几大平台的markdown测试

我想测试几大平台的markdown支持情况,做了一下对比。发现csdn支持最好,但是简易程度上,简书可以上传图片(复制粘贴的形式),因此简书最方便。

原始代码:

#### 模型
$ y_{ij} = h_i + a_j + e_{ij} $
其中
$ y_{ij} = $ 第i个牧场第j头奶牛的产奶量,即表型观测值

$ h_{i} = $ 第i个牧场对奶牛的效应值,即固定环境效应

#### 矩阵形式
$ y = Xh + Za + e $
#### 假定
$$ E(a) = E(e) = 0 \\
Var(a) = G = {\sigma_a}^2 * A \\
Var(e) = R = {\sigma_e}^2 * I $$
其中随机因子构成的矩阵为**G矩阵**,残差构成的矩阵是**R矩阵**,A是**亲缘关系矩阵**
#### 混合线性方程组
$$ \begin{bmatrix}
X'X & X'Z \\
Z'X & Z'Z + A^{-1}K \end{bmatrix} 
\begin{bmatrix}
\widehat{\mu} \\
\widehat{\alpha} \end{bmatrix}=
\begin{bmatrix} X'Y \\ Z'Y \end{bmatrix} $$
其中$A_{-1}$ 是A的逆矩阵,X'是X的关系矩阵,Z'是Z的关系矩阵,$ k = \frac{{\sigma_e}^2}{{\sigma_a}^2} $

### 个体育种值估计的准确性

> 育种值的准确性:由估计育种值与真实育种值之间的相关系数$r_{a_i\widehat{a_j}}$来度量。其公式为 $$ r_{a_i\widehat{a_j}} = \frac{Cov(a_i,\widehat{a_i})}{\sigma_{a_i}\sigma_{\widehat{a_i}}} = \sqrt{\frac{{\sigma_a}^2 - d_{a_i}{\sigma_e^2}} {{\sigma_a}^2}} = \sqrt{1 - \frac{se^2}{{\sigma_a}^2}}  \\ $$ 其中, $ d_{ai}*Ve $是BLUP的标准误的平方,如果更进一步考虑,也可以考虑近交系数。

简书

  • 不支持公式
  • 不支持表格


    result

cnds

  • 支持公式
  • 支持表格


R中的Rmarkdown

部分支持,公式
也可能是我的公式不规范。


a

图片.png

Jupyter

  • 支持公式
  • 支持表格


    图片.png

结论

1,markdown中支持最好的是csdn,简书不支持数学公式和表格,
2,Rmarkdown虽然也支持,但是对公式的支持不太友好。
3,用Jupyter是最好的交互界面,可以保存为markdown格式,上传到csdn上面。

简书比较好的一面是它可以支持图片粘贴,直接生成图片的引用格式,这是我使用它的主要原因。

最后编辑于
©著作权归作者所有,转载或内容合作请联系作者
  • 序言:七十年代末,一起剥皮案震惊了整个滨河市,随后出现的几起案子,更是在滨河造成了极大的恐慌,老刑警刘岩,带你破解...
    沈念sama阅读 214,444评论 6 496
  • 序言:滨河连续发生了三起死亡事件,死亡现场离奇诡异,居然都是意外死亡,警方通过查阅死者的电脑和手机,发现死者居然都...
    沈念sama阅读 91,421评论 3 389
  • 文/潘晓璐 我一进店门,熙熙楼的掌柜王于贵愁眉苦脸地迎上来,“玉大人,你说我怎么就摊上这事。” “怎么了?”我有些...
    开封第一讲书人阅读 160,036评论 0 349
  • 文/不坏的土叔 我叫张陵,是天一观的道长。 经常有香客问我,道长,这世上最难降的妖魔是什么? 我笑而不...
    开封第一讲书人阅读 57,363评论 1 288
  • 正文 为了忘掉前任,我火速办了婚礼,结果婚礼上,老公的妹妹穿的比我还像新娘。我一直安慰自己,他们只是感情好,可当我...
    茶点故事阅读 66,460评论 6 386
  • 文/花漫 我一把揭开白布。 她就那样静静地躺着,像睡着了一般。 火红的嫁衣衬着肌肤如雪。 梳的纹丝不乱的头发上,一...
    开封第一讲书人阅读 50,502评论 1 292
  • 那天,我揣着相机与录音,去河边找鬼。 笑死,一个胖子当着我的面吹牛,可吹牛的内容都是我干的。 我是一名探鬼主播,决...
    沈念sama阅读 39,511评论 3 412
  • 文/苍兰香墨 我猛地睁开眼,长吁一口气:“原来是场噩梦啊……” “哼!你这毒妇竟也来了?” 一声冷哼从身侧响起,我...
    开封第一讲书人阅读 38,280评论 0 270
  • 序言:老挝万荣一对情侣失踪,失踪者是张志新(化名)和其女友刘颖,没想到半个月后,有当地人在树林里发现了一具尸体,经...
    沈念sama阅读 44,736评论 1 307
  • 正文 独居荒郊野岭守林人离奇死亡,尸身上长有42处带血的脓包…… 初始之章·张勋 以下内容为张勋视角 年9月15日...
    茶点故事阅读 37,014评论 2 328
  • 正文 我和宋清朗相恋三年,在试婚纱的时候发现自己被绿了。 大学时的朋友给我发了我未婚夫和他白月光在一起吃饭的照片。...
    茶点故事阅读 39,190评论 1 342
  • 序言:一个原本活蹦乱跳的男人离奇死亡,死状恐怖,灵堂内的尸体忽然破棺而出,到底是诈尸还是另有隐情,我是刑警宁泽,带...
    沈念sama阅读 34,848评论 5 338
  • 正文 年R本政府宣布,位于F岛的核电站,受9级特大地震影响,放射性物质发生泄漏。R本人自食恶果不足惜,却给世界环境...
    茶点故事阅读 40,531评论 3 322
  • 文/蒙蒙 一、第九天 我趴在偏房一处隐蔽的房顶上张望。 院中可真热闹,春花似锦、人声如沸。这庄子的主人今日做“春日...
    开封第一讲书人阅读 31,159评论 0 21
  • 文/苍兰香墨 我抬头看了看天上的太阳。三九已至,却和暖如春,着一层夹袄步出监牢的瞬间,已是汗流浃背。 一阵脚步声响...
    开封第一讲书人阅读 32,411评论 1 268
  • 我被黑心中介骗来泰国打工, 没想到刚下飞机就差点儿被人妖公主榨干…… 1. 我叫王不留,地道东北人。 一个月前我还...
    沈念sama阅读 47,067评论 2 365
  • 正文 我出身青楼,却偏偏与公主长得像,于是被迫代替她去往敌国和亲。 传闻我的和亲对象是个残疾皇子,可洞房花烛夜当晚...
    茶点故事阅读 44,078评论 2 352

推荐阅读更多精彩内容