尼古拉斯豆

摘要： 跟线性存储一样,我添加了17,18两个函数.不过感觉17不够好,用到了goto.编译器:gcc#include <stdio.h>typedef int elemType;struct sNode{ elemType data; struct sNode *next; };/* 1.初始化线性表,即置线性表的头指针为空 */void initList(struct sNode **hp) { *hp = NULL; return; } /* 2.清楚线性表L中所有元素,即释放单链表L中所有节点,使之成为一个空表 */ void clearLi... 阅读全文

摘要： 最近准备换工作，去了几个面试。不知道是我去的公司都比较好还是怎么着。都考了数据结构与算法方面的问题。这东西我刚学的时候会，自打工作以后就没用过。数据结构与算法真的是在我的编程中很少用到，应该是我没干过开发的缘故吧。我干的hadoop又用不到这些。所以面试的时候被问住了。每次面试前都要重新看，每次都是这样。面试完以后很郁闷，我工作了1年多了，不会数据结构和算法也照样能搞hadoop啊，照样完成工作啊。后来想想，这是编程的基础，一定程度上体现程序员的编程水平。所以决定重新再温习一下数据结构与算法，印象中是第3次了。这次复习完，记一辈子，再也不回头看了！！因为基础的就那么些东西，链表，二叉树，堆栈， 阅读全文

摘要： 前16个是根据网上资料写的。17,18方法是我自己添加的。稍微有点逻辑的也就17,18.一共18个方法基本全部包含了所有线性表的操作。编译器为GCC，支持所有ANSI C标准。#include <stdio.h>typedef int elemType;struct List{ elemType *list; int size; int maxsize;};/* 1.初始化线性表。*/ int initList(struct List *L,int ms){ elemType *p = (elemType *)malloc(ms * sizeof(elemType)); ... 阅读全文

摘要： 讲解数据挖掘和机器学习的关系，以及发展过程。对了解数据挖掘和机器学习很有帮助http://cs.nju.edu.cn/zhouzh/zhouzh.files/publication/cccf07.pdf 阅读全文

摘要： 字节流与字符流主要的区别是他们的的处理方式字节流是最基本的，所有的InputStream和OutputStream的子类都是,主要用在处理二进制数据，它是按字节来处理的但实际中很多的数据是文本，又提出了字符流的概念，它是按虚拟机的encode来处理，也就是要进行字符集的转化这两个之间通过 InputStreamReader,OutputStreamWriter来关联，实际上是通过byte[]和String来关联在实际开发中出现的汉字问题实际上都是在字符流和字节流之间转化不统一而造成的在从字节流转化为字符流时，实际上就是byte[]转化为String时，public String(byte by 阅读全文

摘要： Apache Mahout 是 ApacheSoftware Foundation (ASF) 旗下的一个开源项目，提供一些可扩展的机器学习领域经典算法的实现，旨在帮助开发人员更加方便快捷地创建智能应用程序，并且，在 Mahout 的最近版本中还加入了对Apache Hadoop 的支持，使这些算法可以更高效的运行在云计算环境中。在Mahout实现的机器学习算法见下表：算法类算法名中文名分类算法Logistic Regression逻辑回归Bayesian贝叶斯SVM支持向量机Perceptron感知器算法Neural Network神经网络Random Forests随机森林Restrict 阅读全文

摘要： 【译】mahout in action 2.2 运行首个推荐引擎博客分类：Mahout in actionApache算法生活IDEMahout包含一个推荐引擎的几种类型，事实上包含传统的基于用户（user-based），基于项目（item-based）推荐算法，也包括基于“slope-one”技术的实现（这一个新的有效的方法）。你将根据实验，基于单机版的（SVD）初步实现。在下面的章节里，我们将会在Mahout的背景下和一些现实生活中的例子，来回顾上面的观察结果。我们将会考虑如何代表数据，如何进行有效的推荐算法，如何评估推荐器的效果，如何为一个特殊的问题调研和定制推荐器，最后考虑如何分布计算 阅读全文

摘要： 转自：http://blog.chinaunix.net/uid-26711636-id-3086382.html1）评价推荐系统优劣的方法 mahout中提供了为用户推荐物品的工具，但如何评价推荐的item是否和实际情况相符合。在机器学习和AI领域，习惯的是利用一部分数据作为训练集数据，而留出一部分实际用户喜好的数据作为测试集数据，通过估计出的值与实际测试值之间的均差、均方根等方法下的大小来评判，通常是值越小说明推荐的情况和实际值越接近，若其值为0说明完全吻合。 由于评判通过推荐系统得出的估计值和实际值之间的得分（通过均差、均方根等得到）直接关系到推荐系统的优劣，所以这里就有必要对此作出必要 阅读全文

摘要： 转自：http://blog.chinaunix.net/uid-26711636-id-3085923.html最近因为公司项目的需要，进入了mahout的相关学习，在hadoop论坛找到了一份入门级别的学习资料，在各大论坛mahout板块的介绍还是相当少，闲话不多说，直接切入正题。 Mahout是一个基于Hadoop实现各种机器学习与数据挖掘的算法库，它由Lucene的几个代码贡献者发起成立，整个项目是从Taste这个项目发展起来的，目前Mahout已经发布0.6.0最新版本，实现了分布式协同过滤、聚类、分类等算法，已经和Hadoop整合到了一起，成为强大的分布式数据挖掘的工具。 要想实. 阅读全文

摘要： 转自：http://woshiwzy.iteye.com/blog/899211//注释的部分是基于文件也可以理解为基于日志文件的，//DataModel 可以有很多种，实现abstractDataMode的子类，原则上都可以作为数据源，个人觉得，不管是那种DataMode各自有优缺点//应该视情况而定，package com.test.mahout;import java.util.List;import org.apache.mahout.cf.taste.impl.common.FastByIDMap;import org.apache.mahout.cf.taste.impl.mode 阅读全文