orange3数据挖掘教程
粉丝1066获赞1822
相关视频
16:18查看AI文稿AI文稿各位朋友大家好，咱们下面开始第二课，第二课呢，咱们给大家介绍这种 orange 软件的基本的操作流程啊，我们先看这个 orange 软件的基本操作流程啊， 嗯，包括两节，第一个是我们介绍熬成纸软件的基本操作，也就说这个软件来说怎么操作？包括软件启动退出啊，图标连接线，还有整个数据流，还有其他操作。 嗯，第二节呢，咱们给大家介绍更主要的，也就说我们最主要的就是做数据分析，做数据分析，我们看这个流程图怎么做啊？他有一些基本的操作 啊，我给他分成五个步骤啊，包括导入数据，数据整理啊，也叫数据与处理。 第三个就是数据可视化啊，第四个就是数据建模和评估。第五个数据预测啊，模型预测啊，一共包括这五步啊，你把这五步啊，每一步咱们简单给大家介绍一下，他都包括，嗯，哪些基本操作，哪些节点常用的啊，咱们去用 啊，然后就行了。后面呢咱们再展开啊，详细的给大家介绍各个。呃，布置啊，这里边呢，先给大家介绍一个基本的流程啊，基本的流程。 嗯，我们先看第一个，先看第一个就是这个软件的基本操作啊，这个软件的基本操作，软件的基本操作啊，包括这么几个，启动，退出，还有其他操作啊，这个比较简啊，比较简单啊。 嗯，那么桌面有这个，我们一双击这个图标啊，他就启动了啊，他就启动了啊，所以这个启动比较简单，然后启动完了之后呢，就是他退出退出，这个也比较简单，你点这一关啊，然后我一保存，愿意保存就保存，不保存我就不保存 啊，这个也没关系啊，也没关系，咱们简单给他存一下吧，存一下存到啊，桌面文档里。 哎，这个软件就关了啊，也就是说启动和退出这个都比较简单，最大化，最小化。这个也比较简单啊，那么我们还起来，起来就是双击这个软件，它就启动了啊，这个比较简单啊， 后面呢有这个最小化，这是最小化，然后就最小化到这了，然后有最大化就是全屏了啊，然后后面是关闭就给他关了啊，这个比较简单， 然后面呢就是这个图标的操作啊，图标的操作啊，图标操作包括加入这种工具。图标啊，然后是这种删除图标啊，删除图标啊，加入图标，删除图标，还有图标的移动复制啊，我们给大家演示一下 图标的。这个咱们上节课其实也简单的演示过啊，你可以点击一下啊，这个是单击一下，然后过来他就跑到这个里边来了，或者是我给他拖拽啊，咱们用这个 啊， csv 的，我给他拖拽过来啊，就是按住这个一拖过来啊，也可以，我给他单击一下也可以，都可以导弹。 然后呢我们这个删除就是我选中他一点删除键盘的删除，或者是我点这个右键的删除都可以。那么导入 csv 呢，我们后面还可以连接数据表，然后去查看啊，这个数据啊，刚已经。 嗯，打开了这样的文件啊，那么还是这样， 嗯，就可以看到这个数据了啊，这是他的加入啊，嗯，这是单机，不是双机 啊。删除，刚已经演示了，还有其他就是复制和移动啊，移动也比较简单啊，比如 说我移动单个的图标啊，我再加入一个啊，然后我移动单个的图标啊，可以移动说我选中这个，我就拖着鼠标走，就给他抓到其他的地方啊，这就是移动。 那么复制呢？复制，我点右键，他有一个复制，他自己就不用再点去粘贴去了，他没有复制复制粘贴这个右键粘贴这个键，直接一点复制啊，一点这个右键的复制，他自己就给你复制了一个啊，直接放到这啊， 嗯，放到这，然后你再给他拖到其他地方去啊，这是关于这个图标啊，操作这个比较简单，咱们看第二个，这是连接线的操作啊，连接线的操作啊，添加图标并没有自动往后直写， 是因为这个，你还还要给他建立连接线啊，将这图标连起来。连起来怎么连呢？就是我这个鼠标点到右边，他这有一串虚线，然后这个呢，左边有一串虚线通过这个， 哎，点到这，然后他就往后拖，就画出这个线来了，然后到了这个地方呢，这个右边这个虚线，这，然后我一松手啊，他就给他连起来，嗯，就给他连起来了，这个比较简，直接建一个连接线啊，鼠标这么一拖一连就行了。 还有呢，就是这个删除连接线，删除当然比较简单了啊，我，但是你要注意，我是点中这个连接线啊，然后再点删除啊，他就给你删了啊，他就给你删了啊。 嗯，他这个图标呢，也是一个图标，也可以连接两个节点，当然也可以连接更多的节点啊，都可以啊。嗯，比如说我连接一个这个评估的啊，这个节点啊，连接评估的这个节点啊， 连接完了之后呢？啊，我可以建模型，建模型呢，我可以建很多个啊，很多个啊模型，嗯，这个，但是建这个逻辑回归 啊，然后再建一个不？不夜思啊，再建一个神经网络啊，等等，然后给他排到这，给他排到这。然后呢？我可以 建多个模型，建了多个模型我就用多个模型给他连起来啊，给他连起来啊，这都可以，那么这样的话你就 实现了对，这个数据啊，这个数据啊，这个数据啊，然后建多个模型啊，那么多个模型打开以后，他这四个模型我都建了四个模型，这四个模型打开以后都有他的评分，你像他准确率值百分之九十六 啊，九十四，九十六啊、八十七，我们可以对他进行平分，平分以后他就有各种值啊， 当然后面还可以连接它的，比如说 l c 曲线，嗯，可以这样，嗯， rc 曲线啊，然后，哎，看一下他的各种模型的 rc 曲线是什么样啊？他是这样， 而这个 模型键的不对，因为他使用的数据不对。嗯，只是做一个演示啊，做一个演示啊，删除连接线也有了。然后我们看设置连接线啊，设置连接线啊， 嗯，就是我们对这个连接线里边进行一些设置，但是这个设置不是说所有都有，有的有，有的没有啊。那么我们做一个设置就还用他这样的图啊，咱们做一个演示， 嗯，比如说这里边，嗯，加入了一个数据，加入了这个数据吧，啊？这个数据，然后呢？啊，有一个抽样节点啊，有一个抽样的节点是这个，这个抽样节点后面再连一个 数据表，数据表，那么我就连上了，连上了之后呢，我就可以对这个，嗯 连接线进行设置啊，那么这里边的当然只是这个数据到这个数据，所以他没有什么设置。后面这个就不一样啊，我们看后面打开以后，是我们把鼠标放到连接线上啊，然后双击 打开，打开以后他就出现这样一个对话框，就可以进行设置连接线，那么这里边的设置就是我通过采样，我是连样本数据还是连剩余的数据啊？连到这个数据当中，后面数据表当中， 那么这样的话是通过你连接线的设置，我们可以设什么呢？比如说我抽烟以后，我可以给他分成这个训练级、 测试级、验证级这三个部分，对吧？