基于数据挖掘的微博情感分析及话题追踪系统 随着社交媒体的普及，微博等平台成为了公众表达意见、宣泄情感的重要场所。海量的用户评论数据中蕴含着极具价值的舆情信息。本文介绍了一个基于Python数据挖掘技术的微博情感分析及话题追踪系统。该系统利用机器学习（XGBoost、随机森林等）和深度学习（MLP）算法对微博评论进行情感倾向判断，并结合Flask Web框架开发了可视化的舆情监控平台，实现了单条文本分析、批量历史记录管理、特定话题的舆情追踪及可视化展示功能。

阅读 851

12赞

收藏 13
从“画图员“到“方案师“：AI如何释放设计师创造力？ 摘要：《人工智能法》背景下，设计院面临创造力危机：70%设计时间消耗于重复绘图和规范核查等低创造性工作，导致知识资产流失和效率低下。根源在于知识断层、工具割裂和决策支持缺失三大系统性缺陷。解决方案提出"自动合规执行+经验显性沉淀+多目标优化"三位一体框架，通过AI接管机械性工作，让工程师回归创新决策。实践表明，该方案可将绘图时间缩减86%，首次审图通过率提升至89%，使设计从"机械执行"转变为"多目标优化"的创新活动，最终实现设计价值从"

阅读 301

8赞

收藏 2
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 3.4w

148赞

收藏 202
SpringBoot 整合机器学习框架 Weka 实战操作详解 SpringBoot 整合机器学习框架 Weka 实战操作详解

阅读 3.6k

46赞

收藏 40
深入解析Redis三大缓存问题：穿透、击穿、雪崩及解决方案 想象一下这样的场景：一个恶意用户不断请求系统中不存在的用户ID，比如user:-1或。这些请求会先查询Redis缓存，由于缓存中没有这些数据，请求会直接打到数据库。数据库也查询不到结果，因此不会回写缓存。每次请求都像穿过缓存直接访问数据库一样，这就是"缓存穿透"。缓存击穿就像是缓存系统的"阿喀琉斯之踵"——一个致命的弱点。当某个热点key过期的瞬间，大量并发请求同时发现缓存失效，这些请求会如潮水般涌向数据库，造成数据库瞬时压力过大。缓存雪崩是缓存系统中最危险的场景。当大量缓存key在同一时间点过期。

阅读 549

20赞

收藏 16
大数据挖掘：视频挖掘技术与应用案例 关键词：视频挖掘、计算机视觉、深度学习、时空特征、视频理解、智能分析、行业应用案例摘要：随着视频数据爆炸性增长，视频挖掘技术已成为人工智能领域最具挑战性和应用价值的研究方向之一。本文系统剖析了视频挖掘技术的理论基础、架构设计与实现机制，构建了从原始视频流到语义理解的完整技术链路。通过深入探讨特征提取、动作识别、行为分析等核心技术，结合媒体娱乐、智能安防、医疗健康等12个行业的40余个应用案例，全面展示了视频挖掘如何赋能各领域创新。文章还分析了大规模部署中的技术挑战与解决方案，探讨了伦理与隐私议题，并展望了未

阅读 1.0k

22赞

收藏 26
线性代数与数据挖掘(四):Pandas Series 和 Pandas DataFrame数据处理 Pandas Series数据处理

阅读 2.1k

54赞

收藏 50
全新神经网络架构KAN回归分析：PDP(部分依赖图)、ICE(个体条件期望)解释教程 这里创建一个KAN：8D输入（自变量），1D输出（因变量），2个隐藏的神经元，三次样条 (k=3)，3个网格间隔 (grid=3)，读者可以利用网格细化来最大限度地提高 KAN 的拟合功能能力，修改网格间隔得到更细粒度的KAN，以及修改其它参数来增加模型拟合度，这里就不去展示如何去进行模型调参，接下来训练模型。到这一步我们就完成了KAN模型的评价，利用拟合的公式对测试集数据进行预测，并进行真实值、预测值散点可视化，最后输出模型各种评价指标，如果不满这个拟合效果，可以对模型进行参数调整以得到最优模型。

阅读 1.7k

25赞

收藏 36
国科大——数据挖掘（0812课程）——课后作业 此文章记录了2024年度秋季学期数据挖掘课程的三次课后作业，。

阅读 1.2k

12赞

收藏 27
数据挖掘在生物信息学中的基因分析 生物信息学是一门交叉学科，它结合了生物学、计算机科学和统计学等多个领域的知识，旨在处理和分析生物数据。基因分析是生物信息学的重要组成部分，其目的是揭示基因的功能、结构和表达模式，以及它们与生物表型和疾病的关系。数据挖掘技术在基因分析中的应用具有重要意义。随着高通量测序技术的发展，生物学家能够产生大量的基因数据，如基因表达谱、基因组序列等。然而，这些数据往往具有高维度、高噪声和复杂性的特点，传统的数据分析方法难以有效地处理和分析这些数据。

阅读 957

30赞

收藏 13
作者推荐
BigDataMagician
优快云大数据领域优质创作者、优快云博客专家认证获得者，具备扎实的技术背景与丰富的教学经验。持有软件设计师资格认证，现任高校讲师，专注于大数据技术与数据分析领域的教学与研究，同时具备前后端开发能力。
关注
TwoAI
AI 技术，网络安全，编程技巧分享。
关注
IT实战营官方
IT实战营-全网唯一集免费查重、毕设在线答疑，项目包运行成功，全套教学视频一站式辅导机构。专注Java、小程序、大数据以及爬虫、Python、App、NodeJs、PHP、微服务、NET等项目定制，远程部署、售后答疑、文档编写指导等。
关注
穆易青
用大模型思维颠覆传统学习生信路径
关注
不会写代码的小童
在校大学生python程序袁
关注
泰迪智能科技01
专注于大数据人工智能实验室建设/培训
关注
时序之心
公众号【时序之心】，超多AI相关算法资料和干货！
关注
极客学术工坊
长风破浪
关注
折原露露
B站关注折原露露喵~B站关注折原露露谢谢喵~
关注
咚咚王者
在职深耕 “从基础到多模态” 的 AI 学习，主打 “理论 + 实战” 双驱动。涵盖机器学习基础、单模态（文本 / 图像）核心技能，到多模态对齐 / 融合技术；日常输出项目实战案例（如图文检索、VQA）、工具使用教程，帮零基础到进阶者打通多模态学习链路。
关注