1. 機器學習4種不同數據集的優劣對比
機器學習4種不同數據集的優劣對比
數據源決定了機器學習演算法，機器演算法的選擇好壞也決定了數據的分析質量等，因此，我們選擇機器演算法的時候，要首先弄懂各個機器學習數據集的優劣性，主要特點，方可著手處理，才能起到事半功倍的效果。下面隨著大聖眾包小編一起看看4種不同的機器學習數據集對比吧。
Iris
Iris也稱鳶尾花卉數據集，是一類多重變數分析的數據集。通過花萼長度，花萼寬度，花瓣長度，花瓣寬度4個屬性預測鳶尾花卉屬於（Setosa，Versicolour，Virginica）三個種類中的哪一類。
Alt
該數據從美國1994年人口普查資料庫抽取而來，可以用來預測居民收入是否超過50K$/year。該數據集類變數為年收入是否超過50k$，屬性變數包含年齡，工種，學歷，職業，人種等重要信息，值得一提的是，14個屬性變數中有7個類別型變數。
Wine
這份數據集包含來自3種不同起源的葡萄酒的共178條記錄。13個屬性是葡萄酒的13種化學成分。通過化學分析可以來推斷葡萄酒的起源。值得一提的是所有屬性變數都是連續變數。
CarEvaluation
這是一個關於汽車測評的數據集，類別變數為汽車的測評，（unacc，ACC，good，vgood）分別代表（不可接受，可接受，好，非常好），而6個屬性變數分別為「買入價」，「維護費」，「車門數」，「可容納人數」，「後備箱大小」，「安全性」。值得一提的是6個屬性變數全部是有序類別變數，比如「可容納人數」值可為「2，4，more」，「安全性」值可為「low,med,high」。
小結
通過比較以上4個數據集的差異，簡單地總結：當需要試驗較大量的數據時，我們可以想到「Alt」；當想研究變數之間的相關性時，我們可以選擇變數值只為整數或實數的「Iris」和「Wine」；當想研究logistic回歸時，我們可以選擇類變數值只有兩種的「Alt」；當想研究類別變數轉換時，我們可以選擇屬性變數為有序類別的「CarEvaluation」。大聖眾包小編建議更多的嘗試還需要對這些數據集了解更多才行。
2. 基於資料庫搜索的演算法，關鍵有哪幾點
B+、B- Tree(mysql,oracle,mongodb)
主要用在關系資料庫的索引中，如oracle，mysql innodb；mongodb中的索引也是B-樹實現的；還有HBase中HFile中的DataBlock的索引等等。
動態查找樹主要有：二叉查找樹（Binary Search Tree），平衡二叉查找樹（Balanced Binary Search Tree），紅黑樹(Red-Black Tree )，B-tree/B+-tree/ B*-tree (B~Tree)。前三者是典型的二叉查找樹結構，其查找的時間復雜度O(log2N)與樹的深度相關，那麼降低樹的深度自然會提高查找效率。
但是咱們有面對這樣一個實際問題：就是大規模數據存儲中，實現索引查詢這樣一個實際背景下，樹節點存儲的元素數量是有限的（如果元素數量非常多的話，查找就退化成節點內部的線性查找了），這樣導致二叉查找樹結構由於樹的深度過大而造成磁碟I/O讀寫過於頻繁，進而導致查詢效率低下，那麼如何減少樹的深度（當然是不能減少查詢的數據量），一個基本的想法就是：採用多叉樹結構（由於樹節點元素數量是有限的，自然該節點的子樹數量也就是有限的）。
也就是說，因為磁碟的操作費時費資源，如果過於頻繁的多次查找勢必效率低下。那麼如何提高效率，即如何避免磁碟過於頻繁的多次查找呢？根據磁碟查找存取的次數往往由樹的高度所決定，所以，只要我們通過某種較好的樹結構減少樹的結構盡量減少樹的高度，那麼是不是便能有效減少磁碟查找存取的次數呢？那這種有效的樹結構是一種怎樣的樹呢？
這樣我們就提出了一個新的查找樹結構——多路查找樹。根據平衡二叉樹的啟發，自然就想到平衡多路查找樹結構，也就是B~tree，即B樹結構(後面，我們將看到，B樹的各種操作能使B樹保持較低的高度，從而達到有效避免磁碟過於頻繁的查找存取操作，從而有效提高查找效率)。