我百分之八十、百分之十，百分之十，这样啊，百分之八十训练，百分之十的这个测试，百分之十的验证，那么你后面通过这个连接线的设置，我们就可以连到这是训练级，我们就把这个数据的样本全部连到这里边了， 后面去建门，然后后面百分之十的我就用这个啊来给他连啊，给他连，连接以后啊 啊，前面这个不要了，我就给他一点删除啊，他现在就没了，我们只连剩余的数据啊，然后再一连设置，这样设置啊，方便后面的， 这是关于这种连接线的设置， 然后第，哎，这个， 嗯，第四个问题呢，就是我们整个数据流的操作啊，整个数据流的操作啊，这里边包括选择整个数据流移动啊，然后保存数据流啊，删除数据流和复制数据流啊，咱们简单给大家说一下， 一个选择数据流，那么这是一个数据流啊，我们要选，我们就从上方点一下鼠标，然后把这几个节点都选住，这就是选选择数据流， 选择数据流之后我们可以复制啊，一复制就是复制这个数据流啊，复制整个数据流，那么还可以移动数据流。移动数据流这个也比较简单， 我们选择了这个数据流，只要他是这种蓝色的，我们可以把它拖着走啊，这时候就可以移动啊，当然这是我们复制的一个，我们可以移动啊，移动到哪都行 啊。然后最主要的就是一个保存数据流，刚已经说过了，我们点文件，然后点保存，我们再起个名字啊，这个比如说我们叫数据流二，练习数据流二啊，啊，叫数据流二， 这个名字，我们一点保存，那么这个数据流就保存了啊，这个操作比较简单啊。第三个删除数据流，删除数据流， 这比较简单，比如说这个是我们复制的，我们选中这个数据流啊，我们一点键盘上的 delete 键，或者是我们点右键啊，全部删除都可以啊，这两种方式都可以删除这个数据流啊，这都比较简单啊，删除了之后还要点一下宝。 嗯，后面第五个就是其他的一些操作啊，比如说啊，查看魔术文档啊，查看流程图的视力啊，还有查看他自带的数据集啊，这里边咱们简单给大家演示一下就行。 那么查看数据集呢，这里边有啊，他在这呢啊，在这呢，就是这是数据员啊，这有文件， 然后这里边呢有数据集，我们还可以点开这个文件，这个点开以后就是他的自带的一些数据集都放这啊，我们直接用他这个数据集就可以啊，就可以了啊，这是他的。这， 然后呢就是我们可以看他的一些帮助按钮，看他的一些帮助按钮啊，比如说点这个节点啊，那我们看他的一些 帮助，但是这个没有，我们点这个吧，这个也没有，哪个有哪个也没有啊？这有这也没有 啊，他这个没有，这里边的有的没有，没有这个帮助， 嗯，就是他如果有的，我们点这个帮助啊，他就能有这个。嗯，这个节点的解释啊，我们看英文的啊，英文的他有时候他是会有的啊，会有的， 比如说这种充实，看这个房，这个也没有，你找一个 有没有， 他也没有，没有这个功能，没有 功能就算了啊？怎么弄啊？有的有，就是有的话他会在这在右边出现一个帮助的，这个对话框里头有他的英语的介绍，就是到了他这个网页当中的这里边的一些介绍，到这了， 他在这里边显示，这里边显示。嗯，然后是查看流程图的视力啊，还有这个啊，查看流程图的视力啊，流程图里边他有一些自带的啊，一些流程图啊，我们可以看这个 啊，工作流的失利啊，这里边有一些一点这个工作流失利，他就有这样一个对话框，这里边有好多的数据流啊，这都是他的失利啊，我们点一个， 再点一个，再点下一个啊，比如说这个是文件啊，文件和数据表啊，这个是这个格式化啊，这个是格式化，这个是。嗯，分类数啊。 嗯，这个是这个。嗯， p c， 嗯，就是那个主成分分析 降维的啊，这个是层次去类啊，还有这个排名的，还有好多。嗯，比如这还有文本的预处理的啊，文本预测的 啊，还有这种啊？这个，嗯，磁带模型的、 本本的剧类的啊，等等这样一些啊，这个功能啊，他的一些视力，我们通过这些视力呢，有助于我们自己去建这个模型啊。自己去建这个模型啊，比较方便啊。 嗯，这是这节课，咱们就介绍到这，然后咱们下节课呢，再介绍他的基本的操作流程啊，基本操作流程啊。
132学法超超
08:22
03:01查看AI文稿AI文稿哈喽，我是冰冰，今天教大家不用敲代码就可以轻松爬举到玩音数据，这个需要用到一个软件加入八爪鱼，这八爪鱼我们直接上百度搜索八爪鱼，然后去他的一个官网去下载就可以了， 直接去爬取一些网站的数据是不用费用的啊，我现在用的是一个免费版， 怎么去爬取呢？首先我们安装完这个八爪鱼之后，我们打开，然后这里一个新建自定义任务，然后这里是任务组，我们随便给他命个名，这里就是我们要爬取的一个网址，我们输入我们要爬取这个网站，点击这里保存设置， 已经打开了这个网站之后，我们看到它上面这里是分两个页面宽，它上面这一个是我们要爬取的一个网站，下面这个是爬取下来的一个字段， 然后右手边这个是操作提示，操作提示他这里是翻页并才提多页数据。比如说我们这个招聘网站，他上面有十页的数据，那他会自动翻另一页，总共有多少页，就啊把多少页的数据给爬取下来。然后 这个是要点击列表中的一些链接，然后并采集下一页的数据，比如说这里是他的每一个招聘信息，他都可以有链接点进去的。如果你要采集里面的一些详细的信息，那你可以点击这个，那我们先采集他目前所有的一些招聘信息，那 我们直接这里是深层采集设置，这里点击保存并开始采集， 点击启动本地采集雷条，然后他采集完了，总共用时是一分十二秒，采集了二百七十一条信息，其中有一条是重复的，然后我们这里点击导出数据， 然后这里是去重数据重复的，我们不要找出为 excel 文件， 然后我们可以倒出在低盘， 这样子就完成了爬取的一个步骤了，是不是很简单呢？今天的分享到这里，明天给大家分享数据分析的全流程，记得关注我哦！
2731冰云数据
