摘要： 似然函数 似然函数 与概率非常类似但又有根本的区别，概率为在某种条件（参数）下预测某事件发生的可能性；而似然函数与之相反为已知该事件的情况下 推测出该事件发生时的条件（参数） ；所以似然估计也称为参数估计，为参数估计中的一种算法； 下面先求抛硬币的似然函数，然后再使用似然函数算出线性回归的参数； 假 阅读全文

摘要： 上篇文章介绍了梯度下降法在线性回归中的相关理论与证明，这里使用程序实例代码方式看梯度下降法是怎样一步一步下降求出最优解的； X = [1 4;2 5;5 1;4 2]; y = [19;26;19;20]; m = length(y); alpha = 0.002; %步长 num_iters = 阅读全文

摘要： 前面的文章讲了使用 最小二乘法 来求线性回归损失函数的 最优解 ，最小二乘法为直接对梯度求导找出极值，为非迭代法；而本篇文章了使用一个新的方法来求损失函数的极值： 梯度下降法（Gradient Descendent, GD） ，梯度下降法为最优化算法通常用于求解函数的极值，梯度下降法为迭代法，给定一 阅读全文

摘要： 上篇文章介绍了最小二乘法矩阵形式的理论与证明、计算过程，这里使用程序代码的方式计算出矩阵形式的解，并给出线性拟合； Octave代码 clear all;close all; % 拟合的数据集 x = [1,2;1,6;1,9;1,13]; y = [4;8;12;21]; % 根据公式 w = ( 阅读全文

摘要： 上篇文章中介绍了 单变量线性回归 ，为什么说时单变量呢，因为它只有单个特征，其实在很多场景中只有单各特征时远远不够的，当存在多个特征时，我们再使用之前的方法来求特征系数时是非常麻烦的，需要一个特征系数一个偏导式，而却最要命的时特性的增长时及其迅猛的，几十、几百、几千…… 单变量线性回归： 多变量线性 阅读全文

摘要： 上篇文章介绍了最小二乘法的理论与证明、计算过程，这里给出两个最小二乘法的计算程序代码； Octave代码 clear all;close all; % 拟合的数据集 x = [2;6;9;13]; y = [4;8;12;21]; % 数据长度 N = length(x); % 3 %% 计算x平均 阅读全文

摘要： 相信学过数理统计的都学过 线性回归（linear regression） ，本篇文章详细将讲解 单变量线性回归 并写出使用 最小二乘法（least squares method） 来求线性回归损失函数最优解的完整过程，首先推导出最小二乘法，后用最小二乘法对一个简单数据集进行 线性回归拟合 ； 线性回 阅读全文

摘要： 本篇文章就要根据源码分析 SparkContext 所做的一些事情，用过Spark的开发者都知道SparkContext是编写Spark程序用到的第一个类，足以说明SparkContext的重要性；这里先摘抄SparkContext源码注释来 简单介绍介绍SparkContext，注释的第一句话就是 阅读全文

摘要： 接上篇文章，在已经部署好Kubernetes的基础上部署kubernetes dashboard，它是官方提供的用户管理Kubernets集群可视化工具；部署dashboard其实和在kubernets部署其他的应用一样，创建dashboard所需的Replication Controller、Se 阅读全文

摘要： Kubernetes为Google开源的容器管理框架，提供了 Docker容器的夸主机、集群管理、容器部署、高可用、弹性伸缩 等一系列功能；Kubernetes的设计目标包括使容器集群任意时刻都处于用户期望的状态，因而建立了一整套集群管理机制：容器自动重启、自动备份、容器自动伸缩等；Kubernet 阅读全文