Hash表+桶(redis)
mysql中的adaptive hash index，redis中的數據存儲實現都是採用hash，可以高效的進行數據的查詢。
哈希表（Hash table，也叫散列表），是根據關鍵碼值(Key value)而直接進行訪問的數據結構。也就是說，它通過把關鍵碼值映射到表中一個位置來訪問記錄，以加快查找的速度。這個映射函數叫做散列函數，存放記錄的數組叫做散列表。
哈希表的做法其實很簡單，就是把Key通過一個固定的演算法函數既所謂的哈希函數轉換成一個整型數字，然後就將該數字對數組長度進行取余，取余結果就當作數組的下標，將value存儲在以該數字為下標的數組空間里。
而當使用哈希表進行查詢的時候，就是再次使用哈希函數將key轉換為對應的數組下標，並定位到該空間獲取value，如此一來，就可以充分利用到數組的定位性能進行數據定位
數組的特點是：定址容易，插入和刪除困難；而鏈表的特點是：定址困難，插入和刪除容易。綜合兩者特性，設計一種定址容易，插入刪除也容易的數據結構，如拉鏈法實現的哈希表。
Booleam Filter（HBase）
HBase中的rowkey設置建立Booleam Filter映射，用於快速判斷rowkey是否在一個HFile中。在分布式資料庫中用的比較多。
基於BitMap的存儲結構，採用的是哈希函數的方法，將一個元素映射到一個 m 長度的陣列上的一個點，當這個點是 1 時，那麼這個元素在集合內，反之則不在集合內。這個方法的缺點就是當檢測的元素量很多時候可能有沖突，解決方法就是使用 k 個哈希 函數對應 k 個點，如果所有點都是 1 的話，那麼元素在集合內，如果有 0 的話，元素則不再集合內。
3. 幾大主流資料庫對比
oracle，安全性比較高，性能穩定，但是價格相對來說較其他要貴，一般用來做安全性比較高的企業資料庫，如銀行，電信系統等
ms-sql，中文操作界面，安全性不如oracle，是一個免費的資料庫，所以服務肯定是不如oracle的，ms-sql適合做廠礦企業的資料庫，初學者比較容易上手
db2是IBM的資料庫，沒太用過，也就知道這些了
4. MySQL資料庫常用的搜索引擎有哪些，區別是什麼
MyISAM、InnoDB、Heap(Memory)、NDB
貌似一般都是使用 InnoDB的，
mysql的存儲引擎包括：MyISAM、InnoDB、BDB、MEMORY、MERGE、EXAMPLE、NDBCluster、ARCHIVE、CSV、BLACKHOLE、FEDERATED等，其中InnoDB和BDB提供事務安全表，其他存儲引擎都是非事務安全表。
最常使用的2種存儲引擎:
1.Myisam是Mysql的默認存儲引擎，當create創建新表時，未指定新表的存儲引擎時，默認使用Myisam。每個MyISAM在磁碟上存儲成三個文件。文件名都和表名相同，擴展名分別是.frm（存儲表定義）、.MYD(MYData，存儲數據)、.MYI(MYIndex，存儲索引)。數據文件和索引文件可以放置在不同的目錄，平均分布io，獲得更快的速度。
2.InnoDB存儲引擎提供了具有提交、回滾和崩潰恢復能力的事務安全。但是對比Myisam的存儲引擎，InnoDB寫的處理效率差一些並且會佔用更多的磁碟空間以保留數據和索引。
5. 比較搜索引擎和專業資料庫在檢索方式和檢索結果方面的異同。
從搜索方式上看，搜索引擎使用起來要方便簡單易用，只需要輸入關鍵詞就可搜索，而且搜索引擎大多是免費的查找網路上已有的網頁，是一種人人可用的檢索方式；然而，專業資料庫的使用就比較的麻煩復雜，需要具有一定的相關知識才可以運用，而且專業資料庫是收費的，需要專門購買。
從搜索結果來看，搜索引擎能夠搜索到網路上已經存在的大量文章，這其中既有專門的論文也有相關的新聞或者一些網友的看法，相關性和權威性較差，但是信息覆蓋廣泛;專業資料庫則只是收錄了各類學術期刊中的論文以及一些學生的畢業論文，信息覆蓋面要小一些，因此專業資料庫的文章的相關性權威性要較搜索引擎高.