26:15查看AI文稿AI文稿有可能是注意到了，也没有想明白，很多优秀的模板文章很难一次性的吃透，最好是呢，第一遍把文章的全文思路，论证逻辑搞明白。第二遍呢，文章精读，对所有的图表、副图、副表以及方法学都搞明白。 到了我们学完第四章，第五章之后，有能力去做分析的时候，开始尽可能的完整的把整篇文章图表复写出来。到了这一步呢，你才算是真正的把这篇文章的分析吃透了。 因为大家研究方向不同，所以说的话我就没有说，非得让大家把所有的科学假设和科学意义都搞明白，但是呢，研究方向是可以互相借鉴的。最后呢，还得给大家说一下，因为非肿瘤方向的模板文章很难找到 很好的，所以说呢，我在课程里面不少文章是选用了肿瘤相关的文献，在讲解肿瘤相关文献的时候，我会以讲解核心的分析思路为主，让大家尽可能的把分析的套路都尽快学会。 那我们这一章呢，详细的给大家讲一讲常见的几类生性分析的文章有哪些？第一章也是最常用的一章，筛选单基因进行功能复习分析。他呢，进可以发文章，退可以申请基金。纯生性的分析呢，发一到五分都是可以的， 补充实验之后可以深入机制探讨，再上一个台阶。这里呢，给大家列出了三篇文章，是最近发表的，每篇文章的专题呢，我都会放到我们支持星球 上面，也会放到我们讨论群里面。第一篇是发表在 frontiers in genetics 上面的一篇文章，通过生性分析筛选出来 p 五十三作为病理性疼痛的一个预后标志物，然后进行了一些简单的实验验证。 第二篇呢，是发表在美国病理学杂志上面的一篇单基因的文章，这篇文章是研究冠心病的，他发现 c x c l 五这个基因作为冠心病的一个保护因素，并且进行了相关的生性分析，进行机制的阐释， 也分析了 cxcl 五和临床上 cid 患者常见的一些指标的差异分析或者是相关性分析。第三篇文章是二零一九年十二月份发表在 asian 上面的一篇文章，作者通 通过生性分析发现 r b m 八 a 在二次海默中和自视存在一定的关联。我们会详细的讲一讲第三篇文章，也就是 a d 患者和 r b m 八 a 存在的分子水平的关联。 首先我们来学习一下单基因功能负极分析都有哪些套路呢？后面我们一般看到的只会比这个套路更简单，我们来熟悉一下这个框架，然后再带着大家读两篇文献， 大家一定要有概念，身心里的文章一定要有验证，要么是垂直性质的验证，不断的去加深和细化机制，这种适合呢，生性结合实实验的一些功能性研究。第二种呢，是反复的平行验证，也就是 a 数据级得到一个结果， b c 数据级 都得到了类似的或者说同样的结果，那么说明这个结果是稳定可靠的。 我们看一看上面的是 discovery set， 或者说叫做 training set 获取和数据的预处理 以后呢，这一步是相当于让数据之间先有可比性，因为有时候训练级不是单个的，而是多个的，就算是单个的数据级呢，从原始数据开始分析，也是需要进行标准化的，让多个数据之间具有可比性。 在多个数据及分析的时候，要注意样本之间可能本身就存在显著的差异，这个时候就需要进行去 pc 效应。关于这个部分呢，我们在后面的章节里面会详细的给大家讲到如何去用代码进行这一部 分析。再往下呢，你就要进行一个分组， 这个时候呢，你就按照某一个特定的标准进行分组，比如说你可以按照实验组和对耳组、疾病组，比上健康组，某个基因高表达，比上低表达等等。如果是你的研究对象是 年龄性别这样子的，也可以把他们拿来进行分组，比如说年龄分成了呃，三十五岁为界限的话，就分成了年轻人，非年轻人，六十五岁分成老年人和非老年人都是可以的，性别的话分成男性和女性。 我们看到右边的蓝色框里面做了一个选座，是什么意思呢？就是你可以对你的人群进行限定，比如说你想研究的 人群是糖尿病患者，但是呃，这样子总体的一个糖尿病患者呢，已经被别人研究过了，这个时候你就可以适当的调整一下你的思路。比如说你可以研究啊，青年人的二型糖尿病患者， 或者说是女性绝经后的二型糖尿病患者，当做你的研究主体，也可以是糖尿病患者，何必某种并发症当做你的研究主体。 当然呢，限定的越窄，你的科学假设就越准确，但是呢给你分析的数据可能就越少，所以说呢，要需要在这两者之间找到一个平衡， 有时候呢也可以用生存分析进行筛选，筛选的这一步呢，让你的文章整体思路变得很有逻辑，因为有的文章直接一来就是 我们觉得这个基因很有意思，所以说我们想研究这个基因，这样不是不可以，实在没有办法的时候也是可以这么做。但是如果有一个筛选基因的这个过程的话，能让你这个文章的逻辑性增强，故事讲的更完整。 第一部分分组确定了之后呢，就可以做一些简单的分析，如果你后面分析足够多的话，这一部分的分析就可以当做是一个小图，放在主图里面，或者说是放在副图里面都是可以的。 如果你的文章分数定位就是一到两分，那么仅仅是数据的标准化，然后流程图，火山图、热图这几个图的话，基本上就可以凑两到三个图了。两到三个主图还是。接下来假设我们通过实验组和对号组进行差异分析，得到了很多显著差异的 经，然后我们挑选出最显著的 g x 进行后续的分析，那么我们可以做哪些分析呢？这个时候我们首先要明白 g x 的意义是什么，以及我们为什么要做后面的分析。 既然 g x 是实验组的对号组里面最显著差异的那个基因，那么他大概率的参加了实验组的干预变量产生的一些生理或者说病理的一些调控。 那么我们接下来看一看通过这个筛选出来的 x c 可以做哪些扩展的分析呢？我大致整理了三类， 第一类的话是我们筛选到的金 x 分子和临床特征的分析，第二类是主干功能分析，第三类是验证性质分析。我们 一个一个来讲，第一大类是筛选出来的基因和临床指标的扩展分析，能做哪些呢？我列举了常见的三类分析， 可以按照基因的高低表达进行临床基本资料的分析，比如说年龄、性别、疾病的严重程度等等，看看这些资料是不是有显著的差异。 第二类呢，是可以根据常见的那些临床基本因素，当做亚族进行分析，我们经 x 表达的差异分析。 第三步呢，如果一些变量是连续性的，比如说我们在研究 c、 o、 p、 d 的时候，六分钟步行距离，或者说肺功能那些指标，这些指标是连续性的，那我们就可以考虑把这些连续性的指标和我们的基因表达的 x 合起来做一个散点图。 第二大类是主干的功能分析。第一类呢，算是常规的分析，有的同学呢，以前做过流行病学的研究，或者说是一些回顾性的临床研究，或多或少都接触过第一大类的分析。 第二大列呢，只有是我们这里标注的主杠，功能分析才是我们这堂课的重点。 这里呢，又分成两个部分，如果你们是新手，刚刚开始接触生性，可以试一试这些网页工具，这些工具呢，我们也都会在后面的课程出到对应的视频教程，或者说是陆陆续续上线到我们这个课程的知识。