- 综合排序
- 最热优先
- 最新优先
- 来自专栏生信修炼手册
采用igraph包分析网络数据
对于网络的可视化和数据挖掘，有很多图形界面的软件可供选择，比如cytoscape, gephi 等等，这些软件使用方便，操作简单，功能的强大，但是同时也有着一个缺点，就是无法自动处理，只能通过人工点击鼠标来操作 ，对于大批量数据的分析而言，依靠人工费事费力。 为了能够自动化编程处理，有很多的程序被开发出来，专门用于网络数据的可视化和分析，igraph就是其中的佼佼者。 igraph是一个开源项目，旨在提供一个简单易用，功能强大的网络数据处理框架，在R，Python, C语言中都有具体实现，网址如下 http://igraph.org/ 本篇以R语言为例，展示其用法。 通过igraph包，可以自动化的编程处理网络数据，节省精力，避免重复劳动。缺点就是该包内置的聚类算法有限，mcode 和 mcl 这两种算法就没有。 ·end· —如果喜欢，快分享给你的朋友们吧—
4.7K30发布于 2020-05-08 - 来自专栏R语言数据分析指南
ggraph网络数据可视化分析
欢迎关注R语言数据分析指南 ❝本节来对以往的网络图进行改动，通过计算顶点连接边的个数来定义点的大小，数据为随意构建无实际意义仅做绘图展示，整个过程仅供参考。 数据代码稍后将会整合上传到会员交流群，购买过小编绘图文档的朋友可在所加的交流群内获取下载，有需要的朋友可关注文末介绍购买小编的R绘图文档。
32510编辑于 2024-07-25 - 来自专栏空间转录组数据分析
针对高维数据（10X单细胞空间）的共表达网络分析（hdWGCNA）
虽然实验方法能够在数百万个细胞中进行转录组范围的测量，但流行的生物信息学工具不支持系统级分析。hdWGCNA提供网络推理、基因模块识别、基因富集分析、统计测试和数据可视化等功能。 hdWGCNA，一个单细胞和空间转录组学数据的共表达网络分析框架。共表达网络基于输入特征的转换成对相关性，从而对基因之间的相关性进行定量测量（原理和WGCNA类似）。 单细胞数据中固有的稀疏性和噪声可能导致虚假的基因相关性，从而使共表达网络分析复杂化。此外，单细胞或空间转录组数据的相关结构在不同的亚群(细胞类型、细胞状态、解剖区域)中差异很大。 发现10个ODC模块中有8个基于其MEs在ODC细胞中特异性表达。最后，进行了模块保存分析，以测试这些模块在独立数据集中的可重复性，并发现所有odc特定的模块都被显著保存。 总之，这些人类PFC数据集中的网络分析显示了hdWGCNA工作流程的核心功能。
2.6K30编辑于 2023-06-20 - 来自专栏FreeBuf
Brim：网络数据包分析神器
相信各位做流量分析和应急响应的朋友经常需要使用WireShark进行网络流量包分析，比如NTA的全流量包，但不得不说，一旦数据包过大，日志条目过多，加载就变得异常缓慢，分析起来也是特别麻烦，WireShark 我们以实战者的角度来使用Brim进行数据分析. 那么我们先来看看如何在Wireshark里面查找DHCP流量中的主机信息 任何在网络中产生流量的主机都应该有三个标识符：MAC地址、IP地址和主机名。 如果你捕获到了网络流量的完整数据包，那么在内部 IP 地址上检索的 pcap 包应该会显示相关的 MAC 地址和主机名。 我们如何使用Wireshark找到这样的主机信息呢？ DHCP流量可以帮助识别连接到网络中的几乎所有类型的计算机的主机。NBNS流量则主要由运行Microsoft Windows的计算机或运行MacOS的苹果主机产生。我们先试用DHCP过滤流量包数据。 简而言之，Brim这个网络数据包分析神器有如下好处： 快速加载并解析大PCAP包 拥有强大的搜索语言 拥有非常快速的响应 具有历史和可视化的直观UI 可随时跳转到WireShark查看数据包 项目地址
2.6K40发布于 2020-07-28 10X HD数据分析进行COMMOT信号流分析
作者， Evil Genius今天我们更新一个简单的内容，10X HD分析COMMOT。 读取数据，我们读取16um的数据import commot as ctimport scanpy as scimport pandas as pdimport numpy as npadata = sc.read_visium var: 'gene_ids', 'feature_types', 'genome' uns: 'spatial' obsm: 'spatial'超过13万的spot，1万8的基因数量简单的数据分析 , adata.var.highly_variable]sc.tl.pca(adata, svd_solver='arpack')sc.pp.neighbors(adata, n_neighbors=10 sc.pl.spatial(adata,color = 'leiden')plt.savefig('sample.HD.spatial.png',bbox_inches = 'tight')配受体，我们就跑前10
