我们目前已经完成了，把原始的单细胞测序数据，整理成一个结构清晰的 Seurat 对象，但这并不意味着可以直接进行下游分析。 在进行标准分析流程（...

朋友们好，我是小简，从今天开始，我准备陆续分享一些单细胞分析的内容。当然这些内容不是“金标准”，更多是我在实际分析过程中的一些整理和总结，大家可...

我们依次分享了 随机森林、GBDT、XGBoost 这些基于树的集成模型，它们在处理大规模数据时，往往表现出了极强的预测能力和泛化性能。 但是在...

在上一讲中，分享了梯度提升树（GBDT）。GBDT 通过残差拟合和梯度下降的方式，不断叠加弱分类器，从而逐步逼近目标函数，是一种性能非常强大的集...

之前分享了随机森林（Random Forest）。随机森林通过 Bagging 思想，将大量决策树并行训练，再通过投票或平均的方式集成结果，从而...

之前陆续分享了逻辑回归、岭回归、LASSO 回归以及弹性网络回归，这些模型大多属于线性方法。它们在解释性和计算效率上有优势，但当面对高维、非线性...

机器学习02 | LASSO 回归[https://mp.weixin.qq.com/s?__biz=Mzk5MDYwOTg1NA==&mid=...

在生信分析任务中，我们常常面临这样的问题： 给定一组样本的基因表达信息，能否预测它们属于疾病组还是对照组？ 这种问题，本质上就是一个典型的二分类...

因为后续想分享机器学习的内容，所以先写一个序章，理一下机器学习在生信分析中的应用，后续内容会结合生信数据，分享常见模型的原理与应用案例。 机器学...