新手上面 主要是分了两个小类，左边呢是做功能负极的网站，可能大家对功能负极的概念还不是很清楚，给大家举个例子， ps3k akt 这个通路，它设计了上百个基因，一个基因呢，不止在一条通路里面参与对应的功能，一个通路里面呢，一般也不会只包含一两个基因参与这个通路的功能。 那么一个基因发生了变化之后，或者说是一个干预条件发生了，干预了之后，可能会引起很多通路或者说很多基因的变化。我们把这些差异金拿出来进行功能性质的分析，就叫做负极分析。 常见的几个工具我都列在下面了，对应的视频教程呢，我们会在后面的第四章、第五章给大家做示范。右侧的是基于 are 的可视化分析，这个部分呢又分成两个 parts， 左边呢是基于单基因的 临床意义扩展分析，比如说 cox 回归分析， can plot 的生存分析，列线图和 r o c 曲线等等。 啊，以我接下来要讲的一篇文章，它最后就是做的 r o c 曲线，找到了几个核心基因，并且预测了 a d 患者和健康人准确性高达百分之九十五。 这样子的标志物呢，以后就可以用来诊断疾病，也可以用来评估疾病的严重程度，疗效评估等等。右侧呢是基于阿语言的功能设计分析，我们常见的是 class profeller 和 g s v a。 在这个基础上，我们还能做我们筛选出来的核心机和通路机或程度的分析，比如说我们筛选出来的 g x 和我们上面提到的 p s r k a k t 这个通路整体激活程度的相关性分析，刚刚我还说到了，如我们一个通路里面可能有很多的基因，当我们除了做 x 和 p s b t 通路整体的相关性分析之外， 我们还可以做 ps3k akt 这个通论里面的核心基因拿出来和我们这个基因 x 做相关性分析，相关性热土都是可以的。 最后一大类是验证性质的分析，这里能做的话是很多的，我们一个一个来说， 第一个呢是自己测样本进行验证性分析，我们之前的课程也讲到过了，这样子的一个自测样本呢，如果自己的课题组足够的经费，研究方向也是有延续性的话，这样 子的自测样本是一个很不错的选择，能反复的使用。如果课体的延续性不是很强，可以考虑通过 q p c r w b 或者说是 i h c 来进行验证。 如果你想要做的更深入的话，那就得参考已经发表的文章，补充一些细胞或者说动物的功能上的一些验证。 当然还有一个比较轻松的方法，就是通过公开数据集，多个公开数据集集进行平行验证。关于多个公开数据集集验证的话，可以验证左侧的扩展分析，也可以做功能负极分析，都是可以的。 接下来我带着大家来看一看这篇十分的肿瘤全身性的文章，这篇文章非常适合当做模板 来进行学习，虽然大家不直接研究肿瘤，但是主要学习这篇文章的思路。后面呢也会带着大家一起来学习另一篇非肿瘤的文章。 这篇文章的图一是流程图，当然大家以后可以如果正文的图表比较多，可以把流程图放在副图，或者是把图一的这个流程图当成图一的一小部分。 它这个图呢，相当于介绍了三个数据集筛选的构成。左边是训练集的数据集，通过疗效差异筛选出了他们要研究的核心机 t t one 这个突变。 右侧呢是验证性质的分析，用了两个数字集，接下来的话就是表一，把所有病人的基本信息 整理出来了。当然这个时候呢，按照我们之前讲的，其实作者是可以按照啊实验组和对号组，也就是这里的 t e t one 突变与否进行分组，看他们基本信息之间是否有差异。 图表和副图副表的排序也是有讲究的，我们在后面的第五章再跟大家详细的讲到。接下来呢，作者就是通过疗效的差异分析相应基因突变的频率， 最后呢得到 t e t one 这个基因是指向疗效更好的方向的唯一的一个基因。 当然你们如果要研究下面的那个 t e t two 也是不错的，突变频率预测效果都是可以的。右侧呢，作者就展示了一下这 精突变了以后，在其他肿瘤里面，他的突变频率是这样子的，并且上面那个图主要是展示这个精突变的位点具体发生在哪些地方， 换成非肿瘤的话，当然就相当于是可以看看这个基因在正常组织中的表达情况是怎样子的，你可以找找几个相似的疾病， 看看你那个研究的核心基因的表达情况是这样子的。 g t e x 这个网站呢，储存了很多正常组织的表达数据。 g e p i a 呢，这个网站储存了很多肿瘤和正常组织的表达数据。 以我们 t e t one 这个表达数据来看的话，右侧的绿色部分就是代表的不同组织的 t e t one 的表达情况。我们可以看到右侧显示的 t e t one 这个 基因在学 a 系统中原来是最高的。接下来作者就开始补充 t t one 这个基因突变在临床上的一些临床基本资料的关联。 首先呢，他比较了治疗的客观反应率和生存上的差异，的确，我们也可以看到他们是能够显著的分开的，也就是说他在临床上面，他的一些客观反应率，疗效的客观反应率和生存是有显著的差异的。 这张图也是一样，只是他们在不同的数据集中进行了一个展示。这篇文章还有一个很不错的发现，也就是 c 图这个基因突变之后的会议呢，是能够从以前认为疗效很差的那部分病人里面筛选出能够疗效很好的 人群，并且这部分疗效很好的人群呢，是和以前认为疗效特别好的人群是临床获益很接近的。这就是一个很不错的一个发现。 地图展示的是在另外的治疗情况下， t e t one 的分组对应的患者是没有临床获益的差异的。作者就推测 t e t one 这样子的疗效获益的差异的预测是有疗效特异性的，也就是说只在特定的疗效里面才有对应的预测功能。 右侧呢，作者在补充了一些常见的临床因素的亚洲分析，一般这样子的图呢，并入到其他图里面，合成成一张大图就好了，除非是在图表比较缺的情况下再单独放一张图，不然的话，我还是建议合并到其他图里面类 的一些结果里面，合成一张大图，这样子的话，文章的构架会紧凑一点。讲完基因分组和临床资料的关联之后呢，接下来作者就尝试通过生性分析来解释为什么会有这样子的一个疗效差异。 首先呢，作者按照之前分组看了看，目前研究中 a b 两个小图显示了在 t t 万基因突变与否的情况下，公认标志物之间 就是这个治疗的他以前那些标志物，他在 t t one 这个突变组和非突变组呢，是存在显著的差异的。并且 t t one 呢，这个经突变之后，他以前认为疗效好的那些标志物，他的指向也是同样的。 此外呢， c 图展示的是 t e t 万组有更有利于治疗的 免疫金润，免疫金润呢，我们也在这一章的后面几节课里面会给大家讲。