摘要： 1）机器学习模型理解 统计学习，神经网络 2）预测结果的衡量 代价函数（cost function）、损失函数（loss function） 3）线性回归是监督学习 阅读全文

摘要： 1）简介 自变量，因变量，线性关系，相关系数，一元线性关系，多元线性关系（平面，超平面） 2）使用线性回归算法的前提 3）应用例子 沸点与气压 浮力与表面积 阅读全文

摘要： 1）回归与分类算法的区别 回归的预测结果是连续的，分类的预测结果是离散的。 2）spark实现的回归算法有： 3）通过相关系数衡量线性关系的程度 阅读全文

摘要： 说明 说明 本章主要讲解基础统计部分，包括基本统计、假设检验、相关系数等 数据集 数据集 数据集有两个文件，分别是： 源代码 源代码 源代码比较少，故在此给出： 基础统计 基础统计 一致性 一致性 假设检验 假设检验 阅读全文

摘要： 1）介绍 矩阵： Matrix,看做二维表，基本运算（+，-，*，T） 向量： Vectors,方向和大小，基本运算，范数 2）spark中向量的使用（主要使用breeze.linalg） 3）spark中矩阵的使用 阅读全文

摘要： 文章推荐 测试开发之路--UI自动化常用的设计模式 链接：https://testerhome.com/topics/15768 （二）：https://testerhome.com/topics/16042 [腾讯 TMQ][浅谈 Chromium 中的设计模式 (一)]——Chromium 中模 阅读全文

摘要： http://www.echartsjs.com/examples/ 阅读全文

摘要： MLlib 1.MLlib介绍 1）MLlib特点 2）哪些算法 3）阅读官方文档 MLlib提供了哪些： 算法 特征工程 管道 持久化 2.MLlib数据格式 1）本地向量 2）标签数据 3）本地矩阵 4）分布式矩阵 5）分布式数据集：RDD,DATASET,DATAFRAME 阅读全文

摘要： 第1章 初识机器学习 在本章中将带领大家概要了解什么是机器学习、机器学习在当前有哪些典型应用、机器学习的核心思想、常用的框架有哪些，该如何进行选型等相关问题。 1-1 导学 1-2 机器学习概述 1-3 机器学习核心思想 1-4 机器学习的框架与选型.. 第一章内容笔记 机器学习 1）发展史 2）功 阅读全文

摘要： 第1章 初识机器学习 在本章中将带领大家概要了解什么是机器学习、机器学习在当前有哪些典型应用、机器学习的核心思想、常用的框架有哪些，该如何进行选型等相关问题。 1-1 导学 1-2 机器学习概述 1-3 机器学习核心思想 1-4 机器学习的框架与选型.. 第2章 初识MLlib 本章中，将介绍Spa 阅读全文