- 综合排序
- 最热优先
- 最新优先
- 来自专栏火星娃统计
GEO数据挖掘7
GEO数据挖掘7 sunqi 2020/7/13 概述 GSVA分析，gene Set Variation Analysis，被称为基因集变异分析，是一种非参数的无监督分析方法，用来评估芯片核转录组的基因集富集结果 symbols.gmt" "c4.all.v6.2.symbols.gmt" ## [5] "c5.all.v6.2.symbols.gmt" "c6.all.v6.2.symbols.gmt" ## [7] "c7.all.v6.2.symbols.gmt" "h.all.v6.2.symbols.gmt" # 安装GSVA包 # BiocManager::install('GSVA') library ## ## [[2]] ## ## [[3]] ## ## [[4]] ## ## [[5]] ## ## [[6]] ## ## [[7]] ## ## [[8]] # 保存计算结果 df=do.call 0.01 & abs(df$logFC) > 0.5,] write.csv(df,file = 'GSVA_DEG.csv') 结束语 至此，GEO数据分析的基础基本介绍完毕，后面计划解读一些geo数据挖掘的文章
1.9K30发布于 2020-09-15 - 来自专栏数据科学与人工智能
【数据挖掘】数据挖掘#商业智能（BI）数据分析挖掘概念
数据挖掘目前在各类企业和机构中蓬勃发展。因此我们制作了一份此领域常见术语总结，希望你喜欢。 商业智能（Business Intelligence）: 分析数据、展示信息以帮助企业的执行者、管理层、其他人员进行更有根据的商业决策的应用、设施、工具、过程。 与人工智能、数据挖掘、统计方法关系密切。 购物篮分析（Market Basket Analysis）: 识别在交易中经常同时出现的商品组合或服务组合，例如经常被一起购买的产品。 文本挖掘（Text Mining）: 对包含自然语言的数据的分析。对源数据中词语和短语进行统计计算，以便用数学术语表达文本结构，之后用传统数据挖掘技术分析文本结构。 网络挖掘/网络数据挖掘（Web Mining / Web Data Mining) : 使用数据挖掘技术从互联网站点、文档或服务中自动发现和提取信息。
3.2K90发布于 2018-02-27 - 来自专栏人工智能
数据挖掘的7个重要技术
数据挖掘技术 数据挖掘是查看大型信息库以生成新信息的过程。直觉上，你可能认为数据挖掘是指提取新的数据，但事实并非如此; 相反的，数据挖掘是从已经收集的数据中推断出新的模式和知识。 回答是：”数据挖掘技术” 只要利用以下技术中的一种或多种，数据挖掘则会变得非常有效： 1.跟踪模式。数据挖掘中最基本的技术之一就是学习识别数据集中的模式。 分类是一种更为复杂的数据挖掘技术，它迫使您将各种属性集中到可识别的类别中，然后您可以使用这些类别得出进一步的结论或提供某种功能。 7.预测。预测是最有价值的数据挖掘技术之一，因为它用于投影将来会看到的数据类型。在许多情况下，仅仅认识和理解历史趋势就足以对未来将发生的事情进行准确的预测。 如何用好数据挖掘工具 那么你是否需要最新最好的机器学习工具来应用这些技术呢？不一定。实际上，您可以用相对适中的数据库系统和一些简单直接可对接的大数据工具来完成一些尖端的数据挖掘工作。
1.2K60发布于 2018-01-09 day 7-8 GEO数据挖掘
2.GEO背景介绍+分析思路 表达数据实验设计：分组需要有意义 分组为病变组织VS 健康组织 如果公共数据库没有，需要自己测 2.1数据挖掘：有差异的材料→差异基因→找功能/找关联→解释差异,缩小基因范围
50010编辑于 2025-08-15- 来自专栏人生代码
