- 综合排序
- 最热优先
- 最新优先
- 来自专栏凹凸玩数据
盘点 10大 数据库！
大家好，我是小五 DB-Engines 最近发布了 2021 年 9 月份的数据库排名。该网站根据数据库管理系统的受欢迎程度对其进行排名，实时统计了 378 种数据库的排名指数。 前 30 名的排行情况详见下图，前10大数据库 用线段做了分割。同时在文末，会免费赠送给大家一些数据库书籍！ 跌幅榜情况 较去年同期，本月三霸主集体暴跌再次霸占了“同期跌幅榜”。 虽然各大开源类数据库百花齐放，然而，在 DB-Engines 全球数据库排行榜上，Oracle 和 MySQL 依然是世界上最受欢迎的商业和开源类数据库，而且领跑优势还在继续扩大。 小众数据库不可小觑 数据库相关从业人员可以将 DB-Engines 数据库排名作为参考，大数据时代发展速度之快超乎我们的想象，新的数据库产品仍然在不断诞生，如果你的需求比较特殊，大众数据库产品无法很好地满足你 每天数据增量十多亿，近百万次查询请求。 快手内部也在使用 ClickHouse，存储总量大约 10PB， 每天新增 200TB， 90% 查询小于 3S。
2.5K10发布于 2021-10-18 - 来自专栏个人分享
数据挖掘10大算法详细介绍
想初步了解下怎样数据挖掘，看到一篇不错的文章转载过来啦~ 转自:http://blog.jobbole.com/89037/ 在一份调查问卷中，三个独立专家小组投票选出的十大最有影响力的数据挖掘算法 只有这样之后 SVM 才有能力对新数据进行分类。 为什么我们要用 SVM 呢？ SVM 和 C4.5大体上都是优先尝试的二类分类器。 举个 AdaBoost 算法的例子：我们开始有3个弱学习器，我们将在一个包含病人数据的数据训练集上对他们做10轮训练。数据集里包含了病人的医疗记录各个细节。 在10轮结束的时候，我们剩下了一个带着不同权重的已经训练过的联合学习分类器，之后重复训练之前回合中被误分类的数据。 这是个监督还是非监督算法？ 第四步：计算其他类时也做类似的计算： 因为0.252大于0.01875，Naive Bayes 会把长形，甜的还是黄色水果分到香蕉的一类中。 这是个监督算法还是非监督算法呢？
2.3K40发布于 2018-09-06 - 来自专栏大数据
10大数据挖掘算法及其简介
Naive Bayes 10. CART 1.C4.5 C4.5以决策树的形式构造了一个分类器。为了做到这一点，C4.5给出了一组已经分类的数据。 分类器是数据挖掘中的一个工具，它取一堆数据来表示我们想要分类的东西，并试图预测新数据属于哪个类。 例如，假设在患者数据集中。 4.Apriori Apriori算法学习关联规则，并应用于包含大量事务的数据库。 关联规则学习是一种数据挖掘技术，用于学习数据库中变量之间的相互关系和关系。 例如，假设我们有一个超市交易数据库。 在统计数据中，EM算法迭代并优化了查看观测数据的可能性，同时评估未观测变量的统计模型参数。 10.CART CART代表分类和回归树。它是一种决策树学习技术，它输出分类或回归树。和C4.5一样，CART是一个分类器。 分类树是否像决策树?分类树是决策树的一种类型。分类树的输出是一个类。
1.2K70发布于 2018-01-19 - 来自专栏ATYUN订阅号
10大数据挖掘算法及其简介
Naive Bayes 10. CART 1.C4.5 C4.5以决策树的形式构造了一个分类器。为了做到这一点，C4.5给出了一组已经分类的数据。 分类器是数据挖掘中的一个工具，它取一堆数据来表示我们想要分类的东西，并试图预测新数据属于哪个类。 例如，假设在患者数据集中。 4.Apriori Apriori算法学习关联规则，并应用于包含大量事务的数据库。 关联规则学习是一种数据挖掘技术，用于学习数据库中变量之间的相互关系和关系。 例如，假设我们有一个超市交易数据库。 在统计数据中，EM算法迭代并优化了查看观测数据的可能性，同时评估未观测变量的统计模型参数。 10.CART CART代表分类和回归树。它是一种决策树学习技术，它输出分类或回归树。和C4.5一样，CART是一个分类器。 分类树是否像决策树?分类树是决策树的一种类型。分类树的输出是一个类。
1.2K130发布于 2018-03-06 - 来自专栏五分钟学算法
10 大算法
与早期的排序算法相比(如冒泡算法)，这些算法将排序算法提上了一个大台阶。也多亏了这些算法，才有今天的数据发掘，人工智能，链接分析，以及大部分网页计算工具。 02 傅立叶变换 和快速傅立叶变换 ? 9 数据压缩算法 数据压缩算法有很多种，哪种最好？这要取决于应用方向，压缩mp3，JPEG和MPEG-2文件都不一样。 哪里能见到它们？不仅仅是文件夹中的压缩文件。 你正在看的这个网页就是使用数据压缩算法将信息下载到你的电脑上。除文字外，游戏，视频，音乐，数据储存，云计算等等都是。它让各种系统更轻松，效率更高。 10 随机数生成算法 ?
