- iOS/Objective-C 元类和类别
- objective-c - -1001 错误,当 NSURLSession 通过 httpproxy 和/etc/hosts
- java - 使用网络类获取 url 地址
- ios - 推送通知中不播放声音
我是 scala/spark 的新手,如果我的问题很初级,请原谅我,但我到处搜索都找不到答案。
问题
我正在尝试提高一堆网络路由器观察结果的置信度分数(在不同网络连接点观察可能的路由器类型)。
我有一个类型 NetblockObservation
将网络上看到的设备类型与关联的网络 block 和置信度结合起来。置信度是我们准确识别所见设备的置信度。
case class NetblockObservation(
device_type: String
ip_start: Long,
ip_end: Long,
confidence: Double
)
如果置信度高于某个阈值 thresh
,那么我希望该观察结果包含在返回的数据集中。如果低于 thresh
,则不应低于。
此外,如果我有两个具有相同 device_type 的观察结果,并且其中一个包含另一个,则被容器的置信度应该增加容器的置信度。
示例
假设我有 3 个 Netblock 观察
// 0.0.0.0/28
NetblockObservation(device_type: "x", ip_start: 0, ip_end: 15, confidence_score: .4)
// 0.0.0.0/29
NetblockObservation(device_type: "x", ip_start: 0, ip_end: 7, confidence_score: .4)
// 0.0.0.0/30
NetblockObservation(device_type: "x", ip_start: 0, ip_end: 3, confidence_score: .4)
如果置信度阈值为 1,我希望得到单个输出 NetblockObservation(device_type: "x", ip_start: 0, ip_end: 4, confidence_score: 1.2)
说明:如果 NetblockObservation 包含且具有相同的 device_type,我可以将其置信度得分加在一起
我被允许将 0.0.0.0/29
的置信度分数添加到 0.0.0.0/30
的置信度中,因为它包含在其中。
我不允许将 0.0.0.0/30
的置信度分数添加到 0.0.0.0/29
因为 0.0.0.0/29
不包含在 0.0.0.0/30
中。
我(可怜的)尝试
失败原因:太慢/从未完成
我试图在学习 scala/spark 的同时实现这一点,所以我不确定是这个想法还是错误的实现。我认为它最终会起作用,但一个小时后,它还没有在大小为 300,000(与生产规模相比较小)的数据集上完成,所以我放弃了。
想法是找到最大的网络 block 并将数据分成包含的网络 block 和不包含的网络 block 。未包含的网络 block 递归传递回同一函数。如果最大的网络 block 的 confidence_score 为 1,则忽略整个包含的数据集,并将最大的添加到返回数据集中。如果 confidence_score 小于 1,则其 confidence_score 将添加到包含的数据集中的所有内容,并且该组将递归传递回同一函数。最终,您应该只剩下 confidence_score 大于 1 的数据。该算法还存在未考虑 device_type 的问题。
def handleDataset(largestInNetData: Option[NetblockObservation], netData: RDD[NetblockObservation]): RDD[NetblockObservation] = {
if (netData.isEmpty) spark.sparkContext.emptyRDD else largestInNetData match {
case Some(largest) =>
val grouped = netData.groupBy(item =>
if (item.ip_start >= largest.ip_start && item.ip_end <= largest.ip_end) largestInNetData
else None)
def lookup(k: Option[NetblockObservation]) = grouped.filter(_._1 == k).flatMap(_._2)
val nos = handleDataset(None, lookup(None))
// Threshold is assumed to be 1
val next = if (largest.confidence_score >= 1) spark.sparkContext.parallelize(Seq(largest)) else
handleDataset(None, lookup(largestInNetData)
.filter(x => x != largest)
.map(x => x.copy(confidence_score = x.confidence_score + largest.confidence_score)))
nos ++ next
case None =>
val largest = netData.reduce((a: NetblockObservation, b: NetblockObservation) => if ((a.ip_end - a.ip_start) > (b.ip_end - b.ip_start)) a else b)
