pyspark-lsh:PySpark 中的局部敏感哈希
Spark-LSH
局部敏感哈希。 主要是的 PySpark 端口。
先决条件
火花 1.2+
Python 2.7+
SciPy 0.15+
NumPy 1.9+
实施细则
该项目遵循 spark-hash Scala LSH 实现的主要工作流程。 它的核心lsh.py模块接受 RDD 支持的密集 NumPy 数组或 PySpark SparseVectors 列表，并生成一个模型，该模型只是对生成的所有中间 RDD 的包装。 下面将详细介绍每个步骤。
重要的是要注意，虽然这个管道将接受密集或稀疏向量，但来自的原始哈希函数几乎肯定会因密集向量而失败，导致所有向量都被散列到所有波段中。 目前正在开展工作以实现更均匀地分割密集向量的替代哈希函数。 对于稀疏情况，结果与的结果重复。
用法
用法遵循 spark-hash 项目的用法。 参数保持不变。
参数
命令行参数：
--bins
文件下载
资源详情
[{"title":"（ 6 个子文件 6KB ） pyspark-lsh:PySpark 中的局部敏感哈希","children":[{"title":"pyspark-lsh-master","children":[{"title":"__init__.py <span style='color:#111;'> 0B </span>","children":null,"spread":false},{"title":"LICENSE <span style='color:#111;'> 553B </span>","children":null,"spread":false},{"title":"README.md <span style='color:#111;'> 3.66KB </span>","children":null,"spread":false},{"title":"lsh.py <span style='color:#111;'> 3.12KB </span>","children":null,"spread":false},{"title":"hasher.py <span style='color:#111;'> 1.14KB </span>","children":null,"spread":false},{"title":"driver.py <span style='color:#111;'> 2.04KB </span>","children":null,"spread":false}],"spread":true}],"spread":true}]
评论信息
其他资源
- 1400道CISSP考试模拟题
- 代码大全2中文版（高清晰完美PDF版，索引完整）.pdf
- DAC8560的驱动程序
- 2016最新版 delta-sigma toolbox matlab
- 改进平方根法matlab
- 简易CPU之verilog设计（原创）
- springmvc框架的用户登录注册的简单实现
- 基于百度API的使用js实现的人脸识别Demo
- 《雅奇880》企业版2011V0915破解版
- 湍流退化红外图像降晰函数辨识
- 静态链接库制作示例.rar
- 人口结构2020年度数据
- 新型智慧城市网络安全体系建设方案.docx
- 2007年10月高等教育自学考试全国统一命题考试数据结构导论试卷及答案.docx
- 海思3531互动参数调试.docx
- 非池 My Alphabet Tracing and Colouring.pdf
- CNC雕刻机控制软件
- EMW3162例程
- jdk-8u221-linux-x64.tar.gz&jdk;-8u221-windows-x64.exe
- 操作系统处理机作业－电梯调度模拟
- ArcGIS+Engine+C#实例
- 小波阈值去噪的程序，希望对小波初学者较大帮助。
- jsupload实现js上传文件，并显示文件上传进度
免责申明
【只为小站】的资源来自网友分享，仅供学习研究，请务必在下载后24小时内给予删除，不得用于其他任何用途，否则后果自负。基于互联网的特殊性，【只为小站】 无法对用户传输的作品、信息、内容的权属或合法性、合规性、真实性、科学性、完整权、有效性等进行实质审查；无论 【只为小站】 经营者是否已进行审查，用户均应自行承担因其传输的作品、信息、内容而可能或已经产生的侵权或权属纠纷等法律责任。
本站所有资源不代表本站的观点或立场，基于网友分享，根据中国法律《信息网络传播权保护条例》第二十二条之规定，若资源存在侵权或相关问题请联系本站客服人员，zhiweidada#qq.com，请把#换成@，本站将给予最大的支持与配合，做到及时反馈和处理。关于更多版权及免责申明参见 版权及免责申明
本站所有资源不代表本站的观点或立场，基于网友分享，根据中国法律《信息网络传播权保护条例》第二十二条之规定，若资源存在侵权或相关问题请联系本站客服人员，zhiweidada#qq.com，请把#换成@，本站将给予最大的支持与配合，做到及时反馈和处理。关于更多版权及免责申明参见 版权及免责申明