29420编辑于 2025-03-06- 来自专栏数据的力量
数据分析师必需具备的10种分析思维
该思维方法的关键是：建立长远目标、全局观念、整体概念、完整地分析数据，不做井底之蛙。 三、下切思维 数据是一个过程的结果反映，怎样通过看数据找到更多的原因以及隐藏在现象背后的真相，需要我们下切思维，把事物切细了分析，把过程拆分细了分析。 此时关键是要知道数据的构成、分解数据的手段、对分解后的数据的重要程度的了解。也就是说那些数据需要分解分析？ 这也如同显微镜原理 四、求同思维 当一堆数据摆在我们面前时，表现出各异的形态，然而我们却要在种种的表象背后，找出其有共同规律的特点。关键是找到共性的东西进行分析，还要客观。 八、离开思维 通过，数据分析，你发现你处在一个不太有利的地位，那么，此时，你就要有离开思维去替你想办法，离开困境。关键是学会自我调节，自我放松。实际情况如：遇到难解的结，你怎么办？
1.1K30发布于 2018-06-20 - 来自专栏PPV课数据科学社区
数据分析师必需具备的10种分析思维
该思维方法的关键是：建立长远目标、全局观念、整体概念、完整地分析数据，不做井底之蛙。 三、下切思维 数据是一个过程的结果反映，怎样通过看数据找到更多的原因以及隐藏在现象背后的真相，需要我们下切思维，把事物切细了分析，把过程拆分细了分析。 此时 关键是要知道数据的构成、分解数据的手段、对分解后的数据的重要程度的了解。也就是说那些数据需要分解分析？ 这也如同 显微镜原理 四、求同思维 当一堆数据摆在我们面前时，表现出各异的形态，然而我们却要在种种的表象背后，找出其有共同规律的特点。 关键是找到共性的东西进行分析，还要客观。 八、离开思维 通过，数据分析，你发现你处在一个不太有利的地位，那么，此时，你就要有离开思维去替你想办法，离开困境 。 关键是学会自我调节，自我放松。 实际情况如：遇到难解的结，你怎么办？
97970发布于 2018-04-20 - 来自专栏IT运维技术圈
10款功能强大的网络嗅探工具应用分析
网络嗅探（数据包分析）工具主要用于分析网络传输交换中的数据包。 通过分析这些数据，安全人员可以更好了解网络运行情况并提前感知安全威胁。 本文从实现网络安全管理的角度出发，为大家介绍目前最常用的10款网络嗅探分析工具，以及这些工具的应用特点。 01 Wireshark Wireshark是一款可深入分析网络数据包的开源嗅探分析工具，这个产品项目历史悠久，可追溯至1998年。 02 SolarWinds网络性能监控工具 SolarWinds推出的这款工具提供了广泛的数据包分析功能，是一款能够显示网络运行概况的多层次工具。用户可以非常快速地检测、诊断和解决任何网络问题。 10 Wifi Explorer Wifi Explorer是一款面向macOS的无线网络数据包分析工具，可帮助用户发现可能干扰网络的信道冲突和信号重叠。
2.6K21编辑于 2022-10-24 课前准备----10X HD数据基础分析
作者，Evil Genius现在我们的课程来到HD的分析阶段了。 重要的放前面，为了提高下游分析的灵敏度和精度，建议使用SpotClean调整spot swapping，这有助于减少由于附近点的bleed导致的点交换污染，从而提高分析的准确性。 10X HD默认输出8um、16um bin数据，如果需要调整，比如调整到20 um的精度，需要用到参数visium的捕获策略。HD的捕获策略大家能找到其中所有的不同吗？ Space Ranger分析HD数据的前准备，图像校准选择Visium HD Manual Alignment上传图片（注意这是cytoassist生成的图片，非常大）选择芯片信息确定锚点识别核心的三个锚点调整基准点 非常大）For H&E images, as in this case, select brightfield.标记landmarks确保准确度通常情况需要设置5-8个标记评估匹配度输出比对文件结束进行数据分析输入文件
40220编辑于 2024-08-14- 来自专栏CDA数据分析师
【干货】数据挖掘的10大分析方法
其缺点是：在构造树的过程中，需要对数据集进行多次的顺序扫描和排序，因而导致算法的低效。 它是一种监督式学习的方法，它广泛的应用于统计分类以及回归分析中。支持向量机将向量映射到一个更高维的空间里，在这个空间里建立有一个最大间隔超平面。在分开数据的超平面的两边建有两个互相平行的超平面。 将修改过权值的新数据集送给下层分类器进行训练，最后将每次训练得到的分类器最后融合起来，作为最后的决策分类器。 10.CART:分类与回归树 CART,ClassificationandRegressionTrees。在分类树下面有两个关键的思想。 第一个是关于递归地划分自变量空间的想法；第二个想法是用验证数据进行剪枝。
