目錄 腫瘤基礎 腫瘤基因組基礎 腫瘤高級分析模塊 1. SNV和InDel 1. 1體細胞SNV和InDel ...

1. 背景 近日項目要求基於爬取的影視評論信息，抽取影視的關鍵字信息。考慮到影視評論數據量較大，因此采用Spark處理框架。關鍵詞提取的處理主要包含分詞+算法抽取兩部分。目前分詞工具包較為主流的，包括哈工大的LTP以及HanLP，而關鍵詞的抽取算法較多，包括TF-IDF、TextRank、互信息 ...

Educational Data Mining is an emerging discipline, concerned with developing methods for explor ...

定義：在大型數據存儲庫中，自動地發現有用信息的過程。 數據挖掘的一般過程包括以下這幾個方面： ...

Python之所以如此流行，原因在於它的數據分析和挖掘方面表現出的高性能，而我們前面介紹的Python大都集中在各個子功能（如科學計算、矢量計算、可視化等），其目的在於引出最終的數據分析和數據挖掘功能，以便輔助我們的科學研究和應用問題的解決。 線性回歸模型 回歸是統計學中最有力的工具 ...

對於剛入門的數據挖掘小伙伴們，先要建立一個數據挖掘的流程概念。 首先，我們拿到相應的數據，這個數據有的是通過數據庫，利用hive或者SQL獲取你用於分析的數據；或者直接通過一些上游分析得到的數據(例如通過生物信息分析流程得到的初步結果)。 拿到數據之后，需要先對數據進行一個初步探索，需要去了解數據 ...

一、前言 文中部分內容來自書籍和網絡，部分內容為自己的理解。希望借助筆記的方式能夠加深自己對該部分知識的掌握，也作為日后回顧的記錄。 二、基本概念 很多小伙伴聽到數據挖掘這四個字的時候很困惑，雖然字面意思大家都知道，但是數據挖掘到底是個什么東西，需要用到什么技術來實現卻並不了解，下面 ...

一.現在我主要講解數據挖掘的基本規范流程 數據挖掘通常需要數據收集，數據集成，數據規約，數據清理，數據變換，數據挖掘實施過程，模式評估和知識表示 1.數據收集：根據所得的數據，抽象出數據的特征信息，將收集到的信息存入數據庫。選擇一種合適的數據存儲和管理的數據倉庫類型 2.數據集成：把不同來 ...