官方文档链接：https://spark.apache.org/docs/2.2.0/ml-features.html

Hive在大数据中可能是数据工程师使用的最多的组件，常见的数据仓库一般都是基于Hive搭建的，在使用Hive时候，遇到了两个奇怪的现象，今天给大家聊一下，以后遇到此类问题知道如何避坑！...

Feature：An attribute useful for your modeling task. Feature Selection：From many features to a few that are useful Feature Extraction：The automatic construction ...

“我们的算法工程师水平太差了，完全解决不了问题！”作为一个经常和传统企业打交道的乙方，这种抱怨陈老师听得太多了，类似惨痛画面也见得太多了。今天我们系统说说。...

关键字：（任务调度、批处理、Spring cloud dataflow、上交所技术）

GSVA分析，gene Set Variation Analysis，被称为基因集变异分析，是一种非参数的无监督分析方法，用来评估芯片核转录组的基因集富集结果。 思路

KEGG全称 Kyoto Encyclopedia of Genes and Genomes，由日本京都大学生物信息学中心的Kanahisa 实验室于1995年建立根据基因组中的信息，原理是用计算机计算或者预测出比较复杂的细胞中的通路或者生物的复杂行为。数据库...

这里需要使用差异比较用到的limma包，在使用这个包进行分析之前，需要准备三个矩阵 * 表达矩阵 * 分组矩阵 * 差异比较矩阵

对下载的数据进行处理，提取表达矩阵，并匹配探针信息，基因名 教程来自：https://github.com/jmzeng1314/GEO/

NCBI Gene Expression Omnibus（GEO）是各种高通量实验数据的公共存储库，这些数据包括测量mRNA、基因组DNA和蛋白质丰度的单通道和双通道微阵列实验，以及非阵列技术，如基因表达序列分析(SAGE)、质谱蛋白质组数据和高通量测序...