第四范式

张亚勤推荐的数据挖掘研究方法专著，微软亚洲研究院研究人员必备！

多值依赖与第四范式（续）Teaching∈BCNF：Teach具有唯一候选码(C, T, B)，即全码。Teaching模式中存在的问题(1)数据冗余度大：有多少名任课教师，参考书就要存储多少次。

寻找最大两个数最少比较次数：答案为c. n + logn -2。在最坏情况下，需要遍历所有元素并每次找到当前最大值，然后再找到第二大的值。 2. 二维数组访问：答案为b. ((a+i)+j)。这种指针运算方式在C语言中用于访问二维数组元素。 3. 维护页表的实体：答案为a. 进程。操作系统为每个进程维护页表，用于地址映射。 4. 球的选择问题：答案为a. 150。这是一个组合计数问题，使用组合公式C(5,3) * C(5,1)计算。 5. exec系统调用：答案为b. exec会替换掉当前整个进程。exec会用新的程序替换当前进程的内存空间。 6. Python语法错误：答案为c. print x233。在Python中，未定义变量x233会导致错误。 7. K-NN与Logistic Regression：答案为c. 只有Logistic Regression是线性分类器。K-NN不是线性分类器，即使K=1。 8. 整数矩阵搜索：答案为b. O(m+n)。由于矩阵特殊结构，可以通过线性扫描找到目标。 9. 随机森林与Gradient Boosting Trees：答案为d. 2，3。两者中的树之间都有依赖，且可以使用随机特征子集。 10. uint32_t链表表示：答案为a. 10。uint32_t最大值为2^32-1，最多需要10个节点表示。 11. 年化收益率：答案为b. 3.7%。使用复利增长公式计算得出。 12. 易于解释的模型：答案为c. 决策树。决策树的结构直观，易于理解。 13. 显示一页内容命令：答案为c. more。在Linux中，more命令用于分页查看内容。 14. 有向有环图拓扑序：答案为a. 不存在。有向有环图无法进行拓扑排序。 15. 合法的最小正整数n：答案为d. 243016。根据题目给的模运算关系，可以解出n的值。 16. 错误的说法：答案为d. 哈希表不可以用数组来实现。哈希表通常使用数组和散列函数实现。 17. 正态分布概率：答案为a. 2[1-Φ(2)]。利用正态分布性质计算。 18. 堆排序额外空间复杂度：答案为a. O(1)。堆排序原地排序，不需要额外空间。 19. EM算法改MAP：答案为a. Expectation。在期望步骤中考虑先验概率。 20. 矩阵等式：答案为d. AB + BA = 0。由(A + B)*B = AB + BA得出。

首先，我们需要找到一个违反第四范式的情况，例如A1A2…..An -> B1B2…..Bm，其中{ A1，A2，…..An }不是超键。然后，将其分解为两个模式：A中的属性和B中的属性，以及关系R中既不属于A也不属于B的所有其他属性。

数据库优化工作（第四部分）二范式定义如下：若关系模式R属于第一范式（1NF），且每个非主属性完全依赖于关系模式R的候选码，则称R属于第二范式（2NF）。将1NF的关系模式规范化为2NF的关系模式的方法是消除1NF的关系模式中非键属性对键的部分依赖。

这本书对于初学者来说是一个全面了解Oracle相关知识的良好选择。

Hadoop是Apache基金会开发的分布式系统架构，用户无需了解分布式底层细节，即可开发分布式程序。 它实现了分布式文件系统HDFS，具有高容错性，可部署在低成本硬件上。HDFS提供高吞吐量数据访问，适合处理超大数据集的应用程序。它放宽了POSIX要求，允许以流方式访问文件系统数据。

Hadoop权威指南（第四版） 提供高清中文版PDF，深入浅出地讲解Hadoop技术核心概念、架构和应用。

清晰易懂，直击要害

Tom White 著Hadoop 权威指南 第四版