54240发布于 2019-06-03 - 来自专栏LiveEdu在线科技教育平台
2017编程趋势预测：10大技术大热，10大技术遇冷
SVG和HTML包含了一大堆标签，Web开发者使用起来往往更方便，现在还有了大的APIs，让你可以在画布对象上详细地绘画图形，通常还会提供视频卡来帮助你使用。 新的Web应用程序是从前端到有大量内容的大数据库。当Web应用程序需要信息时，它就从数据库中提取信息并将信息注入到本地的模具中。 现在没有必要使用Web附加设备所需要的所有东西来标记数据，以便创建一个网页了。数据层是完全独立于演示和格式层。 Android大热, iOS遇冷 几年前，苹果专卖店门前排起的“人龙”还记得吧？ 10. 在线即时教育成趋势，四年传统教育不再是主流 以计算机为媒介的课程已经不是新玩意了，每个人正在享受着观看视频讲座的好处。
1.8K100发布于 2018-05-21 - 来自专栏CDA数据分析师
【干货】数据挖掘的10大分析方法
其缺点是：在构造树的过程中，需要对数据集进行多次的顺序扫描和排序，因而导致算法的低效。 将修改过权值的新数据集送给下层分类器进行训练，最后将每次训练得到的分类器最后融合起来，作为最后的决策分类器。 同时，NBC模型所需估计的参数很少，对缺失数据不太敏感，算法也比较简单。理论上，NBC模型与其他分类方法相比具有最小的误差率。 10.CART:分类与回归树 CART,ClassificationandRegressionTrees。在分类树下面有两个关键的思想。 第一个是关于递归地划分自变量空间的想法；第二个想法是用验证数据进行剪枝。
2K80发布于 2018-02-11 - 来自专栏算法channel
盘点 Python 10 大常用数据结构（上篇）
学习目的 这个专题，尽量使用最精简的文字，借助典型案例盘点Python常用的数据结构。 学习目标 学习数据结构第一阶段：掌握它们的基本用法，使用它们解决一些基本问题； 学习第二阶段：知道何种场景选用哪种最恰当的数据结构，去解决题问题； 学习第三阶段：了解内置数据结构的背后源码实现，与《算法和数据结构 下面根据定义的这三个阶段，总结以下10种最常用的数据结构： 1 list 基本用法 废话不多说，在前面单独有一个专题详述了list的使用列表专题 使用场景 list 使用在需要查询、修改的场景，极不擅长需要频繁插入 以上4种数据结构相信大家都已经比较熟悉，因此我言简意赅的介绍一遍。接下来再详细的介绍下面6种数据结构及各自使用场景，会列举更多的例子。 5 deque 6 Counter 7 OrderedDict 8 heapq 9 defaultdict 10 ChainMap
1.1K30发布于 2020-08-04 - 来自专栏华章科技
因为大数据 10大行业正在改变……
来源：36大数据 去年十月，在埃森哲和通用电气联合发布的调研报告中突破性地指出了这一紧迫性。89%的调查者认为，一家没有大数据战略的企业将在明年就遭到市场份额和发展势头方面的损失。 大约一年后，将会有10个行业因大数据战略而迅速变革。事实上，84%的企业认为大数据将在未来一年重塑竞争版图。所以即使你所处的行业不在其列，留意下周围那些正在经历这场巨变的公司也没有坏处。 10、能源产业 技术和物联网颠覆了能源产业。从微观上看，有像Quirky公司的Aros这样的智能空调设备，它不但可以利用数据学习用户习惯和温度偏好，保持屋内凉爽和舒适，而且几乎不需要浪费多少能源。 T-Mobile 合并了所有的客户数据集，将其分为六大类，以此来进行完整的客户行为分析，最终分析使得客户流失率降低了50%。 1、数据存储业 最后是数据存储业。由于数据量很大而且在各行各业都有其不同的特性，亟需找到一种存储入库数据的方法，这种方法不需要大量服务器的要求也没有笨重的CRM系统。 Box 的解决方案应运而生。
62620发布于 2018-08-13 - 来自专栏算法channel
盘点 Python 10 大常用数据结构（下篇）
