發(fā)簡(jiǎn)信
IP屬地：山東
-
R與機(jī)器學(xué)習(xí)系列|15.可解釋的機(jī)器學(xué)習(xí)算法（Interpretable Machine Learning）（下）今天我們介紹可解釋機(jī)器學(xué)習(xí)算法的最后一部分，基于XGBoost算法的SHAP值可視化。關(guān)于SHAP值其實(shí)我們之前的很多個(gè)推文中都介紹到，不論是R...
-
R學(xué)習(xí)|感受ggplot2的魅力—ggplot2復(fù)現(xiàn)Nature可視化（四）抽空接著更新之前的數(shù)據(jù)可視化。本次主要復(fù)現(xiàn)之前這篇文獻(xiàn)的圖5中的兩個(gè)圖，層級(jí)聚類熱圖和柱狀圖。主要用到ggplot2的基礎(chǔ)繪圖功能、pheatm...
-
機(jī)器學(xué)習(xí)文獻(xiàn)|基于循環(huán)細(xì)胞因子特征，通過(guò)機(jī)器學(xué)習(xí)算法預(yù)測(cè)NSCLC免疫治療結(jié)局今天我們一起學(xué)習(xí)一篇最近發(fā)表在Journal for immunotherapy of cancer （IF 10.9）上的文章，Machine...
-
R與機(jī)器學(xué)習(xí)系列|15.可解釋的機(jī)器學(xué)習(xí)算法（Interpretable Machine Learning）（中）在上次推文中我們介紹了幾種可解釋機(jī)器學(xué)習(xí)算法的常見方法，包括置換特征重要性、偏依賴圖和個(gè)體條件期望及其實(shí)現(xiàn)。本次我們將繼續(xù)介紹其他的用來(lái)解釋機(jī)器...
-
R與機(jī)器學(xué)習(xí)系列|15.可解釋的機(jī)器學(xué)習(xí)算法（Interpretable Machine Learning）（上）Machine learning is changing the world! 在之前的章節(jié)中（見 連載），我們學(xué)習(xí)了如何訓(xùn)練多種不同形式的高級(jí)...
-
一鍵單多因素回歸分析及ggplot2可視化回歸分析結(jié)果之前的推文中多次提到過(guò)autoReg這個(gè)包，用來(lái)實(shí)現(xiàn)一鍵單多因素回歸分析，同時(shí)可以導(dǎo)出回歸分析的結(jié)果為word或ppt格式，只需要簡(jiǎn)單修改下格式...
-
基于基因表達(dá)數(shù)據(jù)通過(guò)mMCP-counter估計(jì)小鼠樣本組織浸潤(rùn)免疫和基質(zhì)細(xì)胞組成引言 在生物信息學(xué)分析中，相信目前估計(jì)樣本免疫細(xì)胞浸潤(rùn)是必不可少的。目前，在R中有多種方法可以實(shí)現(xiàn)上述目的，例如ESTIMATE、CIBERSO...