数据挖掘实践指南读书笔记7
http://guidetodatamining.com/ 这本书理论比较简单，书中错误较少，动手锻炼较多，如果每个代码都自己写出来，收获不少。总结：适合入门。 欢迎转载，转载请注明出处，如有问题欢迎指正。 合集地址：
58710发布于 2019-11-05 - 来自专栏原创
以智能数据架构，挖掘增长金矿
对很多技术团队来说，在搭建智能数据架构的过程中，或多或少会遇到一些疑惑和挑战，经过多次实践后，有些团队已经破除疑惑，成功探索出一条搭建智能数据架构之路，那么他们是如何实现这一技术的呢？ 个推通过机器学习，构建了独有的冷、热、温标签，用以分析不同群体的基础属性和行为特征，描绘用户的精准画像，最终运用于智能推送和精准营销。 聚美优品大数据高级工程师 贺鹏《大数据3.0流计算与智能决策》 大数据3.0时期，Hadoop第一代、Spark内存计算第二代，早期流计算以及人工智能流计算同时并存。 流计算发展至今，已经具备了CEP这一强大功能，这也是支撑流计算智能化的关键因素所在。
66120发布于 2019-03-12 - 来自专栏智能大数据分析
【机器学习 | 数据挖掘】智能推荐算法
智能大数据分析是指利用先进的技术和算法对大规模数据进行深入分析和挖掘，以提取有价值的信息和洞察。 它结合了大数据技术、人工智能（AI）、机器学习（ML）和数据挖掘等多种方法，旨在通过自动化的方式分析复杂数据集，发现潜在的价值和关联性，实现数据的自动化处理和分析，从而支持决策和优化业务流程。 与传统的人工分析相比，智能大数据分析具有自动化、深度挖掘、实时性和可视化等特点。智能大数据分析广泛应用于各个领域，包括金融服务、医疗健康、零售、市场营销等，帮助企业做出更为精准的决策，提升竞争力。 三、基于关联规则的智能推荐 关联规则可以挖掘出物品间的关联关系，物品间的关联性越强推荐给用户时越可能受用户喜欢，提取关联规则的最大困难在于当存在很多商品时，可能的商品的组合（规则的前项与后项）的数目会达到一种令人望而却步的程度 接着介绍了智能推荐几种常见的智能推荐算法，包括关联规则和协同过滤等，其中关联规则可以挖掘出物品间的关联关系，依据关联关系的强弱为用户推荐，常见的关联规则算法有Apriori和FP-Growth。
1K10编辑于 2025-01-22 黑马-人工智能与数据挖掘
在高校毕业生就业形势复杂的今天，一个领域的相关人才却持续被企业高薪争抢，起薪远超许多传统行业，成为了名副其实的“职场黑马”——这就是人工智能与数据挖掘领域。 这就需要既懂数据挖掘技术，能“淘出真金”，又懂人工智能算法，能“点石成金”的复合型人才。市场上对这类人才的需求呈现爆炸式增长。 核心技术与工具：数据挖掘：精通数据清洗、预处理、特征工程，掌握聚类、分类、关联分析等经典算法。机器学习：深入理解监督学习、无监督学习、强化学习等模型原理与应用场景。 三、职业前景：一条广阔的上升通道选择AI与数据挖掘赛道，意味着选择了一条高成长性的职业路径。 结语：人工智能与数据挖掘作为一匹强劲的“黑马”，正奔驰在时代的最前沿。对于个人而言，它或许意味着一个充满挑战与机遇的职业新起点；对于社会而言，它则是推动产业升级、迈向智能未来的核心驱动力。
37210编辑于 2025-09-12- 来自专栏全栈程序员必看
人工智能万亿市场待挖掘
舆情监测以中文信息处理技术和中文自然语言处理技术为基础，融合了信息检索、文本挖掘等研究技术，提供中文智能信息挖掘与智能分析软件，具有对海量文本内容进行智能检索、智能分析及智能化自动处理的功能，可以解决海量信息的智能分析处理 未来语义识别将和文本挖掘、数据挖掘等技术结合，更多地应用在商业化的领域，发展空间巨大。 7．人工智能的A股投资标的 我们从两个维度选取相关的投资标的：首先是直接提供AI技术或有关设备的公司，然后是利用AI技术为不同行业提供解决方案的公司。 公司在挖掘机车辆远程管理信息服务细分领域公司的市场占有率第一。 公司积极应对互联网时代的变革，拥抱车联网这个大潮流。公司于2014年7月7号发布公告，推出一款移动互联网新产品：云通途。 深度挖掘大数据形成对企业商业决策的有效支持是行业未来重要发展方向，拓尔思将以此形成自己独特的商业智能应用模式。