Python 常用数据结构 此专题《盘点Python10大常用数据结构》目录： 学习目的 学习目标 1 list 2 tuple 3 set 4 dict 5 deque 6 Counter 7 OrderedDict 8 heapq 9 defaultdict 10 ChainMap 总结 学习目的 这个专题，尽量使用最精简的文字，借助典型案例盘点Python常用的数据结构。 下面根据定义的这三个阶段，总结以下10种最常用的数据结构： 1 list 基本用法 废话不多说，在前面单独有一个专题详述了list的使用【添加文章链接】 使用场景 list 使用在需要查询、修改的场景， 10 ChainMap 基本用法 如果有多个dict想要合并为一个大dict，那么ChainMap将是你的选择，它的方便性体现在同步更改。 总结 以上就是Python常用的10种数据结构，4种常用的基本结构，6种基于它们优化的适应于特定场景的结构，对它们的学习我将它们总结为三步。
1.1K30发布于 2020-08-04 - 来自专栏大数据文摘
2016年大数据在金融领域的10大趋势
在低端市场，一些中小型的公司（经纪、资产管理、区域银行、顾问等）能够更快速的适应大数据平台（云平台和本地部署），这些都帮助他们构建能够支撑复杂业务的大型系统，同时这些系统也都是比他们大的竞争对手所必须面对的 这块市场因此能够快速成长（对比那些大银行所关注的长期而规范的和成本为主的项目）能够马上看到更加直接收入贡献和战略（概念/实验）项目 。 数据治理，血统和其他的合规性方面问题将会更加深入的集成到大数据平台中去。 经典”应用（相对来讲），同时许多大数据专家继续再更大的数据集合上前进，未来将会有更多的普通人加入到大数据应用的行列。 原文：https://www.mapr.com/blog/top-10-big-data-trends-2016-financial-services 往期精彩文章推荐，点击图片可阅读 人性不变，泡沫永存
1.1K70发布于 2018-05-22 - 来自专栏CSDN技术头条
2016年大数据在金融领域的10大趋势
在低端市场，一些中小型的公司（经纪、资产管理、区域银行、顾问等）能够更快速的适应大数据平台（云平台和本地部署），这些都帮助他们构建能够支撑复杂业务的大型系统，同时这些系统也都是比他们大的竞争对手所必须面对的 这块市场因此能够快速成长（对比那些大银行所关注的长期而规范的和成本为主的项目）能够马上看到更加直接收入贡献和战略（概念/实验）项目 。 ”应用（相对来讲），同时许多大数据专家继续再更大的数据集合上前进，未来将会有更多的普通人加入到大数据应用的行列。 我们预计，在中等的商业风险评估与性能相关的大数据的商业行为将迅速增加。更进一步，我们将看到关于如何切实带来后台功能的更深层次的交流(合作等)。 10. 原文：Top 10 Big Data Trends in 2016 for Financial Services 译者：袁璞，圣特尔•E店宝大数据架构师，关注高性能或可用架构、大数据技术、机器学习。
1.3K100发布于 2018-02-11 - 来自专栏灯塔大数据
大数据行业人士必知10大数据思维原理
大数据思维原理是什么？简单概括为10项原理，当样本数量足够大时，你会发现其实每个人都是一模一样的。 有人把数据比喻为蕴藏能量的煤矿，煤炭按照性质有焦煤、无烟煤、肥煤、贫煤等分类，而露天煤矿、深山煤矿的挖掘成本又不一样。与此类似，大数据并不在“大”，而在于“有用”，价值含量、挖掘成本比数量更为重要。 举例来说，这里有一张照片，照片里的人在骑马，这张照片每一分钟，每一秒都要拍一张，但随着处理速度越来越快，从1分钟一张到1秒钟1张，突然到1秒钟10张后，就产生了电影。 数据这么大、这么多，所以人们觉得有足够的能力把握未来，对不确定状态的一种判断，从而做出自己的决定。这些东西我们听起来都是非常原始的，但是实际上背后的思维方式，和我们今天所讲的大数据是非常像的。 四 关注效率原理 由关注精确度转变为关注效率 关注效率而不是精确度，大数据标志着人类在寻求量化和认识世界的道路上前进了一大步，过去不可计量、存储、分析和共享的很多东西都被数据化了，拥有大量的数据和更多不那么精确的数据为我们理解世界打开了一扇新的大门
