- 博客(19)
- 资源 (4)
- 收藏
- 关注
RSS订阅原创 R进度条实现
R进度条实现发现一个包progress，可以在服务器中R实现进度条。包的地址：https://github.com/r-lib/progressinstall.packages("progress")library(progress)pb <- progress_bar$new(total = pp) ## pp是循环次数for (i in 1:pp) { #此处是循环内容 pb$tick() Sys.sleep(1 / 100)}写了个小函数，实现
2021-05-11 20:59:19
711
1
转载 ggplot2 分面相关设置（facet）
总结学习，ggplot 1.0，2.0 后，已经大致画出符合需求的图，并能对坐标轴，图例进行修改。分面画图，和一页多图可以更好的将数据分类展示出来。分面分面分成两种网格分面（facet_grid()）,封装分面（facet_wrap()）.其中都含有两种分面属性：指定分面，分面标度。指定分面网格指定分面(矩阵) 写法 理解一行多列 “. ~ a” 按a分面,行...
2019-09-02 08:24:11
14078
2
转载 中介效应分析
转自：http://blog.sina.com.cn/s/blog_7fb03f7d010145dz.html1.中介效应分析概述中介效应分析广泛用于社会科学研究(Wood, Goodman, Beckmann, & Cook, 2008)，如心理学(MacKinnon, Fairchild, &Fritz, 2007; Rucker, Preacher, Tor...
2019-09-01 17:05:42
56660
转载 如何通俗易懂地解释「协方差」与「相关系数」的概念？（转）
一、协方差：可以通俗的理解为：两个变量在变化过程中是同方向变化？还是反方向变化？同向或反向程度如何？你变大，同时我也变大，说明两个变量是同向变化的，这时协方差就是正的。你变大，同时我变小，说明两个变量是反向变化的，这时协方差就是负的。从数值来看，协方差的数值越大，两个变量同向程度也就越大。反之亦然。 咱们从公式出发来理解一下： 公式简单翻译一下是：如果有X,Y两个...
2018-11-22 16:39:27
817
1
转载 十六进制配色（ggplot2配色）
&amp;lt;p&amp;gt;颜色代码表：以下样色显示您可能觉得不够精确，这和电脑显示器有直接关系。您可查看颜色代码，绝对正确，绝无重复。&amp;lt;/p&amp;gt;16位进制代码颜色效果#FFFFFF#FFFFCC#FFFF99#FFFF66#FFFF33#FFFF00
2018-11-08 16:58:25
64412
原创 KEGG
LINKNamelink – find related entries by using database cross-referencesURL formhttp://rest.kegg.jp/link/<target_db>/<source_db><target_db> = <database><source_db> = <database><database> = pathway | brite |
2018-06-14 14:13:39
2509
2
原创 统计知识点
积分方均误差（IMSE，Integrated Mean Squared Error）：∫xMSE(x)w(x)dx∫xMSE(x)w(x)dx\int_{\rm{x}}^{} {MSE(x)w(x)dx}标准化均方根误差（SMSE，Scaled Mean Squared Error）：SMSE=IMSEVar(f)SMSE=IMSEVar(f)SMSE = \frac{{IMSE}}{...
2018-06-08 22:08:11
1212
4
原创 广义交叉验证（GCV）
广义交叉验证（Generalized Cross-Validation ,GCV）GCV=1N∑Nn=1[yn−f(Xn)]2[1−df/N]2=1NRSS[1−df/N]2GCV=1N∑n=1N[yn−f(Xn)]2[1−df/N]2=1NRSS[1−df/N]2GCV{\rm{ = }}\frac{1}{N}\frac{{{{\sum\nolimits_{n = 1}^N {\left[ ...
2018-06-05 17:23:59
25567
1
原创 linux常用命令总结
打开可执行程序：./gemma （如果遇到权限不够输入：chmod 777 ./gemma） 获取root权限：sudo su 安装软件：apt-get install r-base 查看ip地址：ifconfig
2018-06-03 11:31:10
177
转载 正则化和范数
L1范数： ||X||1=(|x1|+|x2|+...+|xn|)L2范数： ||X||2=(|x1|2+|x2|2+...+|xn|2)12特别的，L0范数：指向量中非零元素的个数。无穷范数：指向量中所有元素的最大绝对值。L1正则化和L2正则化可以看做是损失函数的惩罚项。所谓『惩罚』是指对损失函数中的某些参数做一些限制。对于线性回归模型，使用L1正则化的模型建叫做Lasso回归，使用L2正则化的...
