腾讯云开发者社区-腾讯云

开发者社区

文档建议反馈控制台

最新优惠活动

文章/答案/技术大牛

发布

素质云笔记

素质云笔记/Recorder... Research Area：多模态+计算机视觉舆情

专栏作者

416

文章

1115321

阅读量

108

订阅数

python - 机器学习lightgbm相关实践

编程算法机器学习 spark https python

相关文章： R+python︱XGBoost极端梯度上升以及forecastxgb（预测）+xgboost（回归）双案例解读 python︱sklearn一些小技巧的记录（训练集划分/pipelline/交叉验证等）

2021-12-07

9660

练习题︱ python 协同过滤ALS模型实现：商品推荐 + 用户人群放大

spark 推荐系统编程算法

之前的一个练习题：练习题︱豆瓣图书的推荐与搜索、简易版知识引擎构建（neo4j）提及了几种简单的推荐方式。但是在超大规模稀疏数据上，一般会采用一些规模化的模型，譬如spark-ALS就是其中一款。这边，笔者也是想调研一下这个模型的操作性，所有就先用单机版的测试一下；对应的spark.mlib有分布式的版本。

2021-12-07

6760

PySpark︱pyspark.ml 相关模型实践

spark python 存储

官方案例来源：https://spark.apache.org/docs/latest/api/python/pyspark.ml.html#pyspark.ml.classification.MultilayerPerceptronClassifier

2020-03-27

1.8K0

R语言︱H2o深度学习的一些R语言实践——H2o包

深度学习 spark

连接、搭建H2o环境（heo.init()）——数据转换成h2o格式（as.h2o）——模型拟合（h2o.deeplearning）——预测（h2o.predict）——数据呈现（h2o.performance）。

2019-05-28

2.6K0

R︱Rstudio 1.0版本尝鲜（R notebook、下载链接、sparkR、代码时间测试profile）

spark sql markdown

如果R的版本够的话，需要预装knitr，rmarkdown，同时你点击R notebook就会直接帮你加载。

2019-05-28

1K0

R︱sparkR的安装与使用、函数尝试笔记、一些案例

python spark javascript

本节内容转载于博客： wa2003 spark是一个我迟早要攻克的内容呀~ ————————————————————————————————————— 一、SparkR 1.4.0 的安装及使用 1、./sparkR打开R shell之后，使用不了SparkR的函数装在了 /usr/local/spark-1.4.0/ 下 [root@master sparkR]#./bin/sparkR 能进入R，和没装SparkR的一样，无报错 > library(SparkR) 报错： Error i

2019-05-27

1.5K0

Sparklyr与Docker的推荐系统实战

容器镜像服务 spark 数据分析 windows 大数据

作者：Harry Zhu 链接：https://zhuanlan.zhihu.com/p/21574497 来源：知乎著作权归作者所有。商业转载请联系作者获得授权，非商业转载请注明出处。相关内容：

2019-05-26

6980

pySpark | pySpark.Dataframe使用的坑与经历

spark apache python 编程算法

笔者最近在尝试使用PySpark，发现pyspark.dataframe跟pandas很像，但是数据操作的功能并不强大。由于，pyspark环境非自建，别家工程师也不让改，导致本来想pyspark环境跑一个随机森林，用《Comprehensive Introduction to Apache Spark, RDDs & Dataframes (using PySpark) 》中的案例，也总是报错…把一些问题进行记录。

2019-05-26

7.6K0

PySpark︱DataFrame操作指南：增/删/改/查/合并/统计与数据处理

sql spark python

笔者最近需要使用pyspark进行数据整理，于是乎给自己整理一份使用指南。pyspark.dataframe跟pandas的差别还是挺大的。

2019-05-26

29.8K0

转︱机器学习算法线上部署方法

java 数据处理 spark python

我们经常会碰到一个问题：用了复杂的GBDT或者xgboost大大提升了模型效果，可是在上线的时候又犯难了，工程师说这个模型太复杂了，我没法上线，满足不了工程的要求，你帮我转换成LR吧，直接套用一个公式就好了，速度飞速，肯定满足工程要求。这个时候你又屁颠屁颠用回了LR，重新训练了一下模型，心里默骂千百遍：工程能力真弱。

2019-05-26

1.1K0

没有更多了

社区活动

腾讯技术创作狂欢月

“码”上创作 21 天，分 10000 元奖品池！

Python精品学习库

代码在线跑，知识轻松学

博客搬家 | 分享价值百万资源包

自行/邀约他人一键搬运博客，速成社区影响力并领取好礼

技术创作特训营·精选知识专栏

往期视频·千货材料·成员作品最新动态