- 综合排序
- 最热优先
- 最新优先
- 来自专栏决策智能与机器学习
工业数据分析之数据归一化 | 冰水数据智能专题 | 2nd
2数据归一化的目标 （1）把数变为（0，1）之间的小数 主要是为了数据处理方便提出来的，把数据映射到0～1范围之内处理，更加便捷快速，应该归到数字信号处理范畴之内。 另外，微波之中也就是电路分析、信号系统、电磁波传输等，有很多运算都可以如此处理，既保证了运算的便捷，又能凸现出物理量的本质含义。 （2）提升模型的精度 归一化的另一好处是提高精度，这在涉及到一些距离计算的算法时效果显著，比如算法要计算欧氏距离，上图中x2的取值范围比较小，涉及到距离计算时其对结果的影响远比x1带来的小，所以这就会造成精度的损失 （2）标准差标准化 | z-score 0均值标准化(zero-mean normalization) 经过处理的数据符合标准正态分布，即均值为0，标准差为1，其转化函数为： • x = 需要根据数据分布的情况，决定非线性函数的曲线，比如log(V, 2)还是log(V, 10)等。
89610发布于 2020-08-04 - 来自专栏生信课程note＋实验知识
TCGA分析-数据下载2
是TCGA分析-数据整理-2的上一步https://cloud.tencent.com/developer/article/2353514title: "xiaohe"output: html_documentdate 通过将 eSet 数据框中的第一列赋值给新的变量 eSet，可以方便地对这些数据进行后续的分析和处理。#上述代码提取表达矩阵，但是提取出来是0行，不存在。 #2.提取表达矩阵#clinical<- pData(eSet)#具体来说，pData()函数是从eSet中提取“数据”部分,即提取临床信息。 do.call(cbind,re)class(re2)## [1] "data.frame"exp=as.matrix(re2)#strsplit(fs, "_", simplify=T) 是将字符串 #2，函数会应用于矩阵的每一行（即，纵向）。
75620编辑于 2023-11-01 - 来自专栏生信课程note＋实验知识
TCGA分析-数据整理2
title: "三大R包差异分析"output: html_documenteditor_options: chunk_output_type: console1.三大R包差异分析rm(list = > logFC_t);table(k2)#> k2#> FALSE TRUE #> 4256 629DEG1$change = ifelse(k1,"DOWN",ifelse(k2,"UP", topTags(fit, n=Inf)class(DEG2)#> [1] "TopTags"#> attr(,"package")#> [1] "edgeR"DEG2=as.data.frame(DEG2 -06 0.0015882179k1 = (DEG2$PValue < pvalue_t)&(DEG2$logFC < -logFC_t)k2 = (DEG2$PValue < pvalue_t)&(DEG2 ="NOT"]cg2 = rownames(DEG2)[DEG2$change !="NOT"]cg3 = rownames(DEG3)[DEG3$change !
58810编辑于 2023-10-31 - 来自专栏python数据分析实践
python数据分析浅谈(2）
直接信息主要分析图表数值变化和趋势，潜在信息主要分析这种趋势的驱动因子。 直接信息是数据分析的基础，潜在信息是区别数据分析水平高低的重要尺度。 本节的主要内容：介绍数据分析中的一些“坑”，主要包括： 1）明确分析目的 2）数据质量管理和建议 3）统计模型选择与应用 4）关于显著性检验的提醒 01 时刻明确分析目的 话听起来很简单，做起来可没那么容易 2）数据来源：对于直接从网上获取的数据，需要更加小心，了解我们该专业/行业的权威数据网站十分有必要。 这里有几个方法可供参考：1）查找本领域的相关研究，他们大多都标注了数据来源，根据提供的信息直接查找即可。2）咨询他人以了解本领域常用的几个权威数据网站，并注意收藏。 2）数据适用性：就如1中所述，不同的模型对数据的要求也不同。
45010编辑于 2023-02-23 - 来自专栏R语言数据分析
表达芯片数据分析2
