统计学习方法（笔记）-感知机

感知机是二分类的线性分类模型，对应于输入空间中将实例划分为正负两类的分离超平面，属于判别模型。感知机模型$$f(x)=sign(w·x+b)$$ 其中，w 和 b 为感知机模型参数，$w \in R^n$称为权指或者权指向量，$b \in R$称为偏置，$w·x$表示

统计学习方法（笔记）-概论

统计学习统计学习是关于计算机基于数据构建概率统计模型并运用模型对数据进行预测与分析的一门学科，也称为统计机器学习。即数据-->模型-->预测。统计学习的对象是数据。从数据出发，提取数据的特征，抽象出数据的模型，发现数据中的知识，又回到对数据的分析和预测中。其目的是对

描述Cassandra的主要技术架构，以及读写的流程和内部实现方式。

Cassandra被设计来在多个节点中处理大量的数据负载，并且没有单点故障。它的架构建立在认为系统能够并且可能发生故障的基础上。节点使用gossip这个点对点的算法来在集群中交换自身和其他节点的状态信息。每个节点上，顺序追加的commit log文件，捕获节点的写入动作来确保

使用Hadoop往Druid读入数据时，可以不用开启Indexing服务，而且执行一个单独的hadoop indexer命令行命令即可。这个命令调用了io.druid.cli.Main类的main方法，并且通过Ariline解析命令。

对Indexing Task提交到Overlord后的执行过程进行简单的源码分析

Druid的查询都通过向可查询节点（Broker、Historcal或者Realtime）发送HTTP REST风格的请求来获得结果。请求使用JSON格式，通常发送到Broker节点。 Druid的查询分为三类：聚合查询（Aggregation Queries） Time

在不支持免密登录的跳转机上通过expect自动连接主机

在Druid中读取已有的数据比较简单，有很多方法可以使用，详见这里。但是如果不同的Druid集群使用了不同的Metadata Storage，迁移任务首先回去找datasource下的segments，但是由于旧的Druid集群把相关信息保存在其他地方，这将会导致找不到Segme

Indexing Service 是 Druid 的一个核心组件，用来对数据进行索引，控制Druid的段的产生以及销毁。