2.4K50发布于 2018-04-09 - 来自专栏数据科学与人工智能
【数据挖掘】详细解释数据挖掘中的 10 大算法（下）
举个 AdaBoost 算法的例子：我们开始有3个弱学习器，我们将在一个包含病人数据的数据训练集上对他们做10轮训练。数据集里包含了病人的医疗记录各个细节。 在10轮结束的时候，我们剩下了一个带着不同权重的已经训练过的联合学习分类器，之后重复训练之前回合中被误分类的数据。 这是个监督还是非监督算法？ 第四步：计算其他类时也做类似的计算： 因为0.252大于0.01875，Naive Bayes 会把长形，甜的还是黄色水果分到香蕉的一类中。 这是个监督算法还是非监督算法呢？ 10.CART 分类算法 算法是做什么的？ CART 代表分类和回归树(classification and regression trees)。它是个决策树学习方法，同时输出分类和回归树。 原文来源：http://rayli.net/blog/data/top-10-data-mining-algorithms-in-plain-english/
1.7K60发布于 2018-02-27 - 来自专栏PPV课数据科学社区
10大天然大数据公司，看他们如何挖掘数据价值
1、亚马逊的“信息公司” 亚马逊要处理海量数据，交易数据的直接价值很大。 这些数据能够让谷歌优化广告排序，并将搜索流量转化为盈利模式。人们的行为会在互联网上留下痕迹和路径，谷歌能预测意图。这种抓取、存储并分析海量人机数据再进行预测，就是数据驱动产品。 Twitter 自己并不经营每一款数据产品，但它把数据授权给了像 DataSift 这样的数据服务公司，很多公司利用 Twitter 社交数据，做出了各种让人吃惊的应用，从社交监测到医疗应用，甚至可以去追踪流感疫情爆发 精确的数据一旦与社交媒体数据相结合，对未来的预测会非常准。 7 、特易购的精准定向 特易购(Tesco)是全球利润第二大的零售商(仅次于沃尔玛)，从用户行为分析中获得了巨大的利益。 10 、沃尔玛的数据基因 1969年沃尔玛开始使用计算机来跟踪存货，1974年将其分销中心与各家商场用计算机进行库存控制。1983年，沃尔玛开始采用条形码扫描系统。
1.3K90发布于 2018-04-23 - 来自专栏数据科学与人工智能
【数据挖掘】详细解释数据挖掘中的 10 大算法（上）
在一份调查问卷中，三个独立专家小组投票选出的十大最有影响力的数据挖掘算法，今天我打算用简单的语言来解释一下。 为了做到这一点，需要给定 C4.5 表达内容已分类的数据集合。 等下，什么是分类器呢？ 分类器是进行数据挖掘的一个工具，它处理大量需要进行分类的数据，并尝试预测新数据所属的类别。 再次，C4.5算法既可以处理连续数据也可以处理离散数据。我的理解是，算法通过对连续的数据指定范围或者阈值，从而把连续数据转化为离散的数据。 最后，不完全的数据用算法自有的方式进行了处理。 只有这样之后 SVM 才有能力对新数据进行分类。 为什么我们要用 SVM 呢？ SVM 和 C4.5大体上都是优先尝试的二类分类器。根据“没有免费午餐原理”，没有哪一种分类器在所有情况下都是最好的。 很好，现在，观测到的数据和未观测到的隐藏数据区别在哪里？观测到的数据就是你看到或者记录的数据。未观测的数据就是遗失的数据。数据丢失的原因有很多（没有记录，被忽视了，等等原因）。
1.6K51发布于 2018-02-27 - 来自专栏数据结构与算法
10:大整数加法
10:大整数加法 查看 提交 统计 提问 总时间限制: 1000ms 内存限制: 65536kB描述 求两个不超过200位的非负整数的和。 std; 5 char a[100001]; 6 char b[100001]; 7 char c[100001]; 8 int a1[100001]; 9 int b1[100001]; 10 int i=0;// 结果的位数 23 while(i<la||i<lb) 24 { 25 c1[i]=a1[i]+b1[i]+x; 26 x=c1[i]/10 ; 27 c1[i]=c1[i]%10; 28 i++; 29 } 30 c1[i]=x; 31 while(1) 32 { 33
