王雅寧 目錄 0.序言 1. 數據接入 2. 髒數據的清洗 3. 缺失值的處理 4. 數據質量覈查與基本的數據統計 4.1 統一單位 4.2 去重操作 4.3 聚合操作與統計 參考文獻 0.序言 本文主要以基於AWS
2018-09-05 01:54:29
2
原创 自然語言處理簡介（1）---- 服務梳理與傳統漢語分詞
1.Nlp技術體系簡介 1.1 基礎技術 1.2 Nlp 核心技術 1.3 NlP+（高端技術） 2.知名NLP 服務系統簡介 2.1漢語分詞系統ICTCLAS 2.2 哈工大語言云（Language Technology Pla
2018-09-05 01:54:29
1
原创 機器學習筆記（一）
作者: Kevin 機器學習經常被看做是人工智能的子領域，但從Data Science應用的角度來看，ML 更應該算是一種建立數據模型的手段,他的本質就是數學及統計學 目前大家說起ML，主要把它歸爲兩類：supervised 和 uns
2018-09-05 01:54:29
原创 Data Crawling, Cleaning, and Visualization
作者： kevin Crawling 關於使用scrapy進行爬蟲的一些關鍵點: - 我們需要知道有哪些爬取目標fields，並提前在items.py 里加入定義，例如下面這樣 # -*- coding: utf-8 -*-
2018-09-05 01:54:29
1
原创 基於elasticsearch的搜索自動糾錯
作者： 馬努 elasticsearch是一個全文搜索引擎，能在大量數據中提供快速、準確的檢索，同時它也提供了一些改善搜索體驗的功能。如下兩張圖所示，我們在搜索的時候經常會因爲手誤或者不確定，出現輸入的搜索關鍵字錯誤的情況，當前流行的谷
2018-09-05 01:54:29
2