2018-06-02 16:30:40
3284
转载 最小二乘法和梯度下降法有哪些区别？
最小二乘法的目标：求误差的最小平方和，对应有两种：线性和非线性。线性最小二乘的解是closed-form即，而非线性最小二乘没有closed-form，通常用迭代法求解。迭代法，即在每一步update未知量逐渐逼近解，可以用于各种各样的问题（包括最小二乘），比如求的不是误差的最小平方和而是最小立方和。梯度下降是迭代法的一种，可以用于求解最小二乘问题（线性和非线性都可以）。高斯-牛顿法是另一种经常用...
2018-05-30 10:31:09
1204
原创 glmnet包-简要
cv.glmnet Cross-validation for glmnetdeviance.glmnet Extract the deviance from a glmnet objectglmnet fit a GLM with lasso or elasticnet regularizationglmnet.c...
2018-05-28 10:30:27
10152
原创 矩阵的迹和矩阵范数
矩阵的迹:定义：在线性代数中，一个n×n矩阵A的主对角线（从左上方至右下方的对角线）上各个元素的总和被称为矩阵 A的迹（或迹数），一般记作tr(A)。迹是所有对角元的和迹是所有特征值的和某些时候也利用tr(AB)=tr(BA)来求迹trace（mA+nB）=m trace（A）+n trace（B）Matrix norm（矩阵范数）： 定义：一个在的矩阵上的矩阵...
2018-05-28 10:27:22
24804
3
原创 apply、lapply、sapply
apply: apply ( X , MARGIN = 1, FUN = mean ) # margin=1代表按行处理，margin=2代表按列处理lapply: lapply ( X , mean ) # X为列表时，按列表返回输出。sapply：和lapply比较相似 sapply（X , mean ）# X返回向量形式的输出...
2018-05-03 14:40:35
1888
原创 R语言中缺失值的替换——均值替换
> A=matrix(floor(rnorm(20,0,4)),4,5)> A[2,5]=NA> A [,1] [,2] [,3] [,4] [,5][1,] 6 1 -3 0 -3[2,] -7 -1 1 -6 NA[3,] -5 3 -10 4 -3[4,] -5 1 -8 -2 ...
2018-05-02 16:15:15
22660
转载 R语言中统计分布和模拟
转载自：https://www.cnblogs.com/cloudtj/articles/5676624.html前言 很多应用都需要随机数。像interlink connection，密码系统、视频游戏、人工智能、优化、问题的初始条件，金融等都需要生成随机数。但实际上目前我们并没有“真正”的随机数生成器，尽管有一些伪随机数生成器也是非常有效的。目录 1. 概率统计分布概述 2. 随机函数模拟介...
2018-04-23 14:32:53
15483
原创 不同两两比较方法的比较
t检验：两独立样本均数的比较。 LSD检验：多个均数之间的两两比较。LSD为最小显著差异（least significant difference）t检验。适用于某一对或几对在专业上有非凡价值的均数间差别的比较。提供P值。 SNK-q检验：适用于多个均数的两两比较，常用于探索性研究。只告诉有无差异，不提供精确P值。S-N-K方法是一种有效划分相似性子集的方法。该方法适合于各水平观测值个数...
2018-04-21 21:07:34
12599
转载 贝叶斯网络学习
状态空间搜索：如果按专业点的说法就是将问题求解过程表现为从初始状态到目标状态寻找这个路径的过程。通俗点说，两点之间求一线路，这两点是求解的开始和问题的结果，而这一线路不一定是直线，可以是曲折的。由于求解问题的过程中分枝有很多，主要是求解过程中求解条件的不确定性，不完备性造成的，使得求解的路径很多这就构成了一个图，我们说这个图就是状态空间。问题的求解实际上就是在这个图中找到一条路径可以从开始到结果。...
2018-04-21 12:22:28
3218
转载 卡方检验有序分组的分析
当“分析变量”是有序多分类变量时，分组变量不是有序多分类变量时，比如2种教学方式的满意度“非常差，差，一般，好，非常好”，这时的满意度就是分析变量，教学方式是分组变量，这个时候需要用秩和检验，结果如果有差异，看平均秩次，平均秩次越大，满意度越好。当“分组变量”是有序多分类变量时，分析变量不是有序多分类变量时，比如，不同年龄段（20-，30-，40-，50-，）的疾病患病率情况，这个时候不同年龄段是...
2018-04-19 15:17:20
9978
空空如也
TA创建的收藏夹 TA关注的收藏夹
TA关注的人