Data science
-
- 论文阅读“Multi-View Clustering for O
-
- 跟着Nature学作图：R语言ggplot2频率分布直方图和散点
-
- 心理生理交互作用（PPI）分析批处理（含ROI制作）
-
- 决策曲线分析DCA用于lasso回归/随机森林
-
- 跟着BioRxiv学作图：R语言ggalluvial包绘制桑基图
-
- R可视化——地图绘制及数据的添加
-
- 多视图高斯过程（Gaussian Process） - part
-
- R-论文三线表快速实现-update
-
- 自写微生物数据分析的R包
-
- MachineLearning 8. 癌症诊断机器学习之随机森林
-
- 树+神经网络算法强强联手（Python）
-
- Seurat处理Visium数据
-
- 跟着Science学作图：R语言ggplot2画箭头展示变量对主
-
- Autoencoder降维可视化
-
- 16《Python 原生爬虫教程》数据可视化
-
- 单细胞文献阅读023--肿瘤浸润髓系细胞的pan-cancer单
-
- 从统计学的角度理解RNA-seq
-
- R语言作图——Circular bar plot(环形柱状图)
-
- 【实战篇】集成算法建模（三）
-
- 【实战篇】集成算法建模（二）
-
- 机器学习交叉验证的数据分割算法
-
- 十一、timeROC
-
- 九、随机森林
-
- Bootstrap 1 介绍
-
- 误差棒四种实现方式
-
- 单细胞数据的降维
-
- 为什么使用PHATE进行降维
-
- 广义线性模型一（Generalized Linear Model
-
- Efficient and Accurate Arbitrary
-
- 决策树与随机森林——原理篇（二）
-
- 第11章 降维
-
- 变量筛选之WOE和IV
-
- Nature Reviews Genetics| 在基因组学中应
-
- 数据分析统计学必知 —— 描述性统计之基本的统计量
-
- 全面归纳距离和相似度计算方法
-
- 数据分析：数据预处理--标准化方法优劣了解（二）
-
- 机器学习--无监督--PCA主成分分析
-
- IOBR:一个R包带你走进数据挖掘的殿堂
-
- 组内相关系数的意义及R语言实现
-
- 机器学习--有监督--GBM(Boosting)
-
- 机器学习--有监督--支持向量机SVM
-
- 方差分析（analysis of variance）基本概念
-
- 数据处理之归一化、标准化、正则化
-
- filt3d通过卷积过滤带遮罩的图像（矩阵），R语言imagef
-
- 神经网络拟合能力的提升之路（Pyhton）
-
- 一文概览神经网络模型
-
- 一文深度解读模型评估方法
-
- 【机器学习】支持向量机：SVM,support vector m
-
- 【机器学习】样本处理：Bootstrapping
-
- 【论文精读】决策树：XGBoost: A Scalable Tr
数据科学和分析的一切
