当前位置：qklbishe.com区块链毕设代做网专注|以太坊fabric-计算机|java|毕业设计|代做平台-javagopython毕设 > 笔试面试 > (B)应补充的代码(5分)：

相关推荐

平台上线了一个抽奖活动，根据以往的活动经验，预计平台内有5%的用户对此类活动感兴趣，并且感兴趣的用户在每次曝光的点击率为30%，不感兴趣的用户的误触概率为5%。在实际数据中，我们能够观测到每个用户的曝光次数(expo_cnt)及点击次数(click_cnt)，请写一个简单的python程序计算每个用户对此活动感兴趣的概率（假设每次曝光最多产生1次点击、且每次点击之间相互独立）
qklbisheqklbishe

平台上线了一个抽奖活动，根据以往的活动经验，预计平台内有5%的用户对此类活动感兴趣，并且感兴趣的用户在每次曝光的点击率为30%，不感兴趣的用户的误触概率为5%。在实际数据中，我们能够观测到每个用户的曝光次数(expo_cnt)及点击次数(click_cnt)，请写一个简单的python程序计算每个用户对此活动感兴趣的概率（假设每次曝光最多产生1次点击、且每次点击之间相互独立）

区块链毕设网qklbishe.com为您提供问题的解答 平台上线了一个抽奖活动，根据...
153
已知 SPARK SQL 代码块如下： val spark = SparkSession.builder().config(conf).enableHiveSupport().getOrCreate() val sc = spark.sparkContext val SqlContext = spark.sqlContext val user_visit_log_rdd = sc.parallelize(List(     "u1,2022/1/21,5",     "u2,2022/1/23,6",     "u3,2022/1/22,8",     "u4,2022/1/20,3",     "u1,2022/1/23,6",     "u1,2022/2/21,8",     "u2,2022/1/23,6",     "u1,2022/2/22,4" )).map(v => {     val temp = v.split(",")     Row(temp(0), temp(1),temp(2).toInt) }) val user_visit_log_schema: StructType = StructType(Array(     StructField("userId", StringType),     StructField("visitDate", StringType),     StructField("visitCount", IntegerType))                                                   ) SqlContext.createDataFrame(user_visit_log_rdd, user_visit_log_schema).registerTempTable("user_visit_log") val sql ="select " + "s.userid ," + "s.month ," + "s.sum_per_month , " + "sum(s.sum_per_month) over(partition BY s.userid order by s.month) as total_visitcount" + "from (   select distinct t.userid as userid  ,t.month as month " + " ,sum(t.visitCount) over(partition BY userid,month) as sum_per_month " + "from (   SELECT userid    ,date_format(regexp_replace(visitdate,’/’,’-‘),’yyyy-MM’) AS month  ,visitCount  FROM user_visit_log  ) t ) s" SqlContext.sql(sql).show(10)
qklbisheqklbishe

已知 SPARK SQL 代码块如下： val spark = SparkSession.builder().config(conf).enableHiveSupport().getOrCreate() val sc = spark.sparkContext val SqlContext = spark.sqlContext val user_visit_log_rdd = sc.parallelize(List(     "u1,2022/1/21,5",     "u2,2022/1/23,6",     "u3,2022/1/22,8",     "u4,2022/1/20,3",     "u1,2022/1/23,6",     "u1,2022/2/21,8",     "u2,2022/1/23,6",     "u1,2022/2/22,4" )).map(v => {     val temp = v.split(",")     Row(temp(0), temp(1),temp(2).toInt) }) val user_visit_log_schema: StructType = StructType(Array(     StructField("userId", StringType),     StructField("visitDate", StringType),     StructField("visitCount", IntegerType))                                                   ) SqlContext.createDataFrame(user_visit_log_rdd, user_visit_log_schema).registerTempTable("user_visit_log") val sql ="select " + "s.userid ," + "s.month ," + "s.sum_per_month , " + "sum(s.sum_per_month) over(partition BY s.userid order by s.month) as total_visitcount" + "from (   select distinct t.userid as userid  ,t.month as month " + " ,sum(t.visitCount) over(partition BY userid,month) as sum_per_month " + "from (   SELECT userid    ,date_format(regexp_replace(visitdate,’/’,’-‘),’yyyy-MM’) AS month  ,visitCount  FROM user_visit_log  ) t ) s" SqlContext.sql(sql).show(10)

区块链毕设网qklbishe.com为您提供问题的解答 已知 SPARK SQL 代...
159