Apache Spark机器学习.2.3　一致性匹配-低调大师

Apache Spark机器学习.2.3　一致性匹配

2017-05-01 647

2.3　一致性匹配

本节，我们将讨论一个重要的数据准备主题，就是一致性匹配和相关解决方案。我们将讨论几个使用Spark解决一致性问题的特征和使用Spark的数据匹配解决方案。

阅读本节以后，读者可以使用Spark解决一些常见的数据一致性问题。

2.3.1　一致性问题

我们经常需要在数据准备过程中处理一些属于同一个人或单元的数据元素，但这些元素并不相似。例如，我们有一些Larry Z.的购物数据和L. Zhang的网页活动数据。Larry Z.和L. Zhang是否是同一个人？数据中是否有很多一致性的变化。

由于实体变异的类型非常普遍，可能引起的原因有：重复、错误、名字变化和有意的别名等，使得对象匹配成为机器学习数据准备中的一个巨大挑战。有时，完成匹配或寻找关联都非常困难，而且这些工作非常耗时。然而，任何种类的错误匹配将产生许多错误，数据的不

微信关注我们

原文链接：https://yq.aliyun.com/articles/84537

转载内容版权归作者及来源网站所有！

低调大师中文资讯倾力打造互联网数据资讯、行业资源、电子商务、移动互联网、网络营销平台。持续更新报道IT业界、互联网、市场资讯、驱动更新,是最及时权威的产业资讯及硬件资讯报道平台。

《Storm技术内幕与大数据实践》一导读

前言 Storm技术内幕与大数据实践本书意在介绍实时大数据的各个方面，分享我们在设计实时应用过程中遇到的一些问题，让一些从零开始构建实时计算平台的公司少走弯路。我们力图使不同背景的读者都能从其中获益。如果你从事基础架构方面的工作，可以着重阅读以下几章：在第1章中，我们整理了国内主要互联网公司在Storm应用方面的一些情况；在第2章中，我们介绍了实时平台的总体架构，随后引入了大众点评和1号店目前实时平台的一些基本情况；在第4章中，我们给出了源码剖析，为了让不懂Clojure语言的读者也能容易地理解Storm的内部原理，我们配了很多顺序图来描述调用逻辑；在第5章中，我们分享了一些在实践中总结出来的监控Storm应用的常用方法；在第6章中，我们介绍了在Storm上如何做一些扩展，方便更好地维护和管理集群；在第10章中，我们主要分享了Storm的一些小技巧和性能优化的经验。如果你是大数据产品的开发和架构人员，可以着重阅读后面的几章，其中分享了我们一年来遇到的一些瓶颈。如果你是算法工程师，可以着重了解第8章和第9章，里面的用户生命周期模型、实时推荐系统的算法和架构、千人千面架构等不少内容...

2017-05-02

583

2.4　数据集重组本节，我们介绍数据集重组技术。我们将讨论一些特殊的Spark数据重组特征，以及一些可以用在Spark notebook中基于R语言数据重组的特别方法。学习完本节，我们可以根据不同的机器学习需要进行数据集重组。 2.4.1　数据集重组任务数据集重组虽然听起来比较容易，但还是很有挑战，并且非常耗时。有两个常见的数据重组任务：一是，获取一个用于建模的数据子集；二是，以更高的层次汇总数据。例如，我们有学生数据，但是我们需要一些班级层面的数据集。为此，我们需要计算学生的一些属性，然后重组为新的数据。处理数据重组，数据科学家和机器学习从业者经常使用他们熟悉的SQL和R语言编程工具。幸运的是，在Spark环境中，Spark SQL和R notebook能够让用户沿用他们熟悉的方式。我们将在下面两节中详细说明。总体来讲，我们推荐使

2017-05-02

559

资源下载

更多资源

优质分享App

近一个月的开发和优化，本站点的第一个app全新上线。该app采用极致压缩，本体才4.36MB。系统里面做了大量数据访问、缓存优化。方便用户在手机上查看文章。后续会推出HarmonyOS的适配版本。

Mario

马里奥是站在游戏界顶峰的超人气多面角色。马里奥靠吃蘑菇成长，特征是大鼻子、头戴帽子、身穿背带裤，还留着胡子。与他的双胞胎兄弟路易基一起，长年担任任天堂的招牌角色。

Rocky Linux

Rocky Linux（中文名：洛基）是由Gregory Kurtzer于2020年12月发起的企业级Linux发行版，作为CentOS稳定版停止维护后与RHEL（Red Hat Enterprise Linux）完全兼容的开源替代方案，由社区拥有并管理，支持x86_64、aarch64等架构。其通过重新编译RHEL源代码提供长期稳定性，采用模块化包装和SELinux安全架构，默认包含GNOME桌面环境及XFS文件系统，支持十年生命周期更新。

Sublime Text

Sublime Text具有漂亮的用户界面和强大的功能，例如代码缩略图，Python的插件，代码段等。还可自定义键绑定，菜单和工具栏。Sublime Text 的主要功能包括：拼写检查，书签，完整的 Python API ， Goto 功能，即时项目切换，多选择，多窗口等等。Sublime Text 是一个跨平台的编辑器，同时支持Windows、Linux、Mac OS X等操作系统。