2.6K130发布于 2018-04-11 - 来自专栏华章科技
2015年度大数据发展10大预测
《中国大数据技术与产业发展报告(2014年)》针对2015年度大数据发展做了十大预测，他们分别是： 趋势一、结合智能计算的大数据分析成为热点 大数据与神经计算、深度学习、语义计算以及人工智能其他相关技术结合 大数据分析的核心是从数据中获取价值，价值体现在从大数据中获取更准确、更深层次的知识，而非对数据的简单统计分析。 数据科学是作为一个与大数据相关的新兴学科出现的，尽管真正支撑大数据发展的学科跨越还没有出现。 趋势三、与行业数据结合，实现跨领域应用 跨学科领域交叉的数据融合分析与应用将成为今后大数据分析应用发展的重大趋势。大数据技术发展的目标是应用落地，因此大数据研究不能仅仅局限于计算技术本身。 趋势七、新的计算模式将取得突破：深度学习、众包计算 尽管这两年深度学习大热，在一些特定的领域发挥了很大作用，但是大数据专家和企业界人士似乎更关注众包技术。 分布式计算是支撑大数据分析的必经之路。
49110发布于 2018-08-13 - 来自专栏数据的力量
数据挖掘中易犯的10大错误
编译：IDMer（数据挖掘者） http://www.salford-systems.com/doc/elder.pdf 按照Elder博士的总结，这10大易犯错误包括： 0. 给数据加上时间戳，避免被误用。 6. 抛弃了不该忽略的案例（Discount Pesky Cases） IDMer：到底是“宁为鸡头，不为凤尾”，还是“大隐隐于市，小隐隐于野”？ ，而是“这就有点奇怪了……” 数据中的不一致性有可能会是解决问题的线索，深挖下去也许可以解决一个大的业务问题。 于是建模人员做了如下抽样：把所有响应者放入样本集，然后在所有不响应者中进行系统抽样，即每隔10人抽一个放入样本集，直到样本集达到10万人。 （问题出在数据集的划分上。在把原始数据集划分为训练集和测试集时，原始数据集中违约客户的权重已经被提高过了） 解决方法：先进行数据集划分，然后再提高训练集中违约客户的权重。 10.
69750发布于 2018-06-20 - 来自专栏数据库
数据库10 大常见安全问题盘点
尽管意识到数据库安全的重要性，但开发者在开发、集成应用程序或修补漏洞、更新数据库的时候还是会犯一些错误，让黑客们有机可乘。下面就列出了数据库系统 10 大最常见的安全问题： ★ 1. 数据泄露 你可以把数据库当做后端设置的一部分，并更加注重保护互联网安全，但是这样一来其实并不起作用。因为数据库中有网络接口，如果黑客想要利用它们就可以很轻易地操纵数据库中的这些网络接口。 破损的数据库 你还记得 2003 年的 SQL Slammer 蠕虫病毒可以在 10 分钟内感染超过 90% 的脆弱设备吗？该病毒可以在几分钟内感染破坏成千上万的数据库。 滥用数据库特性 据专家称，每一个被黑客攻击的数据库都会滥用数据库特性。尽管听起来可能有点复杂，但实际上就是利用这些数据库特征中固有的漏洞。解决这种问题的方法就是删除不必要的工具。 ★ 6. ★ 10. 数据库中的违规行为 正是不一致性导致了漏洞。不断地检查数据库以及时发现任何异常之处是非常有必要的，开发人员应该清除地认识任何可能影响数据库的威胁因素。
1.4K80发布于 2018-01-26
腾讯云开发者
Copyright © 2013 - 2026 Tencent Cloud. All Rights Reserved. 腾讯云 版权所有
深圳市腾讯计算机系统有限公司 ICP备案/许可证号：粤B2-20090059 
粤公网安备44030502008569号
腾讯云计算（北京）有限责任公司 京ICP证150476号 | 京ICP备11018762号