机器学习梯度下降算法
当模型和损失函数形式较为简单时，误差最小化问题的解可以直接用公式表达出来，这类解叫作解析解，例如文章机器学习线性回归与最小二乘法中讲解的算法就属于此类。然而，大…
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，线性回归试图学得，使得尽可能逼近…
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…
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…
MillWheel：在网络规模上可容错的流式处理（第三节）
4. 核心概念 MillWheel 除了流式系统的基本要素，还提供了简洁的抽象概念。数据通过用户定义的 computations 有向图流过我们的系统（…