到这里我就不做过多的扩展了。第一图展示的是一些目前研究的比较多的疗效相关的通路，他们的变化趋势呢，也是做的所预期的 意图是通路中具体基因的表达情况的改变。就这样子的一张图，是不是就把我们上面讲到的功能负极分析这一部分全都给讲全了？ 我们反过头来看看这个框架，这篇文章找了训练集，筛选出来了他们要研究的核心基因 t e t one， 然后进行了临床资料的关联， 这个部分呢，主要是显示出你在研究中的这个基因的临床意义，然后进行了多个数据 这一库的一个通路分析，免疫进入分析等等。这样子的话，就把我们右下角这块的啊语言这部分的可视化给覆盖到了。 这篇文章有没有用到自己的数据集呢？没有，一点原创的数据集都是没有的，但是大家可以看到分析的足够好，有足够的意义的话，这篇城市性的分析就发到了十分左右的点看， 当然类似的全身性的分析还有不少，我之前就看到了不少全身性的分析发在了十到二十分的杂志上面。 接下来我们要看的这篇文章呢，是一九年十二月份关于阿尔斯海默病的文章， r b m 八 a 这个基因的表达和 a d 患者自适通路激活的一个分析。右侧呢 是整篇文章的流程图，作者首先找到了 gse 三三三零零这个数据集当做训练集，然后进行了功能复制分析和基因表达的差异分析，然后通过这些数据进行了 wg cna 的分析，也就是加权基因控表达网络分析， 然后进行了后面的一系列的验证，后面呢包括 lesso 降维和 r o 曲线的一个验证，并且呢最后还用了两个验证性的数据级进行验证。 那作者为什么会研究 r b m 八 a 这个基因呢？作者在 introduction 的部分呢，就讲到他们以前发表过一篇关于 r b m 八 a 这个基因的文章，所以说呢，他们在之前的基础上呢，对这个基因进行了进一步的探索， 这样子的方式也是可以的，但是呢，偶尔可能会受到省稿人的质疑。然后作者分析了 r b m 八 a 这个基因在 a d 患者和正常健康人的患者脑组织里面的表达差异。 b 图和 c 图呢，分别展示的是按照 a d 患者和对耳组以及 r b m 八 a 高低表达与否进行的火山图的分析。 除此之外的话，低图展示了按照 a d 患者和对二组进行了的热图分析。 在分组上面，作者标注了 r b m 八 a 的表达量，我们可以看到在 a d 组的话，是有更低的 r b m 八 a 这个基因的表达，蓝色的话就代表了是更低的一个表达水平。接下来的话，作者进行了 w g c a 的分析， 然后我们可以看到在 m e brawn 这个模块里面的话，它的正相关系数是最高的。所以说呢，作者进行了 m e brawn 这个进一步的分析， 大家现在不懂 wgcna 没有什么太大关系，等我们第四章呢，会详细的出课程给大家讲什么时候用 wgcna 怎么做这个分析，怎么去解读 wgcna。 分析的一个结果， 你可以大致理解成把所有的样本分成了很多个模块，每个模块里面都有不同的功能。 然后呢，作者进一步的用 r b m 八 a 和 m e brawn 模块中的核心基因进行了相关性的分析，只有两个 m e brawn 里面基因和 r b m 八 a 是成一个负相关的关系，大部分的基因呢，都是和 r b m 八 a 是成一个正相关的关系。 然后作者分析了一下在不同模块中生理学和病理学的一个差异情况圈的大小代表涉及到的基因的数目。 右侧的柱状图的红色代表的是高表达的基因，绿色则代表的是显著，低表达的基因。批值呢，是通过红色来表示的，如果批值越接近蓝色和紫色呢，代表的是批值不显著。 接下来作者又做了 g s e a 分析，就是讨论通路激活程度的分析。左侧是按照 a d 患者和健康组进行分组， 右侧呢，是按照 rbm 八 a 这个基因高低表达与否进行分组。这两个图呢，都是展示了生理过程相关的通路，也就是我们平时说的 go 分析，他们所描述的通路是一致的，他们的趋势 也是一致的。这样子的一个 gsea 的分析图呢，和上面通过差异基因进行负极分析呃是不一样的。具体的区别的话，我们在第四章和第五章详细的给大家讲到。下面的 c 图和 d 图的话，讲的是病理相关的一些通录， 左侧的话和右侧的趋势是不一样的，这个我们需要注意。 接下来作者整理了一张可能的机制图来解释 r b m 八 a 在 a d 病人里面参与了哪些病理和生理相关的通路。 上面作者在 m e broom 里面筛选出来了十五个基因，这张图里面的 a 图呢，通过 lesso 进行降维之后，构建了八个基因的分数，然后通过这个八个基因的分数呢 来预测对这个是 ad 患者还是健康人的脑组织。然后发现了三个基因级里面都是有百分之九十五，也是零点九五左右的 auc， 这个结果是非常好的一个结果， 因为我们平时认为 a u c 大于零点九的话，是代表着非常高的一个准带效能。 此外，作者还补充了一些验证性质的分析，比如说在验证性数据集里面观察到了同样的 r b、 m 八 a 的差异，并且在大部分的老区中也是有类似的一个趋势。 回过头我们来看看这篇文章是如何在我们模板中进行体现的。首先，作者用 g s 一三三零零零这个数据集进行分析，按照 a d 组比上健康对照 以及 rbn 八 a 这基因的表达水平进行分组，进行了火山图和热图的分析，然后进行了临床资料的分析。接下来做了一些功能性质的分析，来展示 rbn 八 a 这基因高低表达和 ad 患者有一个关系， 来解释了 r b m 八 a 在 a d 患者中参与了哪些通路。 最后呢，作者通过构建 lesso 模型对 a d 患者进行预测，并且用了两个数据级来进行验证。 不知道大家有没有观察到一些细节，在验证的时候，作者并没有验证通路部分的分析。此外，在差异表达分析的时候，作者的结果也不都是显著的。我在这 这里呢给大家整理了一个以后分析时候需要撰写的分析题纲，你们把数据找好了之后呢，大致整理规划一下分析题纲， 能让你们在分析的时候目的性强很多，速度也快很多。比如说这里有六个主图，三个表格，两个副图，一个副表，你在分析的时候确定好了科学展示以后， 找到合适的训练级和验证级的数据级，然后确定好大致每个图标如何安排分析，如果分析的时候并不是和预期一样的话，那就尽快的调整分析的提纲，进行重新的分析。 分析的结果很多时候不是和我们预期的一样那么完美，所以说的话要进行一个取舍，把故事的主线讲通，线下支线的 故事呢，我们可以选择性的放出来就好了。如果你分析了时候发现支线的结果也是很丰富的，那么我建议单独发一篇文章， 不然你把所有东西都砸入在一篇文章里面的话，感觉反而是很混乱的一个状况。这里呢，给大家安排三个小作业，分别是梳理自己研究疾病当中常见的一些临床指。