2K80发布于 2018-02-11 - 来自专栏林德熙的博客
win10 UWP 九幽数据分析
九幽数据统计是统计和分析数据来源，用户使用，先申请账号 http://www.windows.sc 创建应用 图片要72*72的，然后请看图片，记密钥 在项目Nuget进行搜索，然后下载安装 在App.xaml.cs
62730发布于 2019-03-13 - 来自专栏张俊红
10周拿下数据分析师认证 ！！
真诚的向大家推荐，《腾讯课堂数据分析师认证课程》，该课程也是腾讯课堂指定认证课程。专为在校学生、0~3年职场新人量身定制，真正体系化、专业化帮大家提升数据分析能力，成为大厂抢手的数据分析人才。 10种商业模型 面对不同的场景，应用不同分析模型解决问题 5W2H分析模型、AARRR分析模型、RFM客户价值模型、A/B 测试模型、用户分成模型、SWOT分析模型、购物篮分析模型、波士顿矩阵分析、生命周期模型 》 专注于培养行业TOP10%的数据分析师 长按识别，添加课程老师微信 报名、课程咨询 《数据分析师认证课程》 专注于培养行业TOP10%的数据分析师 长按识别，添加课程老师微信 报名、课程咨询 终生学习辅导 主课程《10周成为数据分析师》，另外还附赠数据分析师高阶录播课程，覆盖0-8年数据分析师必备专业技能。 》 专注于培养行业TOP10%的数据分析师 长按识别，添加老师微信 报名、课程咨询
87040编辑于 2022-04-21 - 来自专栏python pytorch AI机器学习实践
CIFAR10数据集实战-ResNet网络构建（中）
再定义一个ResNet网络 我们本次准备构建ResNet-18层结构 class ResNet(nn.Module): def __init__(self): super(ResNet 1024, h, w] x = self.blk1(x) x = self.blk2(x) x = self.blk3(x) x = self.blk4(x) 由于我们要进行10 分类问题，要将添加代码 self.outlayer = nn.Linear(1024, 10) 和 x = self.outlayer(x) return x 为确定具体维度大小，我们先构建假数据 def = > [b, 1024, h, w] self.blk4 = ResBlk(512, 1024) self.outlayer = nn.Linear(1024, 10
79610发布于 2020-02-24 - 来自专栏python pytorch AI机器学习实践
CIFAR10数据集实战-ResNet网络构建（上）
本部分介绍如何采用ResNet解决CIFAR10分类问题。 ? 之前讲到过，ResNet包含了短接模块（short cut）。本节主要介绍如何实现这个模块。 先建立resnet.py文件。 如图 ?
1.2K20发布于 2020-01-14 - 来自专栏python pytorch AI机器学习实践
CIFAR10数据集实战-ResNet网络构建（下）
nn.Conv2d(ch_in, ch_out, kernel_size=1, stride=stride), 这时运行的输出为 torch.Size([2, 128, 16, 16]) 这时为检测整个数据是否 model(x) print('resnet:', out.shape) 运行后报错： RuntimeError: size mismatch, m1: [65536 x 32], m2: [1024 x 10 print('after conv:', x.shape) x = self.outlayer(x) 该段输出 after conv: torch.Size([2, 1024, 32, 32]) 首先为减小数据量 after conv: torch.Size([2, 1024, 2, 2]) after pool: torch.Size([2, 1024, 1, 1]) resnet: torch.Size([2, 10 ]) 最后输出为10个，对应于十分类问题。
1.1K10发布于 2020-02-24 - 来自专栏PPV课数据科学社区
网络大数据的统计和分析利用
