-
大数运算和大数类
所属栏目：[大数据] 日期：2021-01-18 热度：106
1、首先看一个小问题： 整型数组、字符型数组、vector在未初始化的情况下： int main(){int data[5];char c[5];vectorint v(5);vectorchar v1(5);vectorint v2;cout "int[]:";for (int i = 0; i 5; i++){cout data[i] " ";}cout endl endl;cout "char[]:";[详细]
-
数据处理之——plyr
所属栏目：[大数据] 日期：2021-01-18 热度：138
本文主要介绍如何利用R中的plyr包对数据进行处理。plyr是R中做数据处理和加工的包，它可以用来做类似EXCEL数据透视表的操作。 split-apply-combine split-apply-combine是plyr包的基本思想,首先把大的数据集按照一定的规则对数据进行拆分(split)，然后对每[详细]
-
金融行业的BI应用分析
所属栏目：[大数据] 日期：2021-01-18 热度：111
商业智能是一种提高企业智能化的手段，它可以满足企业发展的需要、提高企业的竞争力。同时，对于提高金融行业的风险管理、提升对外服务的质量都能够起到关键性的作用。 在市场竞争和银行业务转型期间，商业智能对于业务以及内部管理水平的提升起到了重要的[详细]
-
HDOJ -- 1002 大数A+B
所属栏目：[大数据] 日期：2021-01-18 热度：112
A + B Problem II Time Limit: 2000/1000 MS (Java/Others)????Memory Limit: 65536/32768 K (Java/Others) Problem Description I have a very simple problem for you. Given two integers A and B,your job is to calculate the Sum of A + B. ? Input[详细]
-
新闻中文本地域信息标签的抽取
所属栏目：[大数据] 日期：2021-01-17 热度：151
这里主要是基于规则的新闻地域提取方法，这里简要记录一下思路。 首先我们拥有了地域信息数据库，并且标注了省市的layer层信息。主要思路是利用nlp库，分词得到标有地名属性词，在于地域数据库匹配。 第一步，提取正文分词得到标注为地名的词语。 第二步，[详细]
-
序列模式挖掘——GSP算法
所属栏目：[大数据] 日期：2021-01-17 热度：172
序列模式挖掘的基本概念 项目全集I、项集X和事务集合T的概念和文章关联规则挖掘——Apriori算法 中定义的一致。一个序列(Sequence)是一个有序的项集列表，这个有序通常是指时间有序。我们将序列s表示为： a1a2...ar 其中， ai 是一个项集，也称为s的一个元[详细]
-
科普丨五个角度浅析大数据与BI的区别，教你迅速把握大数据的精髓
所属栏目：[大数据] 日期：2021-01-17 热度：52
作者：咨行天下 BI(Business Intelligence)，中文翻译是商务智能，是一套完整的解决方案，用来将组织中现有的数据进行有效的整合，快速准确的提供报表并提出决策依据，帮助组织做出明智的业务经营决策。 大数据(Big Data)是从收集的海量数据中，通过算法将[详细]
-
[POJ 1811 Prime Test] Miller_Rabin + Pollard_rho 大数质数判
所属栏目：[大数据] 日期：2021-01-17 热度：103
[POJ 1811 Prime Test] Miller_Rabin + Pollard_rho 大数质数判断/质因子分解模板 题目链接：[POJ 1811 Prime Test] 题意描述：判断N是否为质数，如果是，求最小的质因子( 2≤N254 )。 解题思路：Miller_Rabin + Pollard_rho 模板走起。 #include ctime#in[详细]
-
干货丨企业级大数据知识图谱产品的构建及应用
所属栏目：[大数据] 日期：2021-01-17 热度：152
副标题#e# 报道大数据企业：大数据产品、大数据方案、 ? 大数据人物 分享大数据干货：大数据书籍、大数据报告、 大数据视频 本文系大数据人精选自网络。欢迎更多优质原创文章投稿给大数据人：289585305@qq.com 导读： 大数据，一个现今人人都在讨论的火爆话[详细]
-
FP-growth算法挖掘频繁项集
所属栏目：[大数据] 日期：2021-01-17 热度：138
概述 FP-growth算法基于Apriori构建，但在完成相同任务时采用了一些不同的技术。这里的任务是将数据集存储在一个特定的称作FP树的结构之后发现频繁项集或者频繁项对，即常在一块出现的元素项的集合FP树。这种做法使得算法的执行速度要快于Apriori，通常性[详细]
-
麦肯锡报告：让高管了解大数据分析
所属栏目：[大数据] 日期：2021-01-17 热度：58
副标题#e# 原标题：Mobilizing your C-suite for big-data analytics 作者：Brad Brown,David Court,and Paul Willmott 编译：谢润超，工业和信息化部国际经济技术合作中心 来源：中国经济网 导读 现在，数据分析的力量正深刻影响着商业格局。大数据对公司[详细]
-
自动机+高斯消元 ifrog1025 Magic boy Bi Luo with his excited
所属栏目：[大数据] 日期：2021-01-17 热度：52