handleDataset(Option(largest), netData)
}
}
最佳答案
这是一段相当复杂的代码,所以这里是一个通用算法,希望对您有所帮助:
NetblockObservation
的伴随对象中,它获取它们的集合并返回包含的该集合的一个子集。您应该对该函数进行单元测试,这又是纯 Scala。RDD[NetblockObservation]
上做一个 groupBy
以 device_type
为键产生一个 String
到 Iterable[NetblockObservation]
.置信度
低于thresh
。mapValues
的 NetblockObservation
集合。reduceByKey
或类似操作,简单地将包含值的 confidence_score
相加。关于algorithm - 提高 Apache Spark 中重叠观察的置信度,我们在Stack Overflow上找到一个类似的问题: https://stackoverflow.com/questions/43003433/
我需要将文本放在 中在一个 Div 中,在另一个 Div 中,在另一个 Div 中。所以这是它的样子: #document Change PIN
奇怪的事情发生了。 我有一个基本的 html 代码。 html,头部, body 。(因为我收到了一些反对票,这里是完整的代码) 这是我的CSS: html { backgroun
我正在尝试将 Assets 中的一组图像加载到 UICollectionview 中存在的 ImageView 中,但每当我运行应用程序时它都会显示错误。而且也没有显示图像。 我在ViewDidLoa
我需要根据带参数的 perl 脚本的输出更改一些环境变量。在 tcsh 中,我可以使用别名命令来评估 perl 脚本的输出。 tcsh: alias setsdk 'eval `/localhome/
我使用 Windows 身份验证创建了一个新的 Blazor(服务器端)应用程序,并使用 IIS Express 运行它。它将显示一条消息“Hello Domain\User!”来自右上方的以下 Ra
这是我的方法 void login(Event event);我想知道 Kotlin 中应该如何 最佳答案 在 Kotlin 中通配符运算符是 * 。它指示编译器它是未知的,但一旦知道,就不会有其他类
看下面的代码 for story in book if story.title.length < 140 - var story
我正在尝试用 C 语言学习字符串处理。我写了一个程序,它存储了一些音乐轨道,并帮助用户检查他/她想到的歌曲是否存在于存储的轨道中。这是通过要求用户输入一串字符来完成的。然后程序使用 strstr()
我正在学习 sscanf 并遇到如下格式字符串: sscanf("%[^:]:%[^*=]%*[*=]%n",a,b,&c); 我理解 %[^:] 部分意味着扫描直到遇到 ':' 并将其分配给 a。:
def char_check(x,y): if (str(x) in y or x.find(y) > -1) or (str(y) in x or y.find(x) > -1):
我有一种情况,我想将文本文件中的现有行包含到一个新 block 中。 line 1 line 2 line in block line 3 line 4 应该变成 line 1 line 2 line
我有一个新项目,我正在尝试设置 Django 调试工具栏。首先,我尝试了快速设置,它只涉及将 'debug_toolbar' 添加到我的已安装应用程序列表中。有了这个,当我转到我的根 URL 时,调试
在 Matlab 中,如果我有一个函数 f,例如签名是 f(a,b,c),我可以创建一个只有一个变量 b 的函数,它将使用固定的 a=a1 和 c=c1 调用 f: g = @(b) f(a1, b,
我不明白为什么 ForEach 中的元素之间有多余的垂直间距在 VStack 里面在 ScrollView 里面使用 GeometryReader 时渲染自定义水平分隔线。 Scrol
我想知道,是否有关于何时使用 session 和 cookie 的指南或最佳实践? 什么应该和什么不应该存储在其中?谢谢! 最佳答案 这些文档很好地了解了 session cookie 的安全问题以及
我在 scipy/numpy 中有一个 Nx3 矩阵,我想用它制作一个 3 维条形图,其中 X 轴和 Y 轴由矩阵的第一列和第二列的值、高度确定每个条形的 是矩阵中的第三列,条形的数量由 N 确定。
假设我用两种不同的方式初始化信号量 sem_init(&randomsem,0,1) sem_init(&randomsem,0,0) 现在, sem_wait(&randomsem) 在这两种情况下
我怀疑该值如何存储在“WORD”中,因为 PStr 包含实际输出。? 既然Pstr中存储的是小写到大写的字母,那么在printf中如何将其给出为“WORD”。有人可以吗?解释一下? #include
我有一个 3x3 数组: var my_array = [[0,1,2], [3,4,5], [6,7,8]]; 并想获得它的第一个 2
我意识到您可以使用如下方式轻松检查焦点: var hasFocus = true; $(window).blur(function(){ hasFocus = false; }); $(win
我是一名优秀的程序员,十分优秀!