最近看了B+树的存储，在网上找到几个实例，最后把一个作者整理的分享下。该源码来自网上，作者说已经在生产环境使用，所以选择了它
2021-10-23 10:54:25
2.13MB
1
默克尔
通过自己的作品， ，
用法
package main
import (
"crypto/sha256"
"log"
"os"
"github.com/wilfreddenton/merkle"
)
func main() {
// create a hash function
// it's ok to resuse this in merkle calls because it will be reset after use
h := sha256.New()
// create an io.Reader
f, err := os.Open("main.go"
2021-10-22 22:23:16
392KB
1
PredictionIO 模板：具有特征重要性的决策树
概述
引擎模板是引擎的几乎完整的实现。 在这个引擎模板中，我们默认集成了 Apache Spark MLlib 的决策树算法。 此回归引擎模板的默认用例是预测的价格。 您可以轻松自定义它以适应您的特定用例和需求。
我们将向您展示如何基于此模板为生产使用创建自己的回归引擎。
用法
与码头工人：
开始使用 predictio 的最佳方法是使用 docker。
从我们的形象
docker run -ti --dns=8.8.8.8 -p 9000:9000 -v /pathTo/template-decision-tree-feature-importance:/MyRegression ants/predictionio:v0.9.1 bash
构建Docker映像
按照的步骤：
git clone https://github
2021-10-16 16:32:50
508KB
1
rrcf :evergreen_tree: :evergreen_tree: :evergreen_tree:
用于异常检测的鲁棒随机砍伐森林算法的实现 。
S.Guha，N.Mishra，G.Roy和O.Schrijvers，基于流的鲁棒随机采伐森林异常检测，在2016年第33届国际机器学习国际会议论文集（纽约，纽约，第2712-2721页） ）。
关于
鲁棒随机砍伐森林（RRCF）算法是一种用于检测流数据中异常值的集成方法。 RRCF提供了许多竞争性异常检测算法所缺乏的许多功能。 具体而言，RRCF：
设计用于处理流数据。
在高维数据上表现良好。
减少不相关尺寸的影响。
优雅地处理可能会掩盖异常值的重复项和几乎重复项。
具有异常评分算法，具有清晰的基本统计含义。
该存储库提供了RRCF算法及其核心数据结构的开源实现，目的是促进实验并实现RRCF算法的未来扩展。
文献资料
在阅读文档 。
安装
使用pip通过pypi安装rrcf ：
$ pip i
2021-10-14 19:38:15
834KB
1