传送门：点击打开链接 题意：告诉你ｎ个串，现在随机写字符，直到之前的字典里某个差un是当前写的串的子串时停止，问期望次数是多少． 思路：玲珑套路杯，求个自动机发现next数组就是接下来的状态,套个高斯消元就做完了.. #include map#include set#includ[详细]
-
【重！磅！干！货
所属栏目：[大数据] 日期：2021-01-17 热度：180
副标题#e# 查看之前文章请点击右上角 ，关注并且 查看历史消息 ，还可以在文章最后评论留言。谢谢您的支持！ 回复【文本挖掘】或者【点击阅读原文】获取链接与代码附录 一、 功能概述 ? ? ? ?关键词词频网络图是以股票论坛、 个股新闻、研究报告三个网站作[详细]
-
51Nod－1116－K进制下的大数
所属栏目：[大数据] 日期：2021-01-17 热度：128
ACM模版 描述 题解 这里我们通过样例可以发现 A1A 的数位和是21，刚好是 K-1 的倍数，所以我们不妨多举几组数据测试一下，发现竟然都符合这个规律(￣┰￣*)，那么AC就不远了。 可是这里需要强调的是，K的最小值，如果K清一色的都是从2开始枚举，那么不用想[详细]
-
开源ETL工具kettle系列之在应用程序中集成
所属栏目：[大数据] 日期：2021-01-17 热度：112
摘要 本文主要讨论如何在你自己的Java应用程序中集成Kettle 集成 如果你需要在自己的Java应用程序中集成Kettle,一般来说有两种应用需求，一种是通过纯设计器来设计ETL转换任务，然后保存成某种格式，比如xml或者在数据库中都可以，然后自己调用程序解析这[详细]
-
开源ETL工具kettle系列之建立缓慢增长维
所属栏目：[大数据] 日期：2021-01-17 热度：153
摘要 本文主要介绍使用kettle 来建立一个Type 2的Slowly Changing Dimension 以及其中一些细节问题 Kettle 简介 Kettle 是一个强大的，元数据驱动的ETL工具被设计用来填补商业和IT之前的差距，将你公司的数据变成可增长的利润. 我们先来看看Kettle能做什么[详细]
-
大数据分析公司Kentik完成230万美元B轮融资
所属栏目：[大数据] 日期：2021-01-17 热度：164
点击上方蓝色字体关注。 您还可以搜索公众号“ D1net”选择关注D1net旗下的各领域（云计算，数据中心，大数据，CIO，企业协作，网络数通，信息安全，企业移动应用，系统集成，服务器，存储，呼叫中心，视频会议，视频监控等）的子公众号。 ======= 数据的[详细]
-
hdu 1002 大数相加
所属栏目：[大数据] 日期：2021-01-17 热度：163
Problem Description I have a very simple problem for you. Given two integers A and B,your job is to calculate the Sum of A + B. ? Input The first line of the input contains an integer T(1=T=20) which means the number of test cases. Then[详细]
-
从公安大数据业务切入，挖掘更多数据价值：明略数据完成 2 亿元
所属栏目：[大数据] 日期：2021-01-17 热度：71
大数据概念在国内炒的过热，落地大数据应用的产品并不多。原因一方面在于底层数据的非结构化存储，数据挖掘技术难度大；另一方面在于数据挖掘多样化模型建立的技术难度。从IT时代到DT时代，大家都在谈大数据概念而无法落地，而一旦系统应用到具体场景，完[详细]
-
hdoj 5834 Magic boy Bi Luo with his excited tree 树形dp
所属栏目：[大数据] 日期：2021-01-17 热度：189
假设 1 为 根节点 dp[i][0] 代表从自己出发选择到儿子节点最后必须返回自己的最大价值 dp[i][1] 代表从自己出发选择到儿子节点最后可选择不回来的最大价值 并记录最后选择的离开节点 id[i] 树形dp先跑一遍出来 再第二遍 dfs 因为每个节点也可以流向父节点[详细]
-
业务渗透思路总结
所属栏目：[大数据] 日期：2021-01-17 热度：111
-
BI中事实表和维度表的定义
所属栏目：[大数据] 日期：2021-01-17 热度：137
?? 一个典型的例子是，把逻辑业务比作一个立方体，产品维、时间维、地点维分别作为不同的坐标轴，而坐标轴的交点就是一个具体的事实。也就是说事实表是多个维度表的一个交点。而维度表是分析事实的一个窗口。? ?????? 首先介绍下数据库结构中的星型结构，[详细]
-
BI进行中，重新设计改造质检数据管理系统（图文）
所属栏目：[大数据] 日期：2021-01-17 热度：91
最近在做一个质检系统BI项目的过程中个，发现原有的系统设计有很大问题，数据特别混乱，主要问题有：指标设计结构不合理，将指标直接与产品关联，而且每个车间的产品都使用独立id加以区分，这样的后果就是有很多重复的产品和大量的指标，当在BI系统中对数[详细]
-
技术分享 | 从白盒审计角度挖掘逻辑漏洞
所属栏目：[大数据] 日期：2021-01-16 热度：140
0x01 背景 ? ? ? 通常来讲，扫描器难以发现逻辑类漏洞，所以企业和安全研究者都比较重视这方面的漏洞。 ? ? ? 最近国外漏洞披露平台hackerone上，一位白帽子发现Uber一修改任意账户密码的逻辑漏洞，获得了$10000美元的奖励。 ? ? ? 所以如何通过代码审计来[详细]
-
实战：图片信息挖掘与解析-1
所属栏目：[大数据] 日期：2021-01-16 热度：81
因著作权限制，请大家点击左下角“阅读原文”进行查阅。[详细]
