文本相似度度量就是衡量两个文本相似度的算法。主要包括两个步骤：将文本表示为向量（文本表示）；衡量两个向量的相似度（相似度度量）。

这是一句来自希腊的哲学家赫拉克利特写的话，它很简单但却道出了世界的真理之一。在数据科学与机器学习领域，这句话同样是非常有意义的，在生产中部署机器学习模型的许多实际应用中，数据通常会随着时间的推移而变化，因此之前...

最早Doug Cutting（后面被称为hadoop之父）领导创立了Apache的项目Lucene，然后Lucene又衍生出子项目Nutch，Nutch又衍生了子项目Hadoop。Lucene是一个功能全面的文本搜索和查询库，Nutch目标就是要试图以Lucene为核心建立一个...

k-means算法又称k均值，顾名思义就是通过多次求均值而实现的聚类算法。是一种无监督的机器学习方法，即无需知道所要搜寻的目标，而是直接通过算法来得到数据的共同特征。其具体算法思想如下图所示：...

数据挖掘又称知识发现（KDD：Knowledge Discovery in Database），即“从数据中挖掘知识”。 　　丰富的数据以及对强有力的数据分析工具的需求，这种情况被描述为“数据丰富，但信息匮乏”。数据挖掘可以看作信息技术自然进化的...

K-Means算法是一种聚类算法，把n个对象根据他们的属性分成k个分类，并且使这K个分割的内部相似度最大，而分割之间的相似度最小。 其主要的算法流程如下： 1. 从n个对象中任意选K个对象，作为每个聚类的中心 2. 根据K个中心，按照...

1.Spark master使用zookeeper进行HA的，有哪些元数据保存在Zookeeper？ 答：spark通过这个参数spark.deploy.zookeeper.dir指定master元数据在zookeeper中保存的位置，包括Worker，Driver和Application以及Executors。st......

现在的互联网平台都有着海量的客户，但客户和客户之间有很大的差异，了解客户的行为方式对于充分理解用户与优化服务增强业务至关重要。而借助机器学习，我们可以实现更精细化地运营，具体来说，我们可以预测客户价值，即在特定时...

如果你是一个生信初学者，又或者你是一个学临床的，为了发文章开始学生信，学了点数据挖掘，GEO，TCGA什么的，但是对很多专有名词不理解，对很多流程或者步骤云里雾里，那我强烈推荐你看看这本书：生物信息学最佳实践-基础篇[1]！...

空间动态风力发电预测（Spatial Dynamic Wind Power Forecasting）对风能的利用具有实际意义，参与者应准确估计风电场的风能供应。