-
在数据分析、挖掘方面，好书推荐
所属栏目：[大数据] 日期：2021-03-14 热度：170
入门读物： 深入浅出数据分析 (豆瓣)?这书挺简单的，基本的内容都涉及了，说得也比较清楚，最后谈到了R是大加分。难易程度：非常易。 啤酒与尿布 (豆瓣)?通过案例来说事情，而且是最经典的例子。难易程度：非常易。 数据之美 (豆瓣)?一本介绍性的书籍，每章[详细]
-
数据标准化与PCA白化原理探索
所属栏目：[大数据] 日期：2021-03-14 热度：104
PCA是实验中很常用的工具，一般用来做降维，它的实现有很多很多种，其中牵涉相当多的细节，笔者在实现PCA时常常有困惑，为什么查到的各种代码总有一些不同的trick，有时候对样本提前归一化？有时候又要减均值？这些操作对于PCA降维效果到底有什么影响？这篇[详细]
-
R语言绘制文字云
所属栏目：[大数据] 日期：2021-03-14 热度：114
差不多一年没有怎么认真写过博客了，最近要做毕业设计，记录一下有关实验。参考实验楼上一个实验。主要学习使用分词包 Rwordseg 对莎士比亚的名著《仲夏夜之梦》中的内容进行单词频数统计，提取关键词，并进行数据清洗，最后使用包 wordcloud 根据关键词出现[详细]
-
K 大数查询
所属栏目：[大数据] 日期：2021-03-14 热度：168
题目大意 有N个集合，初始为空。有M个操作， 修改操作：编号范围在l~r的集合都加入一个数值为a的数， 询问操作：编号范围在l~r的集合数值为第k大的数。 n,m=50000，|a|=n,k 树套树 当然可行，但我不会 考虑离线——整体二分 L，R表示数值的区间，mid=(L+R)/2[详细]
-
大数 Astar-Round1 Problem B
所属栏目：[大数据] 日期：2021-03-14 热度：177
题目 2016"百度之星" - 资格赛（Astar Round1） http://bestcoder.hdu.edu.cn/contests/contest_showproblem.php?cid=690pid=1002 Problem Description 度熊面前有一个全是由1构成的字符串，被称为全1序列。你可以合并任意相邻的两个1，从而形成一个新的序列[详细]
-
R语言数据处理——tidyr包
所属栏目：[大数据] 日期：2021-03-14 热度：145
????在实际进行数据分析的过程中，我们常需要对数据进行一些相应的整理, “ tidyr 包 ”中的 gather（ 宽数据转为长数据 ）、 spread（ 长数据转为宽数据 ）、 unit（ 多列合并为一列 ）、 separate（ 将一列分离为多列 ） 这四个 函数为我们的数据整理提供[详细]
-
R文本挖掘 | 如何在用户词库中添加搜狗词典？
所属栏目：[大数据] 日期：2021-03-14 热度：105
写 在前面 亲爱的小伙伴们！阔别大家将近10天，是不是等得有些着急了呢？本期大猫课堂将继续《R文本挖掘》系列，上节课中已经教大家 如何用jiebaR分词包进行分词 ，本期将教大家一个更加进阶的分词功能： 把搜狗专业词库添加进自己的用户自定义词典中。 稍微[详细]
-
lt;大数处理gt; 2016百度之星第二题
所属栏目：[大数据] 日期：2021-03-14 热度：141
链接：http://bestcoder.hdu.edu.cn/contests/contest_showproblem.php?cid=690pid=1002 Problem B ? ?Accepts: 2483 ? ?Submissions: 9088 ?Time Limit: 2000/1000 MS (Java/Others) ? ?Memory Limit: 65536/65536 K (Java/Others) Problem Description 度[详细]
-
《hadoop进阶》PeopleRank从社交关系中挖掘价值用户
所属栏目：[大数据] 日期：2021-03-11 热度：129
转载请注明出处： 转载自? Thinkgamer的CSDN博客： blog.csdn.net/gamer_gyt 代码下载地址：点击查看 1：PageRank 与 PeopleRank 2：需求分析：挖掘CSDN博客的价值用户 3：算法模型：PeopleRank算法 4：架构设计：从数据准备到PR算法的MR化 5：程序开发：had[详细]
-
XTU 1247 Robb#39;s Problem
所属栏目：[大数据] 日期：2021-03-11 热度：123
Robb’s Problem [ Submit Code ] [ Top 20 Runs ] Acceteped : 48 ? Submit : 335 Time Limit : 1000 MS ? Memory Limit : 65536 KB ? Description Robb’s Problem 题目描述 Robb想知道阶乘 n ! 第 m 位数码是什么？ 输入 第一行是一个整数 T , ( 1 ≤ T[详细]
-
基因数据处理38之dbSnpId到omimId的映射表
所属栏目：[大数据] 日期：2021-03-11 热度：116
1.下载： 首先收到【2】，来源是【2】 【1】中有描述： You can also get those SNPs with an OMIM ID number by downloading from the dbSNP FTP site: the OmimVarLocusIdSNP table contains the information you need for your organisim of interest (hu[详细]
-
基因数据处理39之mango安装记录
所属栏目：[大数据] 日期：2021-03-11 热度：87
更多代码请见：https://github.com/xubo245/AdamLearning 1解释 mango安装记录 mango主要是在adam上实现 可视化平台 A scalable genome browser 2.代码： git clone https: //github.com/bigdatagenomics/mango.git cd mangomvn clean package -DskipTests[详细]
-
基因数据处理41之mango使用失败
所属栏目：[大数据] 日期：2021-03-11 热度：145
hadoop@Master:~/xubo/tools/adam- 2.10 - 0.19 -git/bin$ mango-submit /xubo/mango/snap/datatest .fa .adam -read_files /xubo/mango/snap/datatest2 .sort .bam .adam -var_files /xubo/mango/snap/datatest2 .flt .vcf .adam -feat_file /xubo/mango/sn[详细]
-
51NOD 1116 K进制下的大数(字符串取模 + 枚举)
