weifengma-wish-CSDN博客

原创 linux服务器监控CPU：CPU总使用率超过90%自杀进程

第三步：启动，开自机启动，查看服务状态，

2024-07-17 19:07:13 145

原创进展性腺瘤和高级别腺瘤的区别

**不同**：进展性腺瘤除了包括高级别腺瘤外，还包括其他特征，如尺寸大于1厘米和具有绒毛样成分的腺瘤。- **进展性腺瘤**：由于其具有较高的癌变风险