机器学习线性回归与最小二乘法
假设有一些数据点，我们用一条直线对这些点进行拟合（该线称为最佳拟合直线），这个拟合过程就叫做回归。 一元线性回归 对于训练样本(xi, yi) (1<=i…
机器学习kNN算法
kNN算法（即k邻近算法）是机器学习中最简单有效的一个分类算法，简单的说，kNN算法通过计算样本之间的距离进行分类。 工作原理 首先存在一个训练样本集合，集合中…
机器学习评价指标AUC
AUC（Area Under Curve）常被用来评价一个二值分类器的优劣，我们首先看一下 AUC 的定义：AUC 值是一个概率值，随机挑选一个正样本和一个负样…
Grafana + Mysql 可视化报表搭建指南
Grafana 是大规模指标数据可视化展现的开源工具，广泛应用于监控报警、数据分析。它可以支持多种数据源，包括 Graphite，Elasticsearch，C…
从零开始搭建 Flink
安装：下载并启动 Flink Flink 可以运行在 Linux，Mac OS X 和 Windows 上，唯一的要求就是已经安装了 Java 8.x。 可以通…
科学上网-搭建搬瓦工VPS服务
科学上网想必是每一位码农的刚需，我之前尝试过不少免费的方式，但是稳定性都比较差，严重影响用户体验。这次干脆自己购买了搬瓦工VPS，搬瓦工是美国的一款低价的VPS…
人生新的里程碑
有 4 个多月没有更新了，这段时间忙于一件大事，是的，我换工作了。至今尘埃落定，总算能抽出点时间复盘一下。 换工作对于我们互联网这个人员流动性极高的行业来说可能…
The world beyond batch: Streaming 101（第三节）
时间窗口 剩下的两种无界数据处理的方法都是时间窗口的变种。在介绍它们之前，我应该先明确时间窗口的含义。时间窗口就是将数据源（无界或者有界）沿着时间线划分成有限的…
The world beyond batch: Streaming 101（第二节）
数据处理模式 现在我们可以开始讲一些有界和无界数据处理的重要模式了：批量和流式，这里我把微批归类为流式，因为二者的区别不是很重要。 有界数据 处理有界数据很简单…
The world beyond batch: Streaming 101（第一节）
在流式计算方面，有两篇经典文章是必读的：The world beyond batch: Streaming 101与The world beyond batch…