murmurhash演算法

⑴ python中的sklearn中決策樹使用的是哪一種演算法

1首先需要安裝Cython，網上下載後進行本地安裝pythonsetup.pyinstall2下載Sklearn包，進行本地安裝（使用pip或easy_install總是出錯，如cannotimportmurmurhash3_32，最終本地安裝成功）3安裝後可用nosetests-vsklearn來進行測試

⑵ 如何設計並實現一個線程安全的 Map

Map 是一個非常常用的數據結構，一個無序的 key/value 對的集合，其中 Map 所有的 key 都是不同的，然後通過給定的 key 可以在常數時間 O(1) 復雜度內查找、更新或刪除對應的 value。
要想實現常數級的查找，應該用什麼來實現呢？讀者應該很快會想到哈希表。確實，Map 底層一般都是使用數組來實現，會借用哈希演算法輔助。對於給定的 key，一般先進行 hash 操作，然後相對哈希表的長度取模，將 key 映射到指定的地方。

哈希演算法有很多種，選哪一種更加高效呢？
1. 哈希函數

MD5 和 SHA1 可以說是目前應用最廣泛的 Hash 演算法，而它們都是以 MD4 為基礎設計的。
MD4(RFC 1320) 是 MIT 的Ronald L. Rivest 在 1990 年設計的，MD 是 Message Digest（消息摘要） 的縮寫。它適用在32位字長的處理器上用高速軟體實現——它是基於 32位操作數的位操作來實現的。
MD5(RFC 1321) 是 Rivest 於1991年對 MD4 的改進版本。它對輸入仍以512位分組，其輸出是4個32位字的級聯，與 MD4 相同。MD5 比 MD4 來得復雜，並且速度較之要慢一點，但更安全，在抗分析和抗差分方面表現更好。
SHA1 是由 NIST NSA 設計為同 DSA 一起使用的，它對長度小於264的輸入，產生長度為160bit 的散列值，因此抗窮舉 (brute-force)
性更好。SHA-1 設計時基於和 MD4 相同原理,並且模仿了該演算法。
常用的 hash 函數有 SHA-1，SHA-256，SHA-512，MD5 。這些都是經典的 hash 演算法。在現代化生產中，還會用到現代的 hash 演算法。下面列舉幾個，進行性能對比，最後再選其中一個源碼分析一下實現過程。
（1） Jenkins Hash 和 SpookyHash

1997年 Bob Jenkins 在《 Dr. Dobbs Journal》雜志上發表了一片關於散列函數的文章《A hash function for hash Table lookup》。這篇文章中，Bob 廣泛收錄了很多已有的散列函數，這其中也包括了他自己所謂的「lookup2」。隨後在2006年，Bob 發布了 lookup3。lookup3 即為 Jenkins Hash。更多有關 Bob』s 散列函數的內容請參閱維基網路：Jenkins hash function。memcached的 hash 演算法，支持兩種演算法：jenkins, murmur3，默認是 jenkins。
2011年 Bob Jenkins 發布了他自己的一個新散列函數
SpookyHash（這樣命名是因為它是在萬聖節發布的）。它們都擁有2倍於 MurmurHash 的速度，但他們都只使用了64位數學函數而沒有32位版本，SpookyHash 給出128位輸出。
（2） MurmurHash

MurmurHash 是一種非加密型哈希函數，適用於一般的哈希檢索操作。
Austin Appleby 在2008年發布了一個新的散列函數——MurmurHash。其最新版本大約是 lookup3 速度的2倍（大約為1 byte/cycle），它有32位和64位兩個版本。32位版本只使用32位數學函數並給出一個32位的哈希值，而64位版本使用了64位的數學函數，並給出64位哈希值。根據Austin的分析，MurmurHash具有優異的性能，雖然 Bob Jenkins 在《Dr. Dobbs article》雜志上聲稱「我預測 MurmurHash 比起lookup3要弱，但是我不知道具體值，因為我還沒測試過它」。MurmurHash能夠迅速走紅得益於其出色的速度和統計特性。當前的版本是MurmurHash3，Redis、Memcached、Cassandra、HBase、Lucene都在使用它。

作者：一縷殤流化隱半邊冰霜

⑶ python機器學習使用sklearn模塊出錯，求解答

Python在科學計算領域，有兩個重要的擴展模塊：Numpy和Scipy。其中Numpy是一個用python實現的科學計算包。包括：一個強大的N維數組對象Array；比較成熟的（廣播）函數庫；用於整合C/C++和Fortran代碼的工具包；實用的線性代數、傅里葉變換和隨機數生成函數。SciPy是一個開源的Python演算法庫和數學工具包，SciPy包含的模塊有最優化、線性代數、積分、插值、特殊函數、快速傅里葉變換、信號處理和圖像處理、常微分方程求解和其他科學與工程中常用的計算。其功能與軟體MATLAB、Scilab和GNUOctave類似。Numpy和Scipy常常結合著使用，Python大多數機器學習庫都依賴於這兩個模塊，繪圖和可視化依賴於matplotlib模塊，matplotlib的風格與matlab類似。Python機器學習庫非常多，而且大多數開源，主要有：1.scikit-learnscikit-learn是一個基於SciPy和Numpy的開源機器學習模塊，包括分類、回歸、聚類系列演算法，主要演算法有SVM、邏輯回歸、樸素貝葉斯、Kmeans、DBSCAN等，目前由INRI資助，偶爾Google也資助一點。

⑷ python中的sklearn中決策樹使用的是哪一種演算法

1首先需要安裝Cython網載進行本安裝pythonsetup.pyinstall
2載Sklearn包進行本安裝（使用pip或easy_install總錯cannotimportmurmurhash3_32終本安裝功）
3安裝用nosetests-vsklearn進行測試

⑸ python中的sklearn中決策樹使用的是哪一種演算法

要弄清楚這個問題，首先要弄懂決策樹三大流行演算法ID3、C4.5和CART的原理，以及sklearn框架下DecisionTreeClassifier的幫助文檔。
3個演算法的主要區別在於度量信息方法、選擇節點特徵還有分支數量的不同。
ID3，採用熵（entropy）來度量信息不確定度，選擇「信息增益」最大的作為節點特徵，它是多叉樹，即一個節點可以有多個分支。
C4.5，同樣採用熵（entropy）來度量信息不確定度，選擇「信息增益比」最大的作為節點特徵，同樣是多叉樹，即一個節點可以有多個分支。
CART，採用基尼指數（Gini index）來度量信息不純度，選擇基尼指數最小的作為節點特徵，它是二叉樹，即一個節點只分兩支。
然後你認真閱讀sklearn的DecisionTreeClassifier的幫助文檔，可以發現，度量信息的方法默認是Gini，但可以改成entropy，請按需選擇；構建的樹是二叉樹；可以通過設置max_deepth、max_leaf等來實現「剪枝」，這是根據CART的損失函數減少的理論進行的。
所以總結說，如果信息度量方法按照默認的設置，那麼sklearn所用的決策樹分類器就是CART，如果改成了entropy，那麼只是使用了別的度量方法而已。其實兩者差不多。

⑹ jedis里怎麼設置數據的有效期

1、下載redis安裝包，解壓後進入redis目錄，執行命令redis-server.exe redis.windows.conf，redis解壓後目錄如圖。

⑺ 常見的哈希演算法有哪些

1.linear hash 線性
2.quadratic hash 每次以1,4,9,16這樣的幅度向下找
3.double hash 用兩個函數一起決定HASH的index