生存分析（Survival Analysis）是统计学中用于分析“事件发生时间”的一种方法，最初用于研究患者的生存时间（如死亡时间），后来扩展到其他领域。其核心特点是能处理删...
发简信
IP属地：河北
-
在线生存分析（单因素、多因素、对比分组） -
-
如何使用列线图快速评估风险、预后或诊断结果列线图（诺模图，Nomogram）在医学和生物学领域广泛应用，主要用于多变量预测模型的直观可视化，帮助医生、研究者或患者快速评估风险、预后或诊断结果，而无需复杂计算。 (1)...
-
如何利用机器学习分析筛选生物标记物在生物信息学中，Lasso回归、随机森林（Random Forest）和XGBoost因其各自的特性和优势，被广泛应用于基因组学、蛋白质组学、药物发现和疾病机制研究等领域。 ...
-
xgboost 机器学习在生物信息学中的应用XGBoost（eXtreme Gradient Boosting） 是一种基于梯度提升决策树（Gradient Boosting Decision Tree, GBDT）的...
-
如何选择数据降维分析方法降维方法在数据分析和可视化中至关重要，不同方法各有特点，适用于不同场景。 1. PCA（主成分分析） 原理：线性降维，通过正交变换将数据投影到方差最大的方向（主成分）。 特点...
-
在线 NMDS 降维分析NMDS（Non-Metric Multidimensional Scaling，非度量多维尺度分析）是一种降维可视化技术，用于分析复杂数据（如物种组成、基因表达、生态群落等...
-
在线 tsne 降维分析t-SNE（t-Distributed Stochastic Neighbor Embedding）是一种非线性降维技术，专门用于将高维数据（如单细胞RNA-seq、图像特征...
-
在线 UMAP 降维分析UMAP（Uniform Manifold Approximation and Projection）是一种非线性降维算法，专门用于将高维数据（如单细胞RNA-seq、基因组...
-
在线 PCoA 降维分析PCoA（Principal Coordinate Analysis，主坐标分析），也称为经典多维尺度分析（Classical Multidimensional Scalin...
-
在线 PCA 降维分析PCA（Principal Component Analysis，主成分分析）是一种经典的降维技术，旨在将高维数据转换为低维表示，同时保留数据中的主要变异信息。其核心目的是简...
-
-
在线 Reactome 富集分析Reactome富集分析是一种基于Reactome通路数据库的生物信息学方法，用于研究基因或蛋白质集合在生物学通路中的功能富集情况。Reactome是一个高质量、人工注释的通...
-
在线 DO 富集分析DO富集分析（Disease Ontology Enrichment Analysis）是一种基于疾病本体（Disease Ontology, DO）的生物信息学方法，用于研...
-
-
在线 KEGG 富集分析KEGG富集分析（Kyoto Encyclopedia of Genes and Genomes Enrichment Analysis）是一种基于KEGG通路数据库的生物信...