2K20编辑于 2022-06-25 - 来自专栏数据科学与人工智能
【金融数据】挖掘数据价值，打造智能银行
第三层，从信息上升至知识，即知识发现层，在此层面，数据挖掘技术和人工智能至关重要，对整合的信息进行分解、提炼，从中找出有价值的信息点，实现信息到知识的转变。 结合国内外先进企业的大数据经验，民生银行围绕充分挖掘大数据价值，以“智能化、云端化、标准化、移动化”（“四化”）建设为主线，努力打造和提升大数据能力，积极推进全行的大数据战略。 “四化”建设纵贯数据获取与存储、数据整合、数据挖掘、数据应用整个大数据价值链，是一个影响深远的系统性工程。 大数据智能化 为进一步提升客户关系管理与服务水平，营造可持续发展的金融生态环境，切实提高全行对公业务的规划能力、营销能力、产品支持能力、风险管理能力、考核评价能力，民生银行建成智能管家平台，借助互联网思维和大数据分析挖掘工具 ，运用复杂网络科学、文本挖掘、购物篮分析等数据挖掘技术和力导向布局图、蜗牛图等数据可视化手段，构建了上下游客户推荐模型、智能产品推荐模型、交易网络模型，设计开发了客户推荐、产品推荐等功能，为客户经理、管理人员提供针对性
1.4K50发布于 2018-02-27 - 来自专栏CDA数据分析师
科普 | 数据挖掘最常用的7种常方法
利用数据挖掘进行数据分析常用的方法主要有分类、回归分析、聚类、关联规则、特征、变化和偏差分析、Web页挖掘等， 它们分别从不同的角度对数据进行挖掘。 在客户关系管理中，通过对企业的客户数据库里的大量数据进行挖掘，可以从大量的记录中发现有趣的关联关系，找出影响市场营销效果的关键因素，为产品定位、定价与定制客户群，客户寻求、细分与保持，市场营销与推销，营销风险评估和诈骗预测等决策支持提供参考依据 意外规则的挖掘可以应用到各种异常信息的发现、分析、识别、评价和预警等方面。 Web页挖掘 随着Internet的迅速发展及Web 的全球普及， 使得Web上的信息量无比丰富，通过对Web的挖掘，可以利用Web 的海量数据进行分析，收集政治、经济、政策、科技、金融、各种市场、竞争对手 数据挖掘是一种决策支持过程，它通过高度自动化地分析企业的数据，做出归纳性的推理，从中挖掘出潜在的模式，帮助决策者调整市场策略，减少风险，做出正确的决策。这对于一个企业的发展十分重要。
86080发布于 2018-02-11 - 来自专栏PPV课数据科学社区
数据挖掘人工智能使教育定制化
自适应学习 这是从小学到大学整个教育体制的再造，McGraw-Hill教育正在开发数字课程，准备相关的课程资料，它从200万学生中收集信息，利用人工智能为每个学生创建自适应的学习体验。 DonorsChoose.org的数据科学家Vlad Dubovskiy说：“校长和管理人员可以对这些数据进行挖掘，及时了解学校教师的请求。” 是弗吉尼亚州高等教育委员会政策研究和数据仓库的负责人，他告诉我们：当大数据应用到教育领域时，“一切皆有可能”，作为弗吉尼亚州纵向数据系统（Longitudinal Data System）的一部分，委员会目前正在挖掘所有公共和非营利大学的学生数据
88350发布于 2018-04-18 - 来自专栏muller的测试分享
人工智能，应该如何测试？（二）数据挖掘篇
