2023年第三届中国高校大数据挑战赛B题思路

代码更新得看时间、可能会晚一些,也会在公众号更新

任务 1:观察数据集“train_reads.txt”、“train_reference.txt”,针对这次合成 任务,进行错误率(插入、删除、替换、断链)、拷贝数方面的分析。其中错误 率定义为某个碱基发生错误的概率,需要对不同类型的错误率分别进行分析。拷 贝数定义为原始序列复制的数量。

        对每种错误情况单独统计分析似乎有点麻烦,因为每种错误随机发生,不能直接统计字符个数差异、或者字符串遍历的字符差异;但是后面原始序列复制的数量却是容易分析的,可以直接使用莱文斯坦距离来计算,具体参考下方链接文章(包括原理介绍和代码),再回到前面的问题、如何对每种错误情况单独统计分析,可以考虑去看Levenshtein包的源代码如何分别统计的,不确定有没有已经实现可以直接使用的工具

NLP | 姓名相似度

任务 2:设计开发一种模型用于对测序后的序列“train_reads.txt”进行聚类, 并根据“train_reads.txt”的标签验证模型准确性。模型主要从两方面评估效果: (1)聚类后准确性(包括簇的数量以及簇内纯度)、(2)聚类速度(以分钟为单 位)。

        ......

免费获取完整思路


        关注威信公众号 Python风控模型与数据分析,回复 23年大数据挑战赛B题思路 免费获取完整思路;编写不易,辛苦多多关注

  • 12
    点赞
  • 9
    收藏
    觉得还不错? 一键收藏
  • 0
    评论

“相关推荐”对你有帮助么?

  • 非常没帮助
  • 没帮助
  • 一般
  • 有帮助
  • 非常有帮助
提交
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值