10:25
03:43查看AI文稿AI文稿今天先从 go 开始讲，今天晚上先讲 go 的数据分析。对，我在讲的时候大家如果有什么问题可以问我。 go 的话是最大的一个托管的生物的数据库，比如说很多测试的数据或者芯片的数据，假计划拷贝数，还有单发测试的数据都在 go 里面有。 我们想搜一个疾病的话，都可以找到一些机油的疾病对应的数据可以分一些，这样有的时候我们可能自己没有钱做测血，也可以用公共的数据库进行测血挖掘啊，这样就就很方。比如先搜一个疾病吧，随便搜一个，百度翻译一下 白血病。对啊，我是搜的白血病啊， ok， 没有对，然后搜一下，找一下跟白血病相关的，他还挺多的。说一些转入族的设计，我分析一下，看一下，这个网 速比较慢，看一下，找这种表达的数据，看他这个有 custom 对，应该找高通量的，我们可以指定九零幺筛选的数据类型，你想 选择哪些数据进行分析，就选这个高通量测序的白血病相关的数据测分析，选这个可以翻译一下看一下，这样看起来更快一些。找一个白血病的肿瘤后， 癌症和正常的人类的分析，他这个是一个风险， b 细胞群大量而下个显示堂体质途径与 b 细胞发育，用第三名送处理的人 pcp al 细胞系的大量 r 下个确定的耐药途径不分组太多了，找个比较明显点的，分组少一点的 可以去跑步卖的上搜，但是跑步卖的上跑卖上只是文章，他可能你还要看文章去得到数据机，你这机油的话直接就可以锁定数据机了，就可以展示这个数，每页显示的数量，我就让每页显示一百个吧，这样的话更 更好一些。看一下这个这个数据机讲的是什么？这个也是 am 白血病的数据机，这个是岁外浸润的 emi， 是提示急性碎性白血病诱惑不良的半岁表现。但其对前我们看一下它整体设计实验， 他这个是整体设计，是检查有和没有室外进入的 am 患者的基因表达，这个平台是 gpr 二四六七六，然后如果就是大家那个基因上面，你下载表达数 数据，没有基因名称也可以看查看他这个 g gpl 的数据库里面弹成对应的，弹成 id 对应的基因名称进行转换就可以。这是用的一个没那测虚 nova seg 六千做的测序。他这个可以看到 明显是分了两组，然后这个应该是 p 是一组， r 是一组， p 是一组， r 是一组。当然我们还是需要看一下他分组文件，更详细的看到更确切的分组。但是目前我们从这个 样本，这个 gm sm 对应的这个样本编号来看，可能他就是 r 作为一组， p 作为一组，这样的话我们就可以简单的大致定一下他的分组，等一会我们还要从他这个 go 里面提取分组的信息，先把他经 go 的 编号复制一下，这个数据题的编号就是这个 gs， 一二幺三五八四，看一下，看一下这个数据题，分析一下。在命令行中端， 你平时搜机油的是会去机油数据库搜，还是去旁边上搜看一下？ pwid， 我有个机油的目录，然后进到我机油的脚本目录里面，我现在就可以分析了。
202邢博士解答世间万物
02:02查看AI文稿AI文稿大家好，今天探索一下就是在 orange 中怎么将这种重获的曲线进行分离或者移动的。首先点击曲线，然后将这种分组里面的呃点击为独立，然后再 然后再点击这里的 l e 里面的堆叠，堆叠里面的就是选择这个单独，我们要就是上下移动的话，那就是选择这个 y， 然后点击确定， 然后再点击曲线，然后这样子就可以现在就可以随便移动他了， 我们可以按照那个 这个就是他最终就是分开的图，然后再对他进行标注什么的就可以了。那如何对刚才那幅图对他就是给他变成三维的图呢？ 首先就是只留第一行的 x 轴，其他 x 轴都把它删掉，然后对齐，就是点击它，然后选择这里面的折线图，里面的瀑布图 就可以看到是三维的图啊。如果对这个瀑布这里面的图要对他进行填充的话，可以点击这个 线，然后线条， 线条里面就是 是添加填充线，然后填充至底部，我们给他填个加入绿色吧， 然后是图案，图案跟填充也是一样的，要点击绿色，然后就变成这种情况了。
804一觉睡到小时候
08:18查看AI文稿AI文稿本科已经学了四年机械嘛啊，然后我就想着能跟向往互联网那边靠一靠。很棒的想法。 你好同学。你好张璐。张璐是排队等着交简历是吗？啊对对对，您是咱们交大的学生啊？对对对啊，我先读研二了，是什么专业啊？ 我读的是建工程，具体是什么方向呢？我们神石方向主要是数据挖掘。就是数据挖掘。对，机械电子工程方向啊，那是相当于交叉的一个专业是吧？对对对啊，那属于机械和计算机交叉。对对对对， 机械和电子交叉，属于计算计算机和机械吧。啊？计算机和机械？计算机在工程上的一些应用啊？工程上的应用？那未来这个专业主要在行业里面有具体是哪个应用方向？在我这个短浅的这个学习中，我我认为就是现在我们搞 好的也是在故障故障上面啊，故障就比如用计算机这些算法来预测故障或者诊断故障，或者是检测异常这种 是检测什么的故障？我我们先是主要研究检测风力发电机啊，风力发电机？风力发电机是那种大风车吗？对对对，大风车，大风叶片是那种啊？对，那一个叶片可能都十几米长几十米长是吧？对对对，就是研究这种叶片，然后通过计算机来预警 发现他的故障。对对对啊，是是这个意思，大概就是这个啊，大概就很前沿很前沿啊，那您这个研二就找工作，您是学术还是专术啊？ 呃，我是专属，最后一届两年制的专属，明天开始就三三年。三年制了怎么样？那个张斌会参加了几场了？基本上没落下吧，反正有有就来有就来啊，然后碰碰运气碰碰运气，十 力就在哪就碰碰运气吧。那个投了多少简历了？投了三四十份吧，得三基本都在网上投。有有进展吗？有，也收到了，收到几个面试，然后笔试什么都都在都在做啊都在做啊，更倾向于是进一些国企央企啊，还是进一些民营的企业。 我家里面肯定是让我进国企啊，或者进研究院拿个北京户口啊啊，北北漂二十多年了那种，哈哈哈，那种那种心里面那种想法。