原创 概率圖模型之：貝葉斯網絡
1、貝葉斯定理P(A∣B)=P(A)P(B∣A)P(B)P(A∣B)=P(A)P(B∣A)P(B)P(A|B)是已知B發生後A的條件概率，也由於得自B的取值而被稱作A的後驗概率。 P(B|A)是已知A發生後B的條件概率，也由於得自A的取值
2020-02-24 16:59:03
原创 【Spark系列2】reduceByKey和groupByKey區別與用法
在spark中，我們知道一切的操作都是基於RDD的。在使用中，RDD有一種非常特殊也是非常實用的format——pair RDD，即RDD的每一行是（key, value）的格式。這種格式很像Python的字典類型，便於針對key進行一些
2020-02-24 16:59:03
原创 Hadoop開啓關閉調試信息
修改$HADOOP_CONF_DIR/log4j.properties文件 hadoop.root.logger=ALL,consoleor:開啓：export HADOOP_ROOT_LOGGER=DEBUG,console關閉：exp
2020-02-24 16:59:03
原创 從貝葉斯方法談到貝葉斯網絡
轉自：http://blog.csdn.net/v_july_v/article/details/409846990 引言 事實上，介紹貝葉斯定理、貝葉斯方法、貝葉斯推斷的資料、書籍不少，比如《數理統計學簡史》，以及《統計決策論及貝
2020-02-24 16:59:03