极致的灵活度满足工程美学：用Vue Flow绘制一个完美流程图 如何在前端用js绘制流程图？VueFlow是一个优质的选择。VueFlow是什么？VueFlow怎么用？Vue Flow的特点就是，什么都可以要，什么都要自己写。相比于mermaid来说，Vue Flow接受的数据更复杂冗长，并且预定义的内容极少，连默认的布局都没有（节点通过position控制位置，很容易重叠）。但是Vue Flow提供的自定义API非常丰富并且强大。如果您想发挥自己天马行空的想象力，或者满足复杂的项目流程需求，Vue Flow一定能满足您的预期。

阅读 2.9w

129赞

收藏 172
数据挖掘技术与应用课程论文——数据挖掘中的聚类分析方法及其应用研究 最后，通过具体的应用案例，如k-means、k-medoids、AGNES、DIANA和DBSCAN等聚类方法，展示了这些方法在实际数据挖掘任务中的应用效果。首先，介绍聚类分析的基础理论和方法；聚类分析是一种无监督学习方法，其目标是将数据集中的对象划分为多个组或簇，使得同一簇内的对象具有较高的相似性，而不同簇之间的对象具有较低的相似性。聚类分析是数据挖掘技术中的一个重要组成部分，它通过将数据集中的对象划分为多个组或簇，使得同一簇内的对象具有较高的相似性，而不同簇之间的对象具有较低的相似性。

阅读 1.2k

18赞

收藏 21
为什么选择R语言而不是Python做数据分析和数据挖掘 上文提到的主要特点之一是 R 是一款免费的开源工具。免费意味着任何想尝试使用 R 语言编程的人都可以从该项目的网站上下载 CRAN 版本。对于那些需要从头开始学习编程语言的人来说，这种对语言基本形式及其众多软件包的高级访问性是必不可少的。此外，值得注意的是这是一个开源平台。开源编程意味着任何用户都可以编写可供他人修改和变更的代码。因此，当您对自己的能力越来越有信心时，您就可以创建自己的程序库。许可证可能会规范代码的使用和修改。

阅读 763

11赞

收藏 3
【字节跳动】数据挖掘面试题0013：怎么做男女二分类问题， 从抖音 app 提供的内容中。 核心目标基于抖音内容特征（文本、视觉、音频、用户交互）预测目标受众性别（男/女二分类）。该任务本质上是监督学习问题，需依赖标注数据集。技术关键点数据层面：需融合多模态特征，尤其用户行为与视觉内容算法层面推荐Transformer+Attention的融合模型评估层面：关注F1-score及跨场景鲁棒性实施建议启动期：用朴素贝叶斯快速验证文本特征有效性成长期：引入视觉模型提升准确率（尤其对时尚/美妆类）成熟期：构建端到端多模态系统，结合实时用户反馈更新潜在风险。

阅读 1.4k

26赞

收藏 22
中国老年健康调查（CLHLS）数据挖掘教程（1）--CLHLS简介和数据下载 北京大学主持的"中国老年健康调查(CLHLS)"是一项覆盖全国23个省市的长期追踪研究，1998-2018年间完成8次调查，累计入户访问11.3万人次，其中80岁以上高龄老人占67.4%。研究收集了老人健康、认知、社会参与及照料需求等丰富数据，并包含2.89万死亡老人临终前状况。调查数据已通过开放平台免费共享，被1万多位学者使用，产出大量学术成果。该数据集以sav格式存储，包含8次调查数据，采用特定编码系统标记不同变量类型和缺失值。作为研究中国高龄老人健康的重要资源，该调查特别适合膳食模

阅读 1.2k

17赞

收藏 14
CAU数据挖掘 支持向量机 在一群点中用线性函数分类：但也有线性不可分问题：线性不可分问题：两个平行超平面间隔距离最大部分难以区分的点忽略通过升维将非线性变为线性期望风险泛函：定义最优函数在真实数据分布中的期望风险经验风险泛函：在有限的数据集上最优函数的期望风险。由于真实分布未知，机器学习传统都是用最小化经验风险来替代最小化期望风险的目标学习理论的关键定理的解读：如果一个模型方法在最坏情况下仍能表现良好， 则对它的推广能力才有信心。函数集的容量容量（ capacity） ： 函数集在一组样本集上可能实现的分类

阅读 1.1k

28赞

收藏 12
SCAU期末笔记 - 数据分析与数据挖掘题库解析 啊啊啊啊啊啊啊啊啊我只能寄希望于这一门其实题目都是题库原题了

阅读 1.4k

10赞

收藏 16
糖尿病预测模型：数据挖掘与机器学习实践 随机森林算法中有几个关键的参数，它们对模型的性能有着直接的影响：：森林中树的数量，增加树的数量可以提高模型的准确性，但同时也会增加计算复杂度。：在分裂每个节点时要考虑的最大特征数，常见的选择包括所有特征的平方根（sqrt）或对数（log2）。max_depth：每棵树的最大深度，它控制模型的复杂度。过大的值会导致过拟合，过小的值则会导致欠拟合。：一个内部节点进一步分裂所需的最小样本数。：叶子节点上最小的样本数，用于控制树的生长，减少过拟合。bootstrap。

