kettle的web版本，自己编译的war包，直接放到tomcat下运行，然后http://localhost:8080/webspoon/spoon就可以访问

【大数据+spark+数据清洗】hotel_data 学习大数据清洗的数据 对应文章：https://blog.csdn.net/weixin_44018458/article/details/128980802 数据内容： 省份,城市,商圈,星级,业务部门,房间数,图片数,评分,评论数,城市平均实住间夜,酒店总订单,酒店总间夜,酒店实住订单,酒店实住间夜,酒店直销订单,酒店直销间夜,酒店直销实住订单,酒店直销实住间夜,酒店直销拒单,酒店直销拒单率,城市直销订单,城市直销拒单率,拒单率是否小于等于直销城市均值 aba_2066,马尔康嘉绒大酒店,中国,四川,阿坝,NULL,四星级/高档,OTA,85,NULL,4.143799782,108,34.06,45,75,22,44,NULL,NULL,NULL,NULL,NULL,NULL,34147,7.90%,0 aba_2069,阿坝马尔康县澜峰大酒店,中国,四川,阿坝,NULL,二星及其他,低星,115,NULL,3.977930069,129,34.06,35,72,27,59,34,71,27,59,6,17.65%,34

Real_Time_DataMining_Sortware 一款能实时进行文本挖掘的软件，不占用多余的存储空间，直接将采集后的数据集中存储在本地txt中，运用本软件无需进行大量的手动翻页操作，输入对应的店铺链接即可对民宿进行分析包含接结构化数据的可视化和非结构化UGC的情感分析，包含数据的实时采集/数据清洗/结构化保存/UGC数据主题提取/情感分析/后结构化可视化等技术的综合性演示demo。基于在线民宿UGC数据的意见挖掘项目，包含数据挖掘和NLP相关的处理，负责数据采集、整句切分、主题抽取、情感分析等任务。主要克服用户打分和评论不一致，实时对携程和美团在线民宿的满意度进行评测以及对额外数据进行可视化的综合性工具，多维度的对在线UGC进行数据挖掘并可视化，对比顾客直接打分的结果来看，运用机器学习的情感分析方法更能挖掘到详细的顾客意见和对应的合理评分。 软件包含数据采集（txt_analys

本次课程主要以真实的电商数据为基础，通过Python详细的介绍了数据分析中的数据清洗阶段各种技巧和方法。

基于Spark的健康监测管理系统的数据清洗与数据分析.zip代码为基于Spark的健康监测管理系统的数据清洗与数据分析部分，数据清洗部分使用RDD，分析部分综合使用sparksql与RDD，最终转为DataFrame进行计算，因网络上可供参考的文献、项目等较少，本项目为从事大数据开发的人员提供参考 基于Spark的健康监测管理系统的数据清洗与数据分析.zip代码为基于Spark的健康监测管理系统的数据清洗与数据分析部分，数据清洗部分使用RDD，分析部分综合使用sparksql与RDD，最终转为DataFrame进行计算，因网络上可供参考的文献、项目等较少，本项目为从事大数据开发的人员提供参考 基于Spark的健康监测管理系统的数据清洗与数据分析.zip代码为基于Spark的健康监测管理系统的数据清洗与数据分析部分，数据清洗部分使用RDD，分析部分综合使用sparksql与RDD，最终转为DataFrame进行计算，因网络上可供参考的文献、项目等较少，本项目为从事大数据开发的人员提供参考 基于Spark的健康监测管理系统的数据清洗与数据分析.zip代码为基于Spark的健康监测管理

基于Hadoop的全国酒店数据清洗项目源码+报告.zip结合本案例背景介绍，说明对本数据集进行分析的目的，说明采用的分析技术，实现的价值。 本案采用的数据集是全国各省市酒店的运营情况数据集，对该数据集进行分析的目的是为了更好的指导酒店行业的发展。本案例使用hdfs分布式存储系统存储数据，利用Hadoop的MapReduce技术进行数据分析。 3、简要介绍mapreduce框架 MapReduce是面向大数据并行处理的计算模型、框架和平台，它隐含了以下三层含义： （1）MapReduce是一个基于集群的高性能并行计算平台（Cluster Infrastructure）。它允许用市场上普通的商用服务器构成一个包含数十、数百至数千个节点的分布和并行计算集群。 基于Hadoop的全国酒店数据清洗项目源码+报告.zip基于Hadoop的全国酒店数据清洗项目源码+报告.zip基于Hadoop的全国酒店数据清洗项目源码+报告.zip基于Hadoop的全国酒店数据清洗项目源码+报告.zip基于Hadoop的全国酒店数据清洗项目源码+报告.zip

RFID清洗算法描述，策略运用，rfid工作原理。

本压缩包可供个人学习实践使用，严禁除此以外的一切用途！违法必究

抽烟检测一共2500多张图片含负样本，训练测试比例为8：2。进行了数据划分，数据增强，数据清洗，负样本添加，可以直接下载使用。准确率可达0.98+

针对现实数据集的数据缺失问题，提出了一种基于双聚类的缺失数据填补新方法。该算法利用双聚类簇内平均平方残值越小簇内数据相似性越高的这一特性，将缺失数据的填补问题转换为求解特定双聚类簇最小平均平方残值的问题，进而实现了数据集中缺失元素的预测；再利用二次函数求解极小值的思想对包含有缺失数据的特定双聚类簇最小平均平方残值的问题进行求解，并进行了数学上的分析证明。最后进行仿真验证，通过观察UCI数据集的实验结果可知，提出的算法具有较高的填补准确性。