db) ls("package:hgu133plus2.db") #列出R包里都有啥 ids <- toTable(hgu133plus2SYMBOL) #把R包里的注释表格变成数据框}# 方法2 方法4 自主注释，了解一下#https://mp.weixin.qq.com/s/mrtjpN8yDKUdCSvSUuUwcA图片一个探针对应多个基因——非特异性探针需要去除；练习GSE42872下载数据并进行差异分析绘制火山图 ', getGPL = F)#网速太慢，下不下来怎么办#1.从网页上下载/发链接让别人帮忙下，放在工作目录里#2.试试geoChina,只能下载2019年前的表达芯片数据class(eSet)length step1output.Rdata")rm(list = ls()) load(file = "step1output.Rdata")# 1.Group----library(stringr)# 标准流程代码是二分组，多分组数据的分析后面另讲 ")###########################################rm(list = ls()) load(file = "step2output.Rdata")#差异分析library
70920编辑于 2023-09-27 - 来自专栏AI智能体从入门到实践
构建AI智能体：智能数据分析机器人：基于Qwen-Agent与Text2SQL的门票分析方案
结合昨天我们刚讲过的Qwen-Agent和前期讲过的Text2SQL技术以及Gradio前端展示技术，构建了一个智能化的门票数据分析平台，让业务人员能够通过自然语言直接进行数据查询和分析，大幅降低了技术门槛 该系统不仅解决了传统数据分析流程的痛点，更为企业级智能数据分析应用提供了新的思路和方案。系统采用分层架构设计，确保各模块之间的松耦合和高内聚。 Qwen-Agent智能代理上下文感知：能够理解多轮对话的上下文关系意图识别：准确识别用户的查询意图和业务需求工具协调：智能决策何时以及如何调用工具函数结果整合：将工具执行结果整合成用户友好的格式2. 智能可视化：自动分析数据类型（分类变量vs数值变量）根据数据特征选择图表类型（普通柱状图vs堆积柱状图）处理中文显示和格式美化文件保存：将生成的图表保存为PNG文件，使用时间戳确保文件名唯一2. 六、总结 本项目成功构建了一个基于Qwen-Agent和Text2SQL的智能门票数据分析系统。
50232编辑于 2025-12-05 - 来自专栏数据科学与人工智能
数据科学小技巧2：数据画像分析
阅读完本文，你可以知道： 1 利用pandas_profiling库生成数据画像 "对于AI，我们不去改变，我们就会改变。" 第二个数据科学小技巧：数据画像分析。 我们使用pandas_profiling库可以快速地对原始数据进行画像和分析。 一 notebook代码 ? 二 运行结果 数据画像报告包括五个部分 第一部分：概况分析 ? 第二部分：变量分析 ? 第三部分：相关性分析 ? 第四部分：缺失值分析 ? 第五部分：抽样数据检视 ? 你若是想快速了解你的数据，并且数据规模不是很大，可以采用这种方法来解答。
94210发布于 2020-03-12 - 来自专栏知了一笑
数据分析 | 基于智能标签，精准管理数据
这就是数据时代常说的一句话：用户在某个应用上一通操作之后，算法分析的结果可能比用户对自己的描述还要真实。 2、标签加工流程 ? 不管是数据智能，深度学习，算法等都是建立在海量数据的基础条件上，这样才能获取具有价值的分析结果。 大数据时代就是这么令人感觉智能和窒息。 标签业务 数据走了一大圈转换成标签，自然还是要回归到业务层面，通过对标签数据的用户的分析，可以进行精准营销，和智能推荐等相关操作，电商应用中可以提高成交量，信息流中可以更好的吸引用户。 2、画像报告 通过标签数据的分析，生成一份分析报告，报告内容包含丰富的用户标签统计数据。 例如：90后画像报告 这个报告，互联网用户一定或多或少都看到过。
2.2K20发布于 2020-06-04 数据智能分析工具的主流评测与深度分析
在当今快速变化的商业环境中，企业对于数据分析的需求日益增长。随着技术的进步，商业智能（BI）工具不断涌现，帮助企业从海量数据中提取有价值的信息，支持决策制定。 自助分析 用户可以通过简单的拖拽操作完成复杂的报表开发，实现自助式数据分析。 数据简报 腾讯云BI的简报模块是其特色功能之一，支持工作汇报和数据展示，是企业内部沟通和对外宣传的得力助手。 智能助手ChatBI 基于大模型的智能分析Agent，通过自然语言对话实现数据分析，降低数据分析门槛，提升效率。 洞察分析智能体 提供数据解读、波动归因、业务优化建议等能力，帮助企业洞察业务趋势。 波动归因分析 帮助企业分析数据波动的原因，为决策提供科学依据。 智能分析Agent ChatBI作为智能分析Agent，支持接入混元、DeepSeek等主流模型，提供深度数据分析。 总结 在众多BI工具中，腾讯云BI以其全面的数据处理能力、强大的可视化功能和智能助手ChatBI的特色功能脱颖而出。它不仅能够满足企业内部的数据分析需求，还能支持企业对外的数据展示和沟通。
47910编辑于 2025-07-28- 来自专栏绿盟科技研究通讯
