上一页 1 ··· 15 16 17 18 19 20 21 22 23 ··· 36 下一页
摘要: 这对函数可以看做是一对反义词,看下sparse函数和full函数在matlab中的实现。 从上面几个例子,可以直观知道sparse函数和full函数的作用。这些只是简单的说明的,现在下面讲一个sparse函数常用的用法: S=sparse(i,j,s,m,n,nzmax) 由向量i,j,s生成一个m 阅读全文
posted @ 2020-09-10 21:49 何弈 阅读(499) 评论(2) 推荐(1) 编辑
摘要: 目的:分别探究疾病和年龄的主效应,以及它们的交互效应,并生成连通网络! 环境:window7及以上, matlab2010及以上 一、通过NBS软件实现; 1)软件准备 ① 软件下载连接:https://www.nitrc.org/frs/?group_id=629 ② 软件安装:(参考软件操作手册 阅读全文
posted @ 2020-09-10 20:31 何弈 阅读(438) 评论(0) 推荐(0) 编辑
摘要: Statistical Soup: ANOVA, ANCOVA, MANOVA, & MANCOVA The distinctions between ANOVA, ANCOVA, MANOVA, and MANCOVA can be difficult to keep straight. Befo 阅读全文
posted @ 2020-09-09 21:32 何弈 阅读(1069) 评论(1) 推荐(0) 编辑
摘要: 通过PS 修改图片某个特定部位的颜色 1)先用PS打开图片,如下: 2)选择魔法工具,并且按需求设定参数,如下图: 3) 选中需要修改颜色的部位,如图: 4)挑选自己中意的颜色,如图: 5)使用命令填充颜色(Alt + delete: 填充前置颜色,Ctrl + delete: 填充后置颜色),或者 阅读全文
posted @ 2020-08-18 16:32 何弈 阅读(1318) 评论(0) 推荐(0) 编辑
摘要: 一、如何使两个用mricron打开的图片同步变动坐标 1) 首先,打开mricron, 然后, 点击 "help" —>点击 "Preferences" 2)选中 “Reorient images when loading”, 然后重启Mricron软件。 3)打开两个图片如下,即可同步移动坐标。 阅读全文
posted @ 2020-08-14 14:45 何弈 阅读(4990) 评论(0) 推荐(0) 编辑
摘要: 在circos中,fonts, colors, patterns这3个系统内置的block, 通过同一个配置文件引入,写法如下 <<include etc/colors_fonts_patterns.conf>> 这个文件的内容如下: 通过include, 将color, fonts, patter 阅读全文
posted @ 2020-07-22 21:25 何弈 阅读(338) 评论(0) 推荐(0) 编辑
摘要: 一、结果图展示(进入本节前,保证自己的circos已经安装成功,安装过程请参考之前的笔记!!!): 二、配置文件: 1) 系统属性配置文件:circos.conf,breaks.conf,bands.conf,ideogram.conf,ideogram.label.conf,ideogram.po 阅读全文
posted @ 2020-07-22 21:08 何弈 阅读(716) 评论(1) 推荐(0) 编辑
摘要: Circos (http://circos.ca/) is a very useful tool for generating circular figures. Initially, it is designed for genome network studies, but we also co 阅读全文
posted @ 2020-07-21 08:54 何弈 阅读(1246) 评论(0) 推荐(0) 编辑
摘要: 不管是GMM,还是k-means,都面临一个问题,就是k的个数如何选取?比如在bag-of-words模型中,用k-means训练码书,那么应该选取多少个码字呢?为了不在这个参数的选取上花费太多时间,可以考虑层次聚类。 假设有N个待聚类的样本,对于层次聚类来说,基本步骤就是: 1、(初始化)把每个样 阅读全文
posted @ 2020-07-07 00:31 何弈 阅读(577) 评论(0) 推荐(0) 编辑
摘要: 理解模型正则化:L1正则、L2正则(理论+代码) 0 前言 我们已经知道了模型误差 = 偏差 + 方差 + 不可避免的误差,且在机器学习领域中最重要就是解决过拟合的问题,也就是降低模型的方差。在上一篇文章《ML/DL重要基础概念:偏差和方差》已经列出了如下方法: 降低模型复杂度 减少数据维度;降噪 阅读全文
posted @ 2020-07-02 22:21 何弈 阅读(2109) 评论(0) 推荐(0) 编辑
上一页 1 ··· 15 16 17 18 19 20 21 22 23 ··· 36 下一页
你好