阅读 879

22赞

收藏 13
AI人工智能领域数据分析的数据挖掘 在AI人工智能这个神奇的世界里，数据就像是宝藏，而数据挖掘就是挖掘这些宝藏的工具。我们的目的就是要学会如何使用数据挖掘技术，从海量的数据中找到有价值的信息，比如发现用户的消费习惯、预测疾病的发生等。本文的范围涵盖了数据挖掘的基本概念、算法原理、实际应用以及未来发展等方面。接下来我们会先讲数据挖掘的核心概念，就像盖房子要先打好地基一样。然后会介绍核心算法原理和数学模型，这就好比是房子的骨架。接着通过项目实战来看看数据挖掘在实际中是怎么用的，就像看看房子是怎么建起来的。

阅读 964

24赞

收藏 28
AI数据挖掘在客户细分中的精准应用 本文旨在系统性地介绍AI数据挖掘技术在客户细分中的应用方法和实践案例。我们将覆盖从数据准备、特征工程到模型构建和评估的全流程，重点讲解聚类算法和分类算法在客户细分中的具体应用。文章将从基础概念入手，逐步深入到算法原理和实际应用。我们将通过一个完整的电商客户细分案例，展示如何从原始数据到最终实现精准营销的全过程。客户细分：将客户群体划分为具有相似特征的子群体的过程数据挖掘：从大量数据中提取有价值信息的非平凡过程RFM模型。

阅读 812

22赞

收藏 13
【字节跳动】数据挖掘面试题0006：SVM（支持向量机）详细原理 摘要： 支持向量机（SVM）是一种经典分类算法，其核心思想是通过寻找最大化间隔的超平面来区分不同类别数据。关键点包括： 最大间隔：优化超平面位置，使支持向量（离分界面最近的样本）到分界面的距离最大化，提升泛化能力。 核函数：通过映射数据到高维空间（如高斯核）解决线性不可分问题，无需显式计算高维坐标。 优势：小样本效果好、抗噪声能力强，但计算复杂度高，适合高维数据（如文本分类）。 数学基础：硬间隔/软间隔优化、拉格朗日对偶问题及KKT条件，面试常考核函数选择（RBF优先）与多分类方法（如OVO）。 关键词：S

阅读 929

15赞

收藏 14
程序化交易的策略优化：如何利用API进行数据挖掘？ 策略优化是程序化交易中的关键环节，而数据挖掘则是策略优化的重要工具。通过选择合适的API、收集和预处理数据、进行深入分析和模型训练，交易者可以发现市场机会并优化交易策略。随着技术的不断进步，数据挖掘在程序化交易中的应用将越来越广泛，为交易者提供更多的竞争优势。在程序化交易中，数据挖掘可以帮助交易者识别市场趋势、发现潜在的交易机会，并优化交易策略。通过分析历史数据，交易者可以预测市场的未来走势，从而制定出更有效的交易策略。例如，使用Python的。最后，将优化后的策略实施到实际交易中，并持续监控其表现。

阅读 767

25赞

收藏 7
【Educoder数据挖掘实训】相似度与相异度 开挖！！！！！！

阅读 1.1k

28赞

收藏 11
作者推荐
穆易青
用大模型思维颠覆传统学习生信路径
关注
atbigapp.com
www.atbigapp.com，专业开发者合作平台。
关注
小小小菜狗-
公众号：跟着菜狗搞学习，免费领取各种资料
关注
毕设算法家
计算机项目开发，爱分享，爱开源
关注
人工智能AI酱
AI人工智能爱酱～你的AI学习好帮手～ 油管Youtube: https://www.youtube.com/channel/UCnnr0Jt_C5Gz7EpwGWtju4A 小红书: https://www.xiaohongshu.com/user/profile/6835b1fb000000001b023879 知乎: https://www.zhihu.com/people/fae8qu B站：https://space.bilibili.com/3546912800115347
关注
Christo3
在心上用功，于事上磨练。 专注于机器学习，图像算法。 neurocomputing发表论文一篇，申请6项国家发明专利，已授权4项。 曾参与开发X-ray无损缺陷检测、低速自动泊车、CT智能识别、工业缺陷检测等多个工业项目。 熟悉C++、Python、AI模型部署,算法设计。 持续学习，保持谦卑，保持空杯心态。
关注
学掌门
学习掌门人，职场引路人！
关注
格调UI成品
10年UI设计领域老炮，既能分享UI设计作品、源文件和经验，又能接，还能侃大山。
关注
LeeZhao@
现任上市职教集团AI讲师，曾任多家头部互联网大厂资深算法专家。深耕大模型、计算机视觉与多模态技术领域，专注模型推理加速、部署优化及工业级落地解决方案。
关注
呆猪儿
本人曾任职国内最前沿生信分析工程师，拥有上百个完整项目实战经验，现今团队均为国内外硕博，人均有完整的项目实战经验。额外承接生信项目及教学，包括但不限于TCGA，GEO数据挖掘，生存分析，预后模型构建，机器学习，孟德尔随机化分析，单细胞转录组分析，NHANES数据分析，MIMIC数据分析等，以及nature级生信绘图。 座右铭：授人与鱼不如授人以渔
关注