如果你面对的是一个人工智能平台，那么这些也就变成了测试对象。数据标注：我们面对的大部分都是监督学习，所谓监督学习，就是算法在学习这份数据的时候， 我们需要告诉算法这条数据的答案。 因为人工智能是在大数据的基础之上的， 我们可能要面对数以百万，千万甚至亿的数据量。 ds", "time" ).withColumn("app_key", functions.lit("0MA005J3L9A7C4SB yolov 过滤图片上次文章介绍 aigc 的测试方法时说过用 yolov + blip 可以组一些 bug 挖掘的工作。 我借鉴这个思路来做数据挖掘。 我们以上面的数据挖掘工具为例子来讲解一下一般模型微调的过程。
47612编辑于 2024-04-07 - 来自专栏马一特
数据分析与数据挖掘 - 03智能对话
一 数据分析与自然语言处理 我们在处理很多数据分析任务时，不可避免地涉及到与文本内容相关的知识，这是属于文本挖掘（text mining）的内容，显然是NLP技术的范畴，基于这样的考虑我们先来对自然语言处理有一个基本的认识 二 自然语言处理 如果一台计算机能够欺骗人类，让人相信它是人类，那么该计算机就应当被认为是智能的。（阿兰.图灵) 机器能像我们人类一样理解文本吗？这是大家对人工智能最初的幻想。 如今，它已成为人工智能的核心领域——自然语言处理（简称：NLP）。 自然语言处理是一门融语言学、计算机科学、人工智能于一体的科学，人们把自然语言处理认为是人工智能的皇冠，它解决的是“让机器可以理解自然语言”——这一到目前为止都还只是人类独有的特权，因此，自然语言理解（NLU ）被誉为人工智能皇冠上的明珠。
95220发布于 2020-09-08 - 来自专栏AI SPPECH
AI破解CTF：漏洞挖掘与利用的智能革命
近年来，人工智能技术的突破为CTF竞赛带来了一场革命，AI辅助的漏洞挖掘与利用工具正在成为参赛队伍的秘密武器。 CTF比赛中的漏洞挖掘特点 CTF比赛中的漏洞挖掘与实际的网络安全漏洞挖掘有相似之处，但也有其独特的特点： 时间限制严格：CTF比赛通常有严格的时间限制，选手需要在有限的时间内快速发现和利用漏洞，这对漏洞挖掘的效率提出了很高的要求 AI技术在CTF漏洞挖掘中的优势 AI技术的引入为CTF漏洞挖掘带来了以下优势： 提高效率：AI可以自动化完成漏洞挖掘中的大量重复性工作，如代码审计、模糊测试等，大大提高漏洞挖掘的效率。 模糊测试（Fuzzing）优化 模糊测试是CTF漏洞挖掘的常用方法，AI技术可以显著优化模糊测试的效果： 智能测试用例生成：使用生成对抗网络（GAN）、强化学习（RL）等技术智能生成更可能触发漏洞的测试用例 代码演示：基于深度学习的自动化漏洞挖掘系统 下面提供一个基于深度学习的自动化漏洞挖掘系统的示例代码，帮助CTF选手快速实现AI辅助漏洞挖掘功能。
72910编辑于 2025-11-13 - 来自专栏人工智能前沿讲习
数据挖掘的前沿论文，看我们推荐的这7篇
关注文章公众号 回复"数据挖掘"获取本主题精选论文 ? 近年来，电商平台飞速发展，搭配问题是电商系统中的一个非常重要的任务，它涉及对商品的深入理解整合。 由SFFAI21分享嘉宾崔泽宇同学为大家精选出来有关图数据挖掘以及服装风格搭配相关论文，带你了解服装搭配领域目前的进展，图数据挖掘最前沿的工作。 推荐理由：同样是发表在NeurIPS2018的工作，该工作着重于如何将GNNs运用在大规模数据上，进行图数据挖掘领域基础应用link prediction的任务，有较大的指导意义。 ? 推荐理由来自：刘强 7 ???? ? 推荐理由：本文是中科院自动化所吴书老师团队的一篇工作，主要研究基于图神经网络进行服装搭配的学习。
2.5K20发布于 2020-05-11 如何通过YashanDB实现企业数据的智能分析与挖掘