所属栏目：[大数据] 日期：2021-03-11 热度：72
传送门 1116 K进制下的大数 基准时间限制：1 秒 空间限制：131072 KB 分值: 20 难度：3级算法题 收藏 关注 有一个字符串S，记录了一个大数，但不知这个大数是多少进制的，只知道这个数在K进制下是K - 1的倍数。现在由你来求出这个最小的进制K。 例如：给出的[详细]
-
poj3181 Dollar Dayz (DP+大数)
所属栏目：[大数据] 日期：2021-03-11 热度：163
Dollar Dayz Crawling in process... Crawling failed Time Limit: 1000 MS???? Memory Limit: 65536 KB???? 64bit IO Format: %I64d %I64u Submit Status Practice POJ 3181 Appoint description: System Crawler (2016-05-27) Description Farmer John goe[详细]
-
基因数据处理40之bedtools的安装和使用
所属栏目：[大数据] 日期：2021-03-11 热度：198
1.下载： git clone https: //github.com/arq5x/bedtools.git 2.编译： make 3.配置： cp * /usr/local /bin/ 4.运行： bam变成bed hadoop @Master :~/xubo/data/snap $ bamToBed -i datatest.sorted.bam datatest.sorted.bed 查看： hadoop @Master :~/xubo[详细]
-
基因数据处理42之mango问题_seqdict.avro不存在解决
所属栏目：[大数据] 日期：2021-03-11 热度：190
参考【1】中问题解决 问题分析：这是新版本的问题：adam0.19.1目前在maven中心仓库没有 解决办法： package org.gcdss.test import java.io.File import java.nio.file.Files import org.apache.parquet.hadoop.metadata.CompressionCodecName import org.ap[详细]
-
基因数据处理43之mango之503错误
所属栏目：[大数据] 日期：2021-03-11 热度：88
HTTP ERROR : 503 Problem accessing /. Reason : Service Unavailable Powered by Jetty :// 更详细请见： https://github.com/bigdatagenomics/mango/issues/181[详细]
-
推荐系统技术之文本相似性计算（三）
所属栏目：[大数据] 日期：2021-03-10 热度：129
今天这篇也比较长，但中间有部分是代码，7，8，9最后三节的信息我认为较为有用。 前面说了两篇了，推荐系统技术之文本相似性计算（一）和推荐系统技术 --- 文本相似性计算（二）分别介绍了 TFIDF 和向量空间的相关东西，然后介绍了 主题模型 ，这一篇我们就[详细]
-
趣图：论修电脑和当医生的相似性
所属栏目：[大数据] 日期：2021-03-10 热度：112
（点击 上方公众号 ，可快速关注） 既然喝水这么重要，今天来送个福利 ↓↓↓ 据路边社报道，水杯离你越近，喝水的频率将会越高。 借今天的趣图，来团一款方便携带的随手水杯。emoi 品牌，环保，外观设计简洁大方，手感也很不错。密封防漏做的好，可随身携带[详细]
-
[生产库实战] 如何合理的使用logmnr进行日志挖掘，并对生产库影
所属栏目：[大数据] 日期：2021-03-10 热度：59
Oracle Logmnr这个工具怎么用这里就不详细说，可以查看官方文档，网上的文档也一大堆，自己找吧。我这里就直接上干货了。 --创建Oracle目录 select * from dba_directories; create directory archivelog_dir as '/archivelog1/temp_archivelog/'; --grant r[详细]
-
基因数据处理44之cloud-scale-bwamem安装
所属栏目：[大数据] 日期：2021-03-10 热度：190
cloud-scale-bwamem是在spark等云环境上实现bwa-mem算法，加速对全基因组匹配的处理 1.下载： git clone https: //github.com/ytchen0323/cloud-scale-bwamem.git 2.编译： mvn clean package 3.编译成功： [INFO] ----------------------------------------[详细]
-
基因数据处理50之cs-bwamem、bwa、snap、bwa-mem与art比较
所属栏目：[大数据] 日期：2021-03-10 热度：157
直接看结果： （1）art仿真数据： hadoop @Master :~/cloud/adam/xubo/data/GRCH38Sub/cs-bwamem $ cat G38L100c50Nhs20 .aln ##ART_Illumina read_length 100 @CM art_illumina -ss HS20 -i GRCH38chr1L3556522 .fna -l 100 -c 50 -o G38L100c50Nhs20 -rs 1[详细]
-
基因数据处理45之cloud-scale-bwamem安装（compile.pl安装有问题
所属栏目：[大数据] 日期：2021-03-10 热度：57
脚本： hadoop @Master :~/xubo/tools/cloud-scale-bwamem $ cat compile.pl #! /usr/bin/perl system "mvn clean package" ;chdir "./src" ;system "mvn package -PotherOutputDir" ;chdir "./main/jni_fpga" ;system "mvn package -PotherOutputDir" ;chdi[详细]
-
基因数据处理47之ART基因序列数据生成器（仿真）
所属栏目：[大数据] 日期：2021-03-10 热度：116
1.概念： ART基因序列数据生成器 详细请见论文：【1】 和官网【2】 2.下载： ART-bin-GreatSmokyMountains-04.17.16-Linux64.tgz http://www.niehs.nih.gov/research/resources/assets/docs/artbingreatsmokymountains041716linux64tgz.tgz 3.配置 sudo cp到[详细]