智能威胁分析之图数据构建
数据从来都是AI可用性的基础，典型的“感知-认知-行动”智能应用模式的作用对象也是数据。那么构建更加自动化、更智能的威胁分析能力，我们应该收集和分析哪些数据，又如何组织这些数据呢？ 不过，获取数据不是智能威胁分析技术本身的关注重点，如何组织并使用数据才是核心问题。 ? 网络安全数据结构中蕴含的图基因，不仅仅是数据可视化的基础，更是用以对抗网络空间威胁的安全智能构建的基础。那么，智能威胁分析能力的构建需要那些数据图的支撑呢？ 三、构建智能威胁分析能力的关键数据图 ? 知识图赋能下的威胁事件分析，能够拓展行为、环境、情报图关联实体的概念和数据上下文，是真正可解释、可推理、可行动、可复用的自动化、智能化分析。 本文从实践经验出发，基于对网络安全数据分析中常用数据源的再分类，提出了构建智能安全平台的图模型所需的环境、行为、情报、知识四张关键数据图，以支撑“智能化”安全研究工作的进一步开展。
1.9K10发布于 2019-12-11 - 来自专栏人力资源数据分析
人力资源数据分析指南（2） - 数据分析基础
很多人觉得数据分析是一个很高深的技能，要学会数据分析好像要会很多专业的软件，然后要和很多的数字打交道，要逻辑感非常强，其实数据分析没有大家想象的那么复杂，通过学习你也可以学会人力资源的数据分析。 首先我们对数据分析要有正确的认识： 1、不要为了分析而分析，需要给出结果 很多人在做数据分析的时候追求那种美观的高大上的界面，把重点放在图表的美化，然后在数据的分析维度上，纯粹为了分析而分析 2、数据分析不是EXCEL，不是图表 我们对数据分析的呈现一般是复杂的图表，美观的数据图，还有一些交互的操作，但是数据分析并不单单是这些，数据分析更加关注你的数据分析的思维，你对你分析内容的理解，你要通过你的分析给与结论和指引 数据分析的类型 Types of data analysis ? 数据分析根据数据的类型分为3种， 1、基础信息类数据 2、职能业务数据分析 3、效能数据分析 ? 2、职能类数据 这类数据主要是人力资源各个模块的动态数据，包含人员结构，人员流动，入离职，招聘，培训，薪酬等这些模块，然后以这些模块中的关键指标为基础，进行数据的分析。 ?
99320发布于 2020-02-25 - 来自专栏SeanCheney的专栏
《Python数据分析》2nd
《Python数据分析》（Python for Data Analysis, 2nd Edition）第二版出了，目前还没有中文版，这版的代码适用于Python 3.6 。 PDF下载（英文）：https://github.com/iamseancheney/pythonbooks/blob/master/Python%20for%20Data%20Analysis%2C%
1.2K80发布于 2018-04-24 - 来自专栏程序员小王
Python数据分析之Matplotlib（2）
绘制折线图： import matplotlib.pyplot as plt x=range(2,26,2) y=[15,13,14.5,17,20,25,16,26,27,22,18,15] plt.plot import matplotlib.pyplot as plt x = range(2, 26, 2) y = [15, 13,14.5,17,20,25,26, 26, 27, 22, 18, 15] 所以需要第二步骤） 【总结】 方式二用时才设置，且不会污染全局字体设置，更灵活 方式三、方式四不需要对字体路径硬编码，而且一次设置，多次使用，更方便） 设置x y 轴的刻度间距： plt.xticks(range(2,25
84730发布于 2019-07-02 - 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。
95520发布于 2020-09-08 如何通过YashanDB实现数据的智能分析？
在当今数据驱动的世界中，各行各业都面临着如何有效地处理和分析大量数据的挑战。性能瓶颈、数据一致性问题以及快速响应的需求使得开发人员和数据库管理员必须利用更具智能化的解决方案来实现数据分析的优化。 YashanDB作为一款高性能数据库，尤其在智能数据分析方面具备强大的能力。 本文将深入探讨如何通过YashanDB的特性实现高效的数据智能分析，阐述核心技术点，并为需要应用该技术的开发人员和DBA提供实用的技术建议。核心技术点1. 这使得YashanDB在针对海量数据的处理时，能够实现更快的响应时间和更高的吞吐量。2. 结论YashanDB凭借其灵活的存储架构、多样的数据分析工具和高效的并发控制机制，有效地满足了现代企业在数据智能分析方面的需求。
14610编辑于 2025-10-13玩转 OCR|智能Excel数据分析助手
