如下图。 这里有两个问题： 1. hive和spark都有corr函数，impala貌似没有，那怎么计算相关系数？难道只能套公式来计算？ 2. ...

爬虫是一个比较容易上手的技术，也许花5分钟看一篇文档就能爬取单个网页上的数据。但对于大规模爬虫，完全就是另一回事，并不是1*n这么简单，还会衍生...

R中的线性回归函数比较简单，就是lm()，比较复杂的是对线性模型的诊断和调整。这里结合Statistical Learning和杜克大学的Dat...

在多元线性回归中，并不是所用特征越多越好；选择少量、合适的特征既可以避免过拟合，也可以增加模型解释度。这里介绍3种方法来选择特征：最优子集选择、...

前些日子我的好哥们安琪姐扔给我一篇Adtributor的paper，尽管已经很久没有看算法，更久没有读paper；但出于对这位专业的数据科学家的...

作品概述 这个作品刚刚获得“中国电科杯”城市数据创新大赛的城市交通专项奖，现在作为案例分享出来供同行交流讨论。虚的就不说了，此文只讨论技术。 先...

先用人话来描述一下这个问题：有两个收益不固定的投资项目，如何将一笔固定的金额分开投资，才能使总投资风险最小？ 再用数学语言来描述一下这个问题，对...

0. 前言 这是本人第3个基于shinydashboard开发的数据产品（前2个见基于R shinydashboard的道路交通可视化案例、比特...