![](https://img-blog.csdnimg.cn/20201014180756927.png?x-oss-process=image/resize,m_fixed,h_64,w_64)
机器学习日记
文章平均质量分 87
luciferdfg
BIOINFORMATICS,
MACHINE LEARNING,
IMAGE PROCESSING
展开
-
聚类算法基本思想总结(kmeans,层次,meanshift,SOM, DBSCAN)
我又挖坑了,明明上一篇的问题还没说完 - -!随便总结一下聚类算法的基本思想假设对矩阵X聚类,X有m个样本,n维, 聚成k类K-means随机生成k个点(n维)计算每一个样本到k个点的距离样本i数据离他最近的一个点的那个类计算这k个类的样本中心,成为新的k个点;repeat step 2 到 step 4 直至达到迭代次数或者新的点基本不动了Hierachical clustering计算所有样本之间的距离;合并两个距离近的, 成为一个新的样本(组)重新计算n-1个样本距离*,原创 2021-09-19 03:29:30 · 1664 阅读 · 0 评论 -
limma 算法总结
我这个人完全没办法在不了解算法的情况下用一个包,那样我会疯,可是网上居然完全找不到limma算法的讲解资料,全是介绍怎么用的。可能我太初级了,这么简单的算法大概不值得一提……于是搞了一天原文,和东拼西凑的统计学知识,把现在了解的先总结一下:limma是做差异表达的包,其算法核心在两个function上:lmfit()以及eBays()lmfit()就是multiple linear regression假设我们有基因表达矩阵Y=[y1,y2,...y100]Y=[y_1,y_2,...y_{10原创 2021-04-29 20:30:49 · 6979 阅读 · 7 评论 -
Spatial Shrunken Centroids (2) 之 Spatially aware & Spatially aware structure-adaptive clustering
上一篇总结了Spatial Shrunken Centroids Segmentation的基本算法原理,其中涉及到Spatially aware & Spatially aware structure-adaptive clustering这两个聚类算法。算法来自一篇2013年bioinformatics上的文章 Efficient spatial segmentation of large imaging mass spectrometry datasets with spatially awa原创 2021-04-05 23:07:00 · 292 阅读 · 0 评论 -
Spatial Shrunken Centroids Segmentation 小结 (1)
最近在做质谱数据分析,不得不说,从原始数据开始分析东西实在是太恶心了。数据预处理要逼疯我……对MALDI-MSI 的每个section聚类,可以用Spatial Shrunken Centroids 的方法。这个方法来自文章Probabilistic Segmentation of Mass Spectrometry (MS) Images Helps Select Important Ions and Characterize Confidence in the Resulting Segments,代原创 2021-04-05 03:16:21 · 377 阅读 · 0 评论 -
Naive bayes 简要总结
最近开始给一群搞生物的讲machine learning,所以决定有点什么感想就记录一下。语言毫无逻辑,希望以后还能看懂我在写啥。感觉我终于有点搞懂了朴素贝叶斯分类器;首先,分类器就是求P(Y|X),这是一个关于Y的后验概率例如,男人和女人如果我知道这个世界上男人和女人的比例是1:1, 那么没有任何其他条件,随机抽一个人,是女的的概率是1/2 即P(Y)=1/2 (如果是正态分布,就是已...原创 2019-10-22 19:06:22 · 191 阅读 · 0 评论