登录社区云，与社区用户共同成长
邀请您加入社区
t检验（T test），亦称Student's t检验，是统计学中常用的一种假设检验方法，广泛应用于定量资料的两组均数比较。t检验主要用于判断两组样本均值是否存在显著差异，是研究人员在实际应用中最常用的统计检验方法之一。
1.查询期刊的大类及分区；2.查询影响因子；3.期刊汇总
GEO数据下载方法
芯片数据处理样本分组、差异化分析可视化富集分析可视化信号通路
本文介绍了基于单细胞RNA测序数据的pseudo-bulk分析方法。该方法通过合并同一细胞类型的多个单细胞表达数据，生成虚拟bulk样本，以解决单细胞数据稀疏性问题。文章详细演示了操作流程，包括数据加载、细胞类型变量设置、pseudo-bulk数据生成和差异基因分析（使用DESeq2），并展示了标记基因筛选和可视化方法（小提琴图和热图）。该方法能提高差异分析可靠性，减少假阳性，适用于不同细胞类型间
原文链接 : 数据输入与输出一. 使用变量赋值输入数据1.1 知识描述使用变量赋值来完成数据的输入，是几乎所有数据分析平台通用的基础内容，一般适用于人脑可以适应的小型数据样本，比如你现在是一名老师，十几名学生经历了期中考试，现在成绩已出，你需要知道学生成绩的相关统计数据，那么最直接的办法就是使用R的赋值输入，直接使用键盘敲入数据，本节将详细介绍如何使用R的赋值命令输入你所需要分析的数据。1.2 相
在使用Excel函数公式的时候，您是否碰到过输入公式，按下Enter键之后，单元格仍只显示公式，而不显示计算结果。工具/原料Excel教程以Excel2013为例方法/步骤教程以新建的电子文档为例来介绍如何解决输入公式后只显示公式却不计算。...
Chapter 2 Data Collection本篇是第二章，内容是数据收集。
掌握一个领域的知识需要系统的去学习，只通过一本书所学到的知识是远远不够的。此外，除了与该领域相关的技术，对应的产业发展也是格外重要。本文便以机器学习为例，由浅入深，并结合相关领域其它技术、产业等方面，为读者推荐了丰富的书目资源。一张“迷你地图”，教你如何进击机器学习！由图可见，想要进击机器学习，成为机器学习方面的专家，那么你需要从入门、深度学习、数据科学、R语言、Python、金融、专家级等多方面
它集成了多种统计和机器学习方法，如GLM、GAM、SVM等，允许用户预测和分析物种在不同环境条件下的地理分布。针对当前生态和环境问题，如气候变化和生物入侵，课程包括专题讨论和案例研究，帮助学员理解物种分布模型在解决这些全球问题中的实际应用和潜力。不仅限于生态模型的构建，还包括数据科学技能的培养，如数据预处理、统计分析和结果可视化，这些技能在当今数据驱动的科研和政策制定中极为重要。覆盖多种模型和技术
Chapter 8 ANOVA本篇是第八章，内容是方差分析。前一段考试，汇报，作业。忙不过来，停更了一段时间，现在重新开始更这一部分内容。方差分析是很多实验的基础以及很重要的分析手段，这一章内容相比较而言比较多。
系谱计算的是IBD，同胞，半同胞，表兄弟，都是有亲戚关系的，他们性格，长相相似，是有依据的，因为他们由IBD计算的血缘相似性较高。根据SNP或者SSR计算的是IBS，虽然两个人没有亲戚，但依旧有很高的相似性（比如长相，性格，体型，爱好等），这说明两者的IBS计算的相似性较高。，怎么推断呢，比如0.25是半同胞，0.5是全同胞或者亲子关系，写到这里，我突然想到，人类的亲疏是根据IBD划分的，亲子关系
MEBOCOST是一种用于从单细胞RNA测序（scRNA-seq）数据中定量推断代谢物介导的细胞间通讯的算法。该方法识别代谢物（如脂质）由发送细胞合成并分泌，随后作用于接收细胞传感器蛋白（包括细胞表面受体跨膜转运蛋白与核受体）的过程。依托一个人工整理的代谢物-传感器配对数据库，MEBOCOST 根据合成酶与传感器表达量，系统判定细胞间的代谢信号传递关系。在小鼠棕色脂肪组织（BAT）中，MEBOCO
本期将给大家介绍如何从NCBI上下载单细胞测序数据，以及应用“Seurat”R包读取10x Genomics格式（.mtx/.tsv）单细胞数据。PS. 本期主要介绍10x Genomics格式（.mtx/.tsv），其他格式的单细胞数据的下载与读取会陆续在后面几期介绍。
原文链接：http://tecdat.cn/?p=3805我们在这里讨论所谓的“分段线性回归模型”，因为它们利用包含虚拟变量的交互项（点击文末“阅读原文”获取完整代码数据）。读取数据data=read.csv("artificial-cover.csv")查看部分数据head(data)##tree.cover shurb.grass.cover## 113.2...