6. 常見的數據檢索演算法有哪些資料庫都採用什麼樣的檢索方式如何提高檢索的效率
您好，你的問題，我之前好像也遇到過，以下是我原來的解決思路和方法，希望能幫助到你，若有錯誤，還望見諒！信息檢索方法包括：普通法、追溯法和分段法。1、普通法是利用書目、文摘、索引等檢索工具進行文獻資料查找的方法。運用這種方法的關鍵在於熟悉各種檢索工具的性質、特點和查找過程，從不同角度查找。普通法又可分為順檢法和倒檢法。2、追溯法是利用已有文獻所附的參考文獻不斷追蹤查找的方法，在沒有檢索工具或檢索工具不全時，此法可獲得針對性很強的資料，查准率較高，查全率較差。3、分段法是追溯法和普通法的綜合，它將兩種方法分期、分段交替使用，直至查到所需資料為止。(6)各個資料庫搜索演算法對比擴展閱讀檢索原因信息檢索是獲取知識的捷徑美國普林斯頓大學物理系一個年輕大學生名叫約瀚·菲利普，在圖書館里借閱有關公開資料，僅用四個月時間，就畫出一張製造原子彈的設計圖。他設計的原子彈，體積小(棒球大小)、重量輕(7.5公斤)、威力大(相當廣島原子彈3/4的威力)，造價低(當時僅需兩千美元)，致使一些國家（法國、巴基斯坦等）紛紛致函美國大使館，爭相購買他的設計拷貝。二十世紀七十年代，美國核專家泰勒收到一份題為《製造核彈的方法》的報告，他被報告精湛的技術設計所吸引，驚嘆地說：「至今我看到的報告中，它是最詳細、最全面的一份。」但使他更為驚異的是，這份報告竟出於哈佛大學經濟專業的青年學生之手，而這個四百多頁的技術報告的全部信息來源又都是從圖書館那些極為平常的、完全公開的圖書資料中所獲得的。參考資料來源：網路——信息檢索，非常感謝您的耐心觀看，如有幫助請採納，祝生活愉快！謝謝！
7. 數據快速比較演算法
先轉換成字元串，分別存入list，然後遍歷list，index相同的情況下直接對比list1(index)與list2(index)是否相等就好了。
8. 比較資料庫和搜索引擎檢索的方法和結果有什麼不同
達夢資料庫搜索引擎2009版
企業信息化建設浪潮，催生了大量的內部信息資源。據統計，企業數據每年以200%的速度增長，其中80%的數據以文件、郵件、圖片等非結構化數據形式存放在企業內計算機系統中的各個角落，而這些數據總量遠遠超過了互聯網信息的總量。整合企業信息資源，構建企業搜索引擎，為組織內外部用戶提供檢索和個性化信息服務，已經成為企業信息化的一大熱點。
達夢資料庫搜索引擎可以解決以下幾個問題：
1、信息量大時速度慢的問題
比較常用的資料庫有：Oracle、MySQL、MS SQL等，這些都是支持標准sql92語法的資料庫，資料庫的重點功能在存儲，對於數據量達到千萬級的時候，再執行sql語法的速度將會變得很慢，特殊是執行含有like的select語句時，比如一個採用mysql存儲的客戶信息表數據記錄達到500萬行以上時，就算增加再多的索引，採用標准select語句執行查詢時，所需時間至少也在2分鍾以上，Oracle資料庫雖然可以採用分區，或採用Oracle的內置函數如instr來輔助查詢，時間也在1分鍾以上。
達夢資料庫搜索引擎採用全文檢索技術，來解決搜索速度的問題，這就是為什麼網路和谷歌能從上億的網頁資料庫中搜索，只需零點零幾秒以內返回結果。
達夢資料庫搜索引擎為什麼在檢索時能達到零點零幾秒返回結果呢？從資料庫讀取記錄，對要搜索的欄位分好詞，存成文件索引，搜索時再分詞，直接去索引查找每個詞有哪些索引後文檔。
2、信息形式多
如果要建一個行業的信息庫，如新聞庫，可能就會分很多類別，如：互聯網、應用軟體、通信等，每類可能由一個部門來組織，並且有可能會涉及到各個部門，不但包括文字、圖片、圖表和視頻等多種形式的信息資源，而且涵蓋了其他語言的信息資源。達夢資料庫搜索引擎能夠提供一個統一的跨媒體檢索。
3、信息結構不一樣
如果以前有很多信息系統，並且資料庫不同，也是用不同語言開發的，查詢A信息要去A系統，查詢B類信息又要去B系統查詢，一是不方便查詢，二是重復的數據多，沒法充分的利用這些已有的數據資源。
達夢資料庫搜索引擎能夠針對不同的數據源，採用靈活的定製，將這些數據統一成一個檢索庫，方便查詢，達到數據的充分利用。
9. 1. 試著比較使用一般搜索引擎和專用資料庫網站檢索信息的優劣。
首先，中文資料庫檢索是站內搜索，只是搜索站內發布的資源，互聯網上的其他站點的信息是不會被搜索到，其主要作用是儲存數據；搜索引擎是網路搜索，引擎檢索所檢索到的信息內容更寬泛，可以搜索到網上發布的相關信息資源，它是利用網路獲得各種數據的過程；兩種檢索方式所提供的檢索方法和支持的檢索方法也是不同的。
中文資料庫與搜索引擎檢索的信息對比：第一，信息量不同，中文資料庫檢索的信息量小於用引擎搜索檢索出來的信息量；第二，信息形式不同，中文資料庫的檢索信息是以文字文獻形式表現的，而利用搜索引擎檢索的信息表現形式則更加多樣化，包括了文字、圖片、圖標、視頻等等多種形式的信息資源；第三，檢索結果的不同，引擎檢索檢索到的信息內容更寬泛，可以搜索到網上發布的相關信息資源，而資料庫檢索的話，檢索結果會更精確，檢索的信息更專業、更有效，檢索到的期刊論文是搜索引擎上檢索不到的，
10. 與資料庫相比，搜索引擎有哪些優點和缺點
1.處理的數據方式不同，搜索引擎用於索引數據，而資料庫需要存儲數據和索引數據
2.跨度不同，搜索引擎要跨好幾個庫進行搜素，而資料庫則專注於自己本地的數據，但現在的分布式資料庫除外
3.演算法不同，搜索引擎要進行語義搜索等等，而資料庫是精確對比的搜索。