机器学习基础篇（十二）——多层感知机一、概述多层感知机（MLP：Multi-Layer Perceptron）由感知机(PLA: Perceptron Learning Algorithm)推广而来。它最主要的特点是有多个神经元层，因此也叫深度神经网络(DNN: Deep Neural Networks)。感知机是单个神经元模型，是较大神经网络的前身。神经网络的强大之处在于它们能够学习训练数据中的

知识蒸馏将已经训练好的模型包含的知识，蒸馏到另一个模型中teacher 模型只在训练的过程中使用一个teacher可以用于蒸馏多个studentloss分为两个部分第一部分称为Lsoft:（两个分布之间的loss）第二部分称为Lhard:（两个确定值之间的loss)

生信入门（六）——单细胞分析（Seurat）文章目录生信入门（六）——单细胞分析（Seurat）一、数据导入1、数据来源2、数据导入二、标准预处理1、QC和选择细胞进行进一步分析2、规范化数据3、识别高度可变的特征（特征选择）4、缩放数据三、主成分分析（PCA）1、线性降维2、确定数据集的“维度”四、聚类细胞五、非线性降维（UMAP/tSNE）六、寻找差异表达的特征（簇生物标志物）一、数据导入1、

机器学习基础篇（十二）——多层感知机一、概述多层感知机（MLP：Multi-Layer Perceptron）由感知机(PLA: Perceptron Learning Algorithm)推广而来。它最主要的特点是有多个神经元层，因此也叫深度神经网络(DNN: Deep Neural Networks)。感知机是单个神经元模型，是较大神经网络的前身。神经网络的强大之处在于它们能够学习训练数据中的

图神经网络 基础知识篇 club俱乐部数据demo

机器学习应用篇（七）——基于LightGBM的分类预测文章目录机器学习应用篇（七）——基于LightGBM的分类预测一、Introduction1 LightGBM的优点2 LightGBM的缺点二、实现过程1 数据集介绍2 Coding三、KeysLightGBM的重要参数基本参数调整针对训练速度的参数调整针对准确率的参数调整针对过拟合的参数调整一、IntroductionLightGBM是扩展

机器学习应用篇（五）——决策树分类实例文章目录机器学习应用篇（五）——决策树分类实例一、数据集二、实现过程1 数据特征分析2 利用决策树模型在二分类上进行训练和预测3 利用决策树模型在多分类（三分类）上进行训练与预测三、KEYS1 构建过程2 划分选择3 重要参数一、数据集小企鹅数据集该数据集一共包含8个变量，其中7个特征变量，1个目标分类变量。共有150个样本，目标变量为 企鹅的类别 其都属于企

RepeatMasker安装及使用文章目录RepeatMasker安装及使用一、安装1. RMBlast序列搜索引擎2.TRF搜索串联重复序列3. repeatmasker下载4. Repbase数据库5. 配置repeatmasker依赖关系二、使用1.参数说明2.输入3. 使用RepeatMasker三、结果1. masked文件2. out文件3. out.gff文件（和.out文件完全一样