其他教程

1. install hadoop 2. install hbase 3.build hadoop cd $HADOOP_HOME 复制代码 mvn clean package -Pdist -DskipTests -f ./cloudera-pom.xml 复制代码4. build hbase cd $HBASE_HOME 复制代码 mvn clean package -Pdist -DskipTests -f ./pom.xml 复制代码5. 添加classes 至IDEA project … 继续阅读“调试intellij IDEA hbase开拓情况”

单变量阐明在风险建模的进程中，变量选择可以详细细化为单变量变量筛选  (Univariate  Variable Selection）和多变量变量筛选 (Multivariate Variable Selection)。多变量变量筛选一般会操作Stepwise算法在变量池中选取最优变量。 而单变量筛选，可能说单变量阐明，是通过较量指标分箱和对应分箱的违约概率来确定指标是否切合经济意义。详细的单变量阐明要领有许多种， 如我在《信用评级建模中的数据清洗与变量选择》中先容的的AR值 … 继续阅读“手把手教你用R语言成立信用评分模子（二）—单变量阐明”

引子最近中国诗词大会很受接待，才女武亦姝凭借超强的影象力和超快的回响本领一炮走红，成为各人心目中的偶像。 在浏览节目标同时，我也不禁想到，既然古代的诗人可以或许创作出这些优美的诗篇，那我是不是也能创作几首属于本身的诗词作品呢？惋惜，颠末一番实验，我发明自身的文学功底不足，恐怕无法完成这样难题的任务。看来人和人照旧有很大的差距。虽然，我并没有气馁。就像著名的无限猴子定理叙述的那样，哪怕是让一只猴子在打字机上随机地按键，只要按键的时间足够长，那么险些一定可以或许打出任何特定的文字，甚至是莎士比亚的全 … 继续阅读“如何用 R 创作古诗”

一、10个数据阐明维度各一级区域成交量排行和销售均价环境热门成交衡宇户型绘饼图阐明链家南京衡宇年月统计阐明链家南京衡宇生意业务议价空间统计（议价空间 = 挂牌价 – 成交价）链家南京楼层房价统计最贵的top10小区链家逐日销售额平均成交总价与平均成交单价衡宇成交周期报价和成交价差别二、数据处理惩罚及可视化阐明#加载数据data = read.csv(‘D:/操练集/南京链家楼市阐明/dpLianjiabydistrict.csv’,header = TRUE, … 继续阅读“R可视化阐明链家网南京楼市数据”

玩数据中，数据抽样是常用要领和重要手段，通过从总体数据中抽取一个子集，按照子集的特性去预计总体的特性。 本文总结R语言玩数据抽样的要领。  最简朴和常用的要领就是利用sample函数，它可以对一个向量做随机抽样。 函数形态： “` sample(x, size, replace = FALSE, prob = NULL) “` 参数描写： x-方针工具 si … 继续阅读“R语言玩数据抽样教程”

HBase是一个开源的NoSQL产物，它是实现了Google BigTable论文的一个开源产物，和Hadoop和HDFS一起，可用来存储和处理惩罚海量column family的数据。官方网址是：http://hbase.apache.org 一 、HBase会见接口 1.  Native Java API，最通例和高效的会见方法，适合Hadoop MapReduce Job并行批处理惩罚HBase表数据 2.  HBase Shell，HBase的呼吁 … 继续阅读“PHP通过Thrift操纵Hbase”

相关性阐明 & IV（信息值）筛选我们在上一篇变量筛选专题中，利用WoE完成了单变量阐明的部门。接下来，我们会用颠末清洗后的数据看一下变量间的相关性。留意，这里的相关性阐明只是劈头的查抄，进一步查抄模子的多重共线性还需要通过 VIF(variance inflation factor）也就是 方差膨胀因子举办检讨。 R代码：require(corrplot)cor1<-cor(train)corrplot(cor1,tl.cex = 0.5)输出图像： 从相关矩阵图中可以 … 继续阅读“手把手教你用R语言成立信用评分模子（三）— —Logistic模子建构”

此刻NLP技能那么发家了，各类东西那么NB了，但是用R做文天职析的人居然还得为如何读文件不乱码、如何分词、如何统计词频这样的事犯难，也是醉了。假如老逗留在这个程度上，那列位亲你们离本身成天挂在嘴边儿的大数据呆板进修之类的根基上就无缘了。所以但愿各人能把更多精神放到算法上，而不是用在一些琐碎、挥霍时间又极其恼人的工作上。  其实像文本清理这种活儿，根基上就应该是用鼠标点吧点吧就能自动完成的，若要还费半天劲的话纯属扯淡。   所以，chinese.misc这个 … 继续阅读“中文文天职析利便东西包chinese.misc简介”

作者：鲁伟，热爱数据，坚信数据技能和代码改变世界。R语言和Python的忠实拥趸，为成为一名将来的数据科学家而格斗终生。打仗 R 语言快两年时间了，几多也算是对 R 有了个囫囵相识，平日里没事爱倒腾个数据来阐明一下，期间自然踩过不少坑，有些照旧深坑巨壑。两年来 R 基本这块的报错根基见了个遍，所以每当有新手小白问我问题帮他们办理后就一口一个大神大佬大咖的，唬得我全身不自在。比及人都散去，坐到电脑边打开 R 语言，深感惊骇，于是奋而用心进修。之前少年志气，不知天高地厚，目前对数据科学加倍深入进修， … 继续阅读“如何写出整洁类型的R代码？是时候接头一下代码类型性了”

本教程先容相干系数的常识，包罗三方面的内容： 首先，R平台相干系数计较 其次，R平台相关矩阵可视化 最后，R平台相干系数的范例和如何影响后续阐明事情 ### 数据导入 选自[**Kaggle**](https://www.kaggle.com/ "Kaggle")的影戏数据集movies。 R代码 “` ## 数据导入 data.url <- "http://s3.amazonaws.com/dcwoods2717/movies.csv" … 继续阅读“R平台相干系数教程”