-2算法-1/一:快速排序算法快速排序是Tony Hall开发的一种排序算法。本书涉及的主要内容有机器学习概述、Python机器学习软件包、机器学习理论基础、K近邻算法、线性回归算法、逻辑回归算法、决策树、支持向量机、naive贝叶斯。
1、系统发育树构建简明教程构建系统发育树是研究系统学和进化的基础。但是系统进化树的构建是对分类单元进化史的推测，所以系统进化树的可靠性检验也是最重要的。一个进化树的获取大致可以分为数据输入、数据处理、计算、树的获取、可靠性测试、树的可视化和树的标注等。数据输入一般分为两类:DNA、AA、RNA等序列数据和形态数据、各种生态数据等性状数据。
算法计算涉及算法各类系统发育树，如UPGMA、NJ、MP、ML、BI等。以及多基因数据串联法与回溯法的比较。树获取是指如何从多棵树中总结出一棵最优的树。顾名思义，可靠性检验是指对系统进化树拓扑结构的检验，包括自扩支持度、后验概率等。，以及不同进化树之间的比较。树的可视化是一种通过使用工具来展示开发树并使其更加美观的方法。
2、大数据分析的流程浅析大数据整理过程分析大数据分析的过程分析:大数据整理是数据分析过程中最重要的环节，在大数据分析过程中也是如此。在小数据时代，数据整理包括数据清洗、数据转换、分类编码和数字编码，其中数据清洗占据了最重要的位置，即检查数据一致性和处理无效值和缺失值。在大数据时代，这些任务被弱化了。在大数据的算法的一些应用中，基本上不再进行数据清洗，因为大数据的多样化使得其数据。
但是仍然需要数据转换和编码的过程。下面以大数据分析中的文本分类为例来分析大数据整理的过程。本例使用mahout作为大数据分析软件，文本分类为算法Naive贝叶斯-1/(New Bayes)，分类对象为不同类别的新闻数据。当我们使用一个网络爬虫每小时从多个不同的新闻网站连续获取数据时，获取的数据都是文本数据，也就是非结构化数据。这些数据不需要清理，但是在进入mahout实现的simple贝叶斯-1/时需要进行转换。
3、大数据分析工具详尽介绍