今天接着单细胞文章的内容：从Cell学单细胞转录组分析(一):开端！！！跟着Cell学单细胞转录组分析(二):单细胞转录组测序文件的读入及Seurat对象构建跟着Cell学单细胞转录组分析(三):单细胞转录组数据质控（QC）及合并去除批次效应跟着Cell学单细胞转录组分析(四):单细胞转录组测序UMAP降维聚类跟着Cell学单细胞转录组分析(五):单细胞转录组marker基因鉴定及细胞群注释前面几
Chapter 5 Estimation本篇是第五章，内容是参数估计。
R语言中的数据框(Data Frame)是数据分析的核心数据结构，相当于增强版矩阵，支持不同数据类型的列。创建数据框可使用data.frame()函数，需注意字符串列默认转为因子的问题。查看数据框可使用nrow()、summary()等函数。访问元素可通过$符号或行列索引，筛选数据则使用条件查询或subset()函数。修改数据框包括更新值、添加列(rbind)和行(cbind)等操作。数据框操作涵
这里我对交叉验证法产生了误解，因为绘制P-R曲线和ROC曲线需要多个混淆矩阵得到多个点来连线，但是10折交叉验证法不是用来得到多个混淆矩阵的方法，正确的方法应该是改变判断阈值，导致我的曲线绘制如下。"n_classes"是指分类的类别数，这里'n_classes=2'就是指该分类任务是一个二分类任务，"random_state"是随机种子，用于控制生成数据集的随机性。这里我们用KFold()就可以
1、R语言的起源R语言于1995年问世，是由统计学家开发的最古老的编程语言之一。同时，R语言是专门为机器学习和数据科学设计的编程语言。2、R语言的优点（1）R语言拥有丰富的库，这也使其成为统计分析工作的首选之一。（2）CRAN（R综合档案网络的简称）大约有12000个软件包，可用于执行数据挖掘以及时间序列分析。（3）R语言由各种统计应用程序的程序包组成。因此，它非常适用于统计分析。（4）R语言拥有
结构上，Faster RCNN已经将特征抽取(feature extraction)，proposal提取，bounding box regression(rect refine)，classification都整合在了一个网络中，使得综合性能有较大提高，在检测速度方面尤为明显。Faster R-CNN是截止目前，RCNN系列算法的最杰出产物，two-stage中最为经典的物体检测算法。...
但是怎么做出来这个P for overall我是清楚的，有个R包叫plotRCS，这个包是可以生成出P for overall这个结果的，我就以这个包的方法来演示一下怎么做P for overall。文章到此结束啦，内容有点短，主要是最近有点头绪了，正在编写Nhanes数据，也就是复查加权数据的亚组交互效应函数（P for interaction），用于一键生成交互效应表，占用了部分时间,这个工程
算法四：支持向量机原文链接：http://www.52analysis.com/R/1625.html说到支持向量机，必须要提到july大神的《支持向量机通俗导论》，个人感觉再怎么写也不可能写得比他更好的了。这也正如青莲居士见到崔颢的黄鹤楼后也只能叹“此处有景道不得”。不过我还是打算写写SVM的基本想法与libSVM中R的接口。一、SVM的想法回到我们最开始讨论的KNN算法，它
r语言
——r语言
联系我们（工作时间：8:30-22:00）
400-660-0108 kefu@csdn.net
DAMO开发者矩阵
