统计分析与数据挖掘
-
- 贝叶斯方法的概念
-
- 参数检验和非参数检验
-
- 统计方法-小知识
-
- X-tile 使用:找到最佳Cut-off
-
- Normalization和Standardization的差异
-
- P值(P-value)和power的区别
-
- 变异数据处理（4）
-
- 变异数据处理（3）
-
- 变异数据处理（2）
-
- 九、随机森林
-
- 七、lasso回归
-
- 随机森林算法及其实现
-
- R实战|卡方检验及其可视化
-
- 主成分分析（PCA）& 主坐标分析（PCoA）——R包绘图（2D
-
- 为什么使用PHATE进行降维
-
- 生存分析2-5-1/2
-
- R数据分析：孟德尔随机化分析文献解析和实例操练
-
- 卡方检测
-
- 非约束排序3 主成分分析（PCA）-基于Hellinger转化的
-
- 非约束排序2 主成分分析（PCA）第五章
-
- 非约束排序1—概述 （数量生态学：R语言的应用第五章）
-
- 聚类分析8—顺序聚类和模糊聚类（数量生态学：R语言的应用 第四章
-
- 聚类分析6—指示物种（数量生态学：R语言的应用 第四章）
-
- 聚类分析5—物种集合-数量生态学：R语言的应用 第四章
-
- 聚类分析4—环境数据来解释 (数量生态学：R语言的应用-第四章)
-
- 数量生态学：R语言的应用—第四章聚类分析2-解读和比较层次聚类结
-
- 《数量生态学：R语言的应用》第二版第三章--R模式
-
- 《数量生态学：R语言的应用》第二版第三章-关联测度与矩阵----
-
- 组间分析—T检验、R语言绘图
-
- 《数量生态学：R语言的应用》第二版阅读笔记2
-
- 《数量生态学------R语言的应用》第二版阅读笔记1
-
- 生存分析理论基础及代码实践
-
- 最大互信息系数（MIC）与minepy的使用
-
- 傻傻分不清的：归一化(normalization)和标准化(st
-
- 【机器学习与R语言】13- 如何提高模型的性能？
-
- R语言meta分析（10）功能强大的metafor
-
- 概率统计（共4篇）——4 方差分析
-
- PCA 结果用于层次聚类
-
- 主成分分析在R语言里面的实现（PCA学习笔记）
-
- 算法学习-基本操作执行次数
-
- 处理数据要像上厕所一样，完事之后要看一眼自己的“粑粑”
-
- 算法学习-时间复杂度和空间复杂度
-
- Seurat包学习笔记（七）：Stimulated vs Con
-
- K近邻(KNN)算法详解及Python实现
-
- 统计学（76）-线性回归的应用条件
-
- 统计学（75）-回归系数的正确理解
-
- 统计学（74）-识别回归模型的好坏
-
- 统计学（73）-线性回归是干什么的？
-
- 统计学（72）-线性相关系数及其置信区间
-
- 关于统计模型和机器学习模型的区别
生物学数据分析
