回归问题常用的就是线性回归。在R中用的是lm（），而python中都封装在scikit-learn里。一、数据准备用的是书上的housing数据，如下图：这个数据包含10个变量，一共有20640行，当然里面也有一些NA值。假如我们现在要研究median house value与哪些因素有关，并预测其值。对于这个问题，由于median house value是一个数值型变量，所以最适合用线性回归。分

optuna使用教程

最近几天没碰编程，浑身难受，日子过的浑浑噩噩，还是得每天接触下编程。相较于核磁分析，我感觉统计建模更对我的胃口。今天写卡方检验（χ2检验，chi-square test）。医学中最最常见的就是四格表的卡方检验，spss教材上计算四格表资料的卡方检验结果值有：Pearson chi-square 、Continuity correction 、Likelihood ratio 、 Fisher’s.

医学中最常设计的试验就是病例对照研究，以探究某一干预措施是否有改善性。需要根据基线的情况，选择相应的方法。试验数据如下：（声明：该数据是随机自动生成的，虚拟的，该计算结果不代表任何真实的事情，该数据不适用于现实世界。）数据由试验组长病程10名，试验组短病程10名，对照组10名组成，干预手段为减肥。一、两组病例对照研究常用的三种方法（1）T检验法，将结果进行T检验。因为基线齐，说明两组干预前组间差异

fMRI主要用于研究脑的功能。全程：functional magnetic resonance imaging原理：基于神经元功能活动对局部氧耗量和脑血流影响程度不匹配所导致的局部磁场性质变化的原理。总结，就是rest状态下，局部氧耗量（含氧血红蛋白变成脱氧血红蛋白的过程）与脑血流作为磁场信号基线，当tesk状态下，两者信号差变大，就形成了fMRI，而差值变大的原因就是脑神经元耗氧量明显增加...

富人俱乐部表示一些少数的重要节点（hub，又称枢纽）相互之间表现出更强更紧密的连接，并且构成1个结构核心和功能枢纽。之前对这个总是不理解，看定义也是说from 1 to node-1，当我用48个节点算出来47个系数时，问题来了，这47个混合着数字和NaN的是呈啥意思，是什么连接什么，代表什么，没搞清楚。一直在知网和PubMed上寻找答案，当看到rich-club的公式时，我才有点恍然大悟的感..

现在欢迎使用Markdown编辑器你好！ 这是你第一次使用 Markdown编辑器 所展示的欢迎页。如果你想学习如何使用Markdown编辑器, 可以仔细阅读这篇文章，了解一下Markdown的基本语法知识。新的改变我们对Markdown编辑器进行了一些功能拓展与语法支持，除了标准的Markdown编辑器功能，我们增加了如下几点新功能，帮助你用它写博客：全新的界面设计 ，将会带来全新的...

今天看到别人的文章，说到了随机森林可视化，于是尝试了下：windows版本安装:1.在下面去下载window的exe安装包，安装graphviz。在路径选项，点击add path to computer，然后后面全部点确定就行。安装好以后，打开powershell,输入dot -version，就可以看到安装成功了。2.安装pygraphviz和pybaobabdt主要是使用Pybaobabdt来

matlab 运行报错含有 file2mat 字样原因：matlab的路径设置有错误。点开matlab的设置路径，要满足以下条件：删除掉REST文件夹，SPM需要添加文件夹（非文件夹及子文件夹），DPABISurf需要添加文件夹及子文件夹。2.matlab 运行报错 error detected during running fmriprep, please check !原因：docker没有打

以下为我的个人经验，主要用于分享和讨论，未关注内容的严谨性，仅供讨论和互相学习。什么是机器学习我的理解：机器学习是用于预测和分类的模型。这个模型是一个总称，其中包括监督学习的K近邻、线性回归、逻辑回归、SVN等，无监督学习的K平均、分层聚类、最大期望等。相较于传统的多因素分析而言，机器学习的这些算法对变量分布和特性（线性、独立不相关等）基本无要求，不需要前提假设，而传统多因素分析中则建立在强假设下