随着企业信息系统的不断发展，海量数据的积累为智能分析与挖掘提供了强大基础。然而，传统数据库在处理大规模、高并发及复杂分析场景中常面临性能瓶颈和数据一致性挑战。 YashanDB作为一款新一代数据库系统，具备多样化的部署形态及丰富的核心技术组件，能够有效支持企业在智能分析与数据挖掘中的需求。 优化器采纳基于成本的优化（CBO）模型，结合统计信息如表行数、列数据分布和索引信息，智能生成最优执行计划。 结论YashanDB通过其多元部署方案、创新存储引擎设计和高效SQL执行框架，为企业智能分析与数据挖掘提供了坚实的技术支撑。其事务一致性、多版本并发控制及完善的数据管理机制，保证数据安全与准确性。 建议数据库管理员和开发人员深入理解YashanDB的体系架构及技术要点，并结合最佳实践应用于具体数据分析项目，以最大化挖掘数据价值并提升企业业务智能化水平。
28310编辑于 2025-09-16- 来自专栏韩曙亮的移动开发专栏
【数据挖掘】数据挖掘总结 ( 数据挖掘相关概念 ) ★★
用于挖掘的数数据源 必须 真实 : ① 存在的真实数据 : 数据挖掘处理的数据一般是存在的真实数据 , 不是专门收集的数据 ; ② 数据收集 : 该工作不属于数据挖掘范畴 , 属于统计任务 ; 2 . 未知结果 : ① 挖掘结果 : 数据挖掘 挖掘出的知识是未知的 , 目的是为了发掘潜在的知识 , 模式 ; 这些知识只能在特定环境下可以接收 , 可以理解 , 可以运用 ; ② 知识使用 : 数据挖掘出的知识只能在特定领域使用 , 如金融领域数据挖掘结果 , 只能在金融领域及相关领域使用 ; 参考博客 : 【数据挖掘】数据挖掘简介 ( 数据挖掘引入 | KDD 流程 | 数据源要求 | 技术特点 ) 二、 数据挖掘组件化思想 数据挖掘任务分类 : 根据数据挖掘的目标 , 可以将数据挖掘任务分为以下几类 : ① 模式挖掘 , ② 描述建模 , ③ 预测建模 ; 描述建模 和 预测建模 又称为 模型挖掘 ; ① 模式挖掘 : 如 , 性能会很低 ; 确定 模型 / 模式 结构 和 评分函数 , 是人来完成 , 优化评分函数的过程是计算机完成 ; 参考博客 : 【数据挖掘】数据挖掘算法 组件化思想 ( 模型或模式结构 | 数据挖掘任务
5.3K00编辑于 2023-03-28 - 来自专栏数据科学与人工智能
【数据挖掘】图数据挖掘
那么图数据挖掘是干什么的呢？难道是开着挖掘机来进行挖掘？还是扛着锄头？下面讲讲什么是图数据挖掘。 一、什么是图数据挖掘 这个话题感觉比较沉重，以至于我敲打每个字都要犹豫半天，这里我说说我对图数据挖掘的理解。数据是一个不可数名字，那么说明数据是一个没有边界的东西。 而挖掘是一个很形象化的动词，一般意义上，挖掘是挖掘出对我们有用的东西，不然也不会闲着没事刨个坑把自己放进去，肯定是里面有宝贝，我们才挖掘。 那么不难理解，数据挖掘就是挖掘数据里面的“宝贝”，图数据挖掘，就是以图的结构来存储、展示、思考数据，以达到挖掘出其中的“宝贝”。那这个“宝贝”是什么？ 这就是我认为的图数据挖掘。 从学术上讲，图数据挖掘分为数据图，模式图两种。至于这两个类型的区别，由于很久没有关注这块，所以只能给出一个字面意义上的区别。
3.3K81发布于 2018-02-27 - 来自专栏科控自动化
.Net7 IDE智能提示汉化
本地化xml生成工具 工具以dotnet cli发布，使用dotnet tool进行安装 dotnet tool install -g islocalizer .net7的汉化包已经有现成的了，可以直接进行安装
89910编辑于 2023-02-28
腾讯云开发者
Copyright © 2013 - 2026 Tencent Cloud. All Rights Reserved. 腾讯云 版权所有
深圳市腾讯计算机系统有限公司 ICP备案/许可证号：粤B2-20090059 
粤公网安备44030502008569号
腾讯云计算（北京）有限责任公司 京ICP证150476号 | 京ICP备11018762号