项目背景 项目地址：Excel智能分析助手: 本项目旨在构建一个智能化的Excel数据分析助手，通过结合OCR技术和自然语言处理，实现从图片到数据分析的端到端解决方案。 数据输入模块 Excel文件直接读取 图片OCR表格识别 数据预处理和清洗 2. 分析引擎模块 自动生成分析报告 智能对话分析 统计分析功能 可视化图表生成 3. 企业数据分析 - 销售数据分析 - 财务报表分析 - 运营数据分析 - 市场调研分析 2. 个人数据处理 - 成绩单分析 - 消费记录分析 - 个人财务分析 - 数据整理归档 结语 Excel智能分析助手通过结合OCR技术和自然语言处理，为用户提供了一个简单易用的数据分析工具。 无论是数据的导入转换，还是分析可视化，都能以智能化的方式完成，大大提高了数据分析的效率。
1.1K20编辑于 2025-01-12- 来自专栏代码编写世界
PandasAI连接LLM进行智能数据分析
引言 Pandas是一个数据分析开源组件库，提供了高性能、易用的数据结构和数据分析工具。 PandasAI则通过结合Pandas和生成式AI技术，使用户能够以自然语言与数据进行交互，从而简化数据分析流程。 它的核心目标是让数据分析变得更直观、高效，甚至无需编写复杂代码即可完成数据查询、清洗、可视化等任务。 2. 详述 Pandas进行数据分析的流程笔者不是很熟练，这里重点关注一个问题就是PandasAI如何连接现有的大模型比如DeepSeek来进行智能数据分析。 解决掉PandasAI 2.X的版本依赖问题之后，通过PandasAI连接DeepSeek进行智能数据分析的案例代码实现如下： import pandas as pd from pandasai import
48810编辑于 2025-07-28 - 来自专栏Corley的开发笔记
Python数据分析实战（2）使用Pandas进行数据分析
文章目录 一、Pandas的使用 1.Pandas介绍 group_by()的使用 2.使用Pandas进行College数据分析 二、鸢尾花数据集分析 1.基础操作 2.数据分析 三、电影评分数据分析 一、Pandas的使用 1.Pandas介绍 Pandas的主要应用包括： 数据读取 数据集成 透视表 数据聚合与分组运算 分段统计 数据可视化 对电影数据的分析： 平均分较高的电影 不同性别对电影平均评分 0 7 0 Name: C, dtype: int64 2.使用Pandas进行College数据分析 新建college_data目录，下放College.csv如下： ? 963624318 在群文件夹Python数据分析实战中下载即可。 由上处数据处理和分析的过程中可以看到，在数据处理过程中，合并、透视、分组、排序这四大类操作是最经常用的，需要熟练掌握。
4.6K30发布于 2020-08-26 - 来自专栏简说基因
《基因大数据智能生产及分析》笔记
2）随着基因数据量级剧增，生物信息分析环节除了常规分析挖掘手段，以人工智能等机器学习方法对百万级基因大数据进行数据挖掘，不但有前沿研究的必要性，而且具有巨大的市场化潜力。 2. 人工智能 人工智能是一个意义丰富的概念，主要基于脑科学和认知科学、计算机科学和算法，内涵包括机器感知、机器思维、机器学习和机器行为等。 2）智能化 智能化主要体现在基因数据分析环节，通过整合各种生物信息分析流程所需的基础设施、分析软件和数据库，同时引进人工智能技术，实现自动化分析和智能决策系统。 2. 风险分析 主要有：研发风险、监管风险和知识产权纠纷风险。 2. 智能化生产，打造平台、数据、服务的一体化管理体系 所谓智能化，还是概念居多。 3.
2K10发布于 2020-11-19 - 来自专栏燧机科技-视频AI智能分析
智能视频分析系统的大数据应用
智能视频分析识别监管系统在安全管理中起着安全管家的功效，大幅提高了公司在生产安全管理里的安全指标。 AI视频个人行为分析系统借助视频优化算法分析视频具体内容，根据获取视频里的关键信息、标识，产生相对应的警报时间和警报监管方式，大家能通过各种各样的方式迅速收到异常信息。 AI依靠Cpu强劲的测算作用，视频个人行为分析系统快速分析视频界面里的海量信息，获得大家想要的违规警报信息内容。 销售市场上面有完善的智能视频分析算法，如智能施工现场安全帽配戴监管、车辆识别、车系统计分析、烟火鉴别、攀登、彷徨、工作人员辞职等标准。 比如，面部识别系统，根据创建面部捕获数据库系统，面部信息内容存档，与个人信息建立关系，在实际应用情况下佩戴安全帽，避免外界工作人员侵入、车辆识别、实体模型记数统计分析等智能分析技术，进一步提高现场安全系数
90220编辑于 2022-09-16
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