mapreduce实现apriori算法，亲测可行！需要自行下载数据集。
数据集链接如下http://fimi.ua.ac.be/data/
数据集链接如下http://fimi.ua.ac.be/data/
2024/1/14 0:06:30
90KB
经实践过的插件，安装过程可参考：https://blog.csdn.net/hitits/article/details/95754826
2024/1/13 16:22:06
46.2MB
telnet安装包的全部组件：telnet-0.17-47.el6.x86_64telnet-server-0.17-47.el6.x86_64xinetd-2.3.14-39.el6_4.x86_64
2024/1/12 4:12:10
199KB
我的目的是有个网上商城，里面有很多商品，某个用户在浏览一些商品后系统根据用户的浏览记录再结合其它广大用户的偏好记录，应用基于物品的协同过滤算法，为这个用户推荐合乎情理的其它商品，目的在于加深对算法的理解及更直观的展示算法的成果
2024/1/6 17:42:06
24.69MB
PCA（主成分分析）算法，主要用于数据降维，保留了数据集中对方差贡献最大的若干个特征来达到简化数据集的目的。
实现数据降维的步骤：1、将原始数据中的每一个样本用向量表示，把所有样本组合起来构成一个矩阵，通常需对样本矩阵进行处理，得到中性化样本矩阵2、求样本矩阵的协方差矩阵3、求协方差矩阵的特征值和特征向量4、将求出的特征向量按照特征值的大小进行组合形成一个映射矩阵。
并根据指定的PCA保留的特征个数取出映射矩阵的前n行或者前n列作为最终的映射矩阵。
5、用映射矩阵对数据进行映射，达到数据降维的目的。
实现数据降维的步骤：1、将原始数据中的每一个样本用向量表示，把所有样本组合起来构成一个矩阵，通常需对样本矩阵进行处理，得到中性化样本矩阵2、求样本矩阵的协方差矩阵3、求协方差矩阵的特征值和特征向量4、将求出的特征向量按照特征值的大小进行组合形成一个映射矩阵。
并根据指定的PCA保留的特征个数取出映射矩阵的前n行或者前n列作为最终的映射矩阵。
5、用映射矩阵对数据进行映射，达到数据降维的目的。
2024/1/6 15:32:43
24KB
WikiText英语词库数据WikiText英语词库数据
2024/1/3 19:25:16
373.4MB