嗯，但对于我个人来说我还是觉得我以后想想要一个怎么样的规划，我就在选择这个岗位吧，不管他是私企还是国企。 嗯，对，自己想好了就行。嗯，那你更想去国企呢还是到一些民企啊，去闯一闯。我这人比较肤浅，我主要就是想去一个前景比较好一点的啊，工资比较高一点的，然后稳定一点， 还是更喜欢挑战一些。对对，更喜欢挑战一些。感觉国企就比较安逸吧，然后比较安逸上升可能有点难啊。像您这个专业，像咱们电网啊，一些发电企业需要吗？可能也需要，就可以帮他们也做一些数据分析，我们也是主要从一些风力发电机，他的一些 参数嘛，他的参量变量也是一些高维的数据啊。可以，其实这种方法可以应用在很多不同的场景下。 是的是的，这个新能源啊，风力发电也是咱们国家这个新能源之一啊。对对对，觉得这个专业未来应该是很有用武之地的。嗯啊，因为 我也经常坐高铁，这个沿途看到的这种风力发电啊越来越多，铁路两边啊都是很多这个风车。对对对对，您本科是学什么专业的？本科也是机械工程啊， 不过研究生做了一个和计算机和电子的交叉。对对啊啊，但是本质上还是属于机械工程啊。本质上还是机械本科。您是在什么学校读的本本科？我是在新疆大学读的。哎呀，好学校哈哈哈， 然后从西安大学考到了交大啊。对对对，之前应聘的一些这方面的岗位大概能给到什么样的薪酬？ 呃，大概薪资的话可能就是二十到二十五万之间吧。啊稍微好一点的可能二十五万吧。二十五万？对，大概就是这样啊，稍微低点那可能十八万二十以下了就如果在北京的话你觉得这个薪酬怎么样？ 符合你的希望？在北京的话感觉最少也得找个二十以上的才能靠自己，然后活活活活下去。我感觉 也就得肯定得二十以上吧。之前呢，听说机械工程的这个不太好找工作啊，尤其是本科学机械的，如果没读研的话不太好找工作啊。是这样的，我感觉不是这个机械还有很多行业都需要这个东西， 他可能就是刚开始起步比较低吧，然后他毕竟是传统传统制造业嘛。嗯，跟互联跟互联网呀，跟一些那种热门的行行业肯定比不了。嗯， 但找工作肯定肯定是能找到的。我感觉是能找到能找到啊。嗯，像您读研选了这样一个机械和电子交叉的这样一个方向，当初是怎么考虑的？ 是因为当初工作不好找吗？没有，我当时就考虑本科已经学了四年机械嘛。啊，我当时跟互联网 做了一个对比嘛。啊，感觉还是差距挺大的，就尤其是近些年嘛，然后我就想着能跟向往互联网那边靠一靠啊，然后让自己能力丰富一下吧，就也这方面能力也加强一点。 我觉得是一个特别好的思路啊。对，就是从机械起步，然后向一些比较热门的一些学科做一些交叉。对，就出于这个想法嘛。嗯， 很棒的想法啊，以后这个工作是更想留在北京还是其他城市也可以考虑？ 主要就在北京吧，别的地方也可以考虑，有好的厂子，有好的单位也可以考虑家里面。对我要求这个北京户口，我对这个其实没有很看重那种不是太看啊。对，不是太看重机械这个专业在本科的时候。呃读起来难度大吗？我感觉总体来讲 吗就正常水正正常吗？啊，可能有些我是感觉比较吃力的一些，就尤其是像电路那方面或者有关计算机那方面比较抽象的，我对于我来说有点吃力的那种感觉， 但总体来说正常正常。对，哎，我听说就是学机械可能需要物理方面力学比较好。啊，是这样的， 我们刚开始大一的时候会上一些物理工程力学或者是大学物理这种课吗？可能是打下一定基础吧，学校也是这么考虑的。应该算是比较重要吧，因为他各方面你要分析一个机械结构，你要分析他的那种力啊或者结构是否合理都跟这个有关系。 我觉得挺重要的，应该好的好的。能不能给以后打算学机械的学弟学妹们一些学业方面的一些建议啊， 比如说专业方向方面的建议，学习方面的建议我就建议下面的那个学弟们选择自己感兴趣的方向吧，就是你对什么感兴趣你肯定会在这个方向上一直走下去，也不要觉得哪个方向就很热门或者是 起步感觉稍微高一点你就去选择那个。你要选择一个感觉自己感兴趣的啊，兴趣很关键。对对对，我我感觉兴趣很关键。那在那个学习过程中有哪些注意的地方？机械专业啊。嗯，在学习过程中 机械这个方面肯定是动手动手能力。实践他是一个偏实践的一门学科吗？嗯，对，首先就要培养自己的实践实践能力。嗯，然后说基础知识肯定是要打的老老一点吧，好好学，然后后面就是动手 的动手能力吧，这个要多注重一下，因为这个大部分的这个工作跟你的动手能力都有关系的。是的是的，那你觉得学机械如果说未来啊读博士的话啊，在就业上会有明显的优势吗？我感觉肯定是有明显的。呃，那个优势的， 因为毕竟博士又在这个领域上深入研究了四年以上嘛。四五年，最最少是四年。嗯，肯定是你在一方面已经达到了一定的水平你才能达到毕业的要求。嗯 呃，肯定是有优势的。肯定是有优势，而且这个优势肯定是一大截的一大截的跨越。打算继续再往上读吗？鉴于年龄问题我就不往上读了。哈哈哈，好好，谢谢您啊。没事没事，祝您找到心仪的工作。谢谢，谢谢，谢谢。
5581张录（教育新思维）
17:03
00:18查看AI文稿AI文稿让文献数据挖掘就像挖萝卜一样简单。还有谁？打开浏览器，进入在线工具，输入关键词检索，点击 premap， 选择目标板块，举行框内可输入文字筛选对应文献，双击打开查看文献详情，点击 patchat， 选择对应分支下的文献，高效获取有价值的信息。爱了爱了！
880美辑编译科研助手
04:15查看AI文稿AI文稿给大家分享一个南海冷门的赛道数据控玩法，目前做的人呢还不多，但是这几个账号呢，涨粉速度非常快，每天就发这种数据排名的视频，不到三个月涨粉十四万， 视频点赞量近两百万。如果呢，你还不知道在抖音上应该去做什么的话，这个呢很适合你。很多人都说抖音呢，现在已经是一片红海，但是抖音的市场上其实很大，能不能做起来呢？ 完全看你选择的垂直领域和赛道。不得不承认的是，抖音上呢，也确确实实存在很多蓝海和很多未知的领域，还没被大家挖掘。 所以呢，一旦能够找到这些冷门的小众赛道，在抖音上分到一杯羹并不是什么难事。像这种数据动图就是小众的方向，创作者收集各种数据，把数据做成动图来进行展示，像这种排行榜数据呢，本来又比较吸引眼球，自带流量， 所以这种账号呢，起号速度非常快。那么这种视频该如何制作呢？下面我把制作步骤呢，我们来说一说，第一个数据来源，第二个数据动图，第三个导出视频，第四个变现模式，第五个注意事项。 先说数据来源，大家可能觉得这种数据来源呢，一般人搞不定，刚刚开始我研究这个项目的时候呢，也觉得数据来源是个大问题，但是 当我深入研究之后，发现真的非常简单。现在呢，有很多大平台已经帮我们统计了各类的数据，我们把这些数据呢直接拿过来就可以用了，并没有大家想象的那么难。 我呢把这些平台给大家整理好了，那我们以火花数图为例，进去看一下，数据模型很丰富，那我们直接去套用就可以了。第二个数据动图，刚开始给大家展示的账号里面呢，这种数据呢是一个动图，那怎么让数据动起来， 有的人可能会说不会这个技术，但是实际上呢，我刚才提到这些平台上都带这个功能，数据本身就会动，还有一些平台可以导入数据，把你收集到的数据呢，给他填进去，他呢就会自动生成数据的动图，所以这种动图呢，不需要我们会什么软件去手动制作。 第三个导出视频，我们能看到数据动起来的动图，但是还没有视频，刚才提到这些平台呢，有的是带这种视频导出功能的，会有一个导出按钮， 直接点击导出视频就能够导出来，但是有个别的没有，没有的话呢，我们直接开一个录屏软件啊，视频的动图给他录下来就可以了，视频的制作呢，并没有大家想象的那么难，那下面呢，我们说一下变现模式。第一个中视频计划，前期呢账号更多的是依赖中视频 计划，如果去看这种账号的话，你会发现他的视频呢，基本上都是在两到三分钟，你可不要小看这样一个数据的动图，他的动图呢是很漫长的，一般呢都能持续两到三分钟，数据会随着时间呢一直在变化。第二个形图广告， 虽然呢现在还没有看到这些账号在接清图广告，但是当这些账号达到几十万粉丝，清图广告也会成为变现的主要来源之一， 所以我们把这种账号做起来之后呢，并不愁变现。第五注意事项，如果你想要获得更多的数据，那是需要你自己手动去查资料的，把我们查到的数据呢 输入到我们的数据平台来制作动图，能够解决数据获取的问题。另外一个就是领域垂直， 抖音打标签的话呢，是根据账号的垂直领域所做的内容打标签，如果你发的内容总是不垂直，可能呢会造成账号打标签比较困难。再一个需要我们保持有规律的更新，坚持输出，不能三天打鱼两天，晒网更新了两天，又断更了一周， 接着又更新了三天，又断更了五天，这样子账号肯定是做不起来的。所以现在我们知道了这样一个小众的蓝海领域，我们一定要抓住这个机会，坚持去输出，才能够在赛道里边做出一定的成绩。好了，今天的分享就先到这吧， 另外关于项目的话，我们群里呢拆解了有三百多个，如果你有需求的话，请在评论区留言，项目我呢免费发给你，你拿去作为参考，觉得对你有帮助，点个赞。好了，今天就到这吧，我们下期再见吧！
03:17查看AI文稿AI文稿如何用互联网工具挖掘出一个蓝海产品卖点？遇猫用以下案例与大家分享交流。这几年可能是大家太焦虑，失眠的人越来越多，遇猫就想失眠又没什么商机。首先，我用关键词挖掘工具。挖掘关键词失眠， 可以发现什么呢？第一，失眠的人都想着治疗，顾客认知充分，不用再教育。顾客，被教育过的市场是优质，机会，转化率会高。 第二，想治疗失眠的人呢？有一半想着去医院，或者说只有一半想着去医院。大家都知道，医院一贵二体验差。但顾客的人性呢？是想要快，想要便宜。 所以这就是另一半被失眠困扰而不选择去医院的人所想的。那针对这部分人群，就卖替代医疗产品，有没有这类产品呢？当然有，他就是褪黑素 宣传，吃了助眠。好，我们现在发现了这样一个机会，那接着要将想法进一步落地。一看需求，二看竞争，三看自己。 一看需求。百度指数搜需求，发现二零一九年初开始暴涨，毕竟这年头睡不着的越来越多了。遇猫看到这种上升线，仿佛看到了顾客迫不及待掏出钱包的样子。二看竞争。看了，需求不错，很旺盛，但还得再看下对手，万一竞争激烈呢？那也不是好项目。 怎么看竞争？给两个方法。一看百度收入量。二看百度广告量。看百度搜索收入数量分别 一千二百万和四百八十万。竞争中低程度不算很激烈。有的人要说了，这么大的量还不算激烈。哪种算激烈？百度搜索羽绒服收入量三千多万，这样才算比较激烈。再看百度 搜索广告数量，褪黑素和褪黑素片分别两三个，算不算多？不算。大家记住，一般来说，热门词的广告为五个。所以从收入量、广告数看出来，竞争度中低。这样从上面的供需分析来看，立刻想到直接通过竞价模式获取流量，再卖产品，就有利可图。 由于治疗失眠，如果去医院，一套流程下来就得上千花费，这就产生毛病效应。跟上医院对比，褪黑素卖个几百完全合理。 长期失眠导致精神状态不佳，长此以往影响工作，这就产生毛病效应。跟工作状态不佳被降职、辞退、失业相比，退黑素卖个几百完全合理。 淘宝上褪黑素产品销售情况第一页汇总。最高价是日本原产，四百六十一盒，价高，卖的依然好。看了这么多，感觉很不错。但货源从 哪里来？直接从阿里巴巴进货，杂牌也就十元，即便你卖一百，那也是极其暴力。没办法，需求旺，竞争低，顾客抢着掏钱，产品价格乱，顾客懒。无力。无心比价，只能看参照。也就是毛定效应。掏钱。 行业三阶段混元初开，万物生长，秩序严明。这还处于第一、第二阶段之中。三、看自己。当然，如果想做得出彩，你得看自己，那就得做好差异化关键词。挖掘褪黑素，得到以下内容。这个结果说明了什么？人性贪生怕死。 大家担心退黑素有副作用，而淘宝现有卖家的卖点是什么？现有卖家还是停留在助眠、睡得快、进口等等。看到这，聪明的你，已经发现一个蓝海卖点被挖掘出来了。
212山哥软件开发
01:09查看AI文稿AI文稿大家好，我是拥有十年网络推广优化经验的小明，上期视频我们说到了常委词的解释和应用，这期我们要去利用网络工具快速去找到该行业相对应的常委词。 我们可以在百度搜索五幺幺八，还有站长工具。首先我们看五幺幺八属于我们想搜索的关键词挖掘，然后进行搜索， 他是默认搜索常委时，我们可以看到，呃，他帮你搜索了罗列了很多常委时的音词量，然后我们按导出数据，就可以存放在我们的本地。 我们再看一下站展工具，我们先点击 su 优化，然后点击关键词挖掘，再输入我们想搜索的常委词， 大家可以看到一样，他会把所有的长尾词全部罗列出来，然后我们按导出数据，就可以把质量都存放在我们的电脑， 一分钟就能搞定。常维持的查询关注我，带你告别传统营销，轻松走进互联网。
175小明说网销