网络大数据是指“人、机、物”三元世界在网络空间中彼此交互与融合所产生并在互联网上可获得的大数据。 将数据应用到生活生产中，可以有效地帮助人们或企业对信息作出比较准确的判断，以便采取适当行动。 数据是结构化的，包括原始数据中的关系数据库，其数据就是半结构化的，譬如我们熟知的文本、图形、图像数据，同时也包括了网络的不同构型的数据。 尽管当前大数据的发展趋势良好，但网络大数据对于存储系统、传输系统和计算系统都提出了很多苛刻的要求，现有的数据中心技术很难满足网络大数据的需求。 网络大数据平台(包括计算平台、传输平台、存储平台等)是网络大数据技术链条中的瓶颈，特别是网络大数据的高速传输，需要革命性的新技术。 随着大数据时代的到来，网络数据的增多，使得个人数据面临着重大的风险和威胁，因此，网络需要制定更多合理的规定以保证网络环境的安全。
79750发布于 2018-04-18 - 来自专栏机器学习AI算法工程
【实战帖】使用Python分析社交网络数据
目录 数据抓取 一、直接抓取数据 二、模拟浏览器抓取数据 三、基于API接口抓取数据 数据预处理 可视化 数据分析 扩散深度 扩散速度 空间分布 节点属性 网络属性 传播属性 在线社交网站为人们提供了一个构建社会关系网络和互动的平台 然而在线社交网络数据的获取方法有别于线下社会数据的获取（如普查、社会调查、实验、内容分析等）、数据的规模往往非常大（称之为“大数据”并不为过）、跨越的时间范围也相对较长（与社会调查中的横截面数据相比）， 例如传统的社会调查的数据往往样本量有限，而在线社交网络中的样本量可以达到千万甚至更多。因而，研究者迫切得需要寻找新的数据获取、预处理和分析的方法。 数据抓取 目前社交网站的公开数据很多，为研究者检验自己的理论模型提供了很多便利。例如斯坦福的社会网络分析项目就分享了很多相关的数据集。 我们可以认为虽然人民日报官方微博承载在社交网络当中，但是其传播方式依然保持了传播媒体信息的一步到达受众的特点（或许这种特征比线下更强）。 数据分析 对于网络数据的分析，首先是一些网络的统计指标。
8.7K111发布于 2018-03-13 - 来自专栏云计算D1net
统计和分析网络大数据的方法
网络大数据是指“人、机、物”三元世界在网络空间中彼此交互与融合所产生并在互联网上可获得的大数据。 将数据应用到生活生产中，可以有效地帮助人们或企业对信息作出比较准确的判断，以便采取适当行动。 数据是结构化的，包括原始数据中的关系数据库，其数据就是半结构化的，譬如我们熟知的文本、图形、图像数据，同时也包括了网络的不同构型的数据。 尽管当前大数据的发展趋势良好，但网络大数据对于存储系统、传输系统和计算系统都提出了很多苛刻的要求，现有的数据中心技术很难满足网络大数据的需求。 网络大数据平台(包括计算平台、传输平台、存储平台等)是网络大数据技术链条中的瓶颈，特别是网络大数据的高速传输，需要革命性的新技术。 随着大数据时代的到来，网络数据的增多，使得个人数据面临着重大的风险和威胁，因此，网络需要制定更多合理的规定以保证网络环境的安全。
1.5K70发布于 2018-03-15 - 来自专栏CDA数据分析师
【干货】数据分析师必懂的10种分析思维
该思维方法的关键是：建立长远目标、全局观念、整体概念、完整地分析数据，不做井底之蛙。 三、下切思维 数据是一个过程的结果反映，怎样通过看数据找到更多的原因以及隐藏在现象背后的真相，需要我们下切思维，把事物切细了分析，把过程拆分细了分析。 此时 关键是要知道数据的构成、分解数据的手段、对分解后的数据的重要程度的了解。也就是说那些数据需要分解分析？ 这也如同 显微镜原理 四、求同思维 当一堆数据摆在我们面前时，表现出各异的形态，然而我们却要在种种的表象背后，找出其有共同规律的特点。 关键是找到共性的东西进行分析，还要客观。 八、离开思维 通过数据分析，你发现你处在一个不太有利的地位，那么，此时，你就要有离开思维去替你想办法，离开困境 。 关键是学会自我调节，自我放松。 实际情况如：遇到难解的结，你怎么办？
66970发布于 2018-02-11 - 来自专栏PPV课数据科学社区
【职业】数据分析师必懂的10种分析思维
该思维方法的关键是：建立长远目标、全局观念、整体概念、完整地分析数据，不做井底之蛙。 三、下切思维 数 据是一个过程的结果反映，怎样通过看数据找到更多的原因以及隐藏在现象背后的真相，需要我们下切思维，把事物切细了分析，把过程拆分细了分析。 此时 关键是要知道数据的构成、分解数据的手段、对分解后的数据的重要程度的了解。也就是说那些数据需要分解分析？ 这也如同 显微镜原理 四、求同思维 当一堆数据摆在我们面前时，表现出各异的形态，然而我们却要在种种的表象背后，找出其有共同规律的特点。 关键是找到共性的东西进行分析，还要客观。 八、离开思维 通过数据分析，你发现你处在一个不太有利的地位，那么，此时，你就要有离开思维去替你想办法，离开困境 。 关键是学会自我调节，自我放松。 实际情况如：遇到难解的结，你怎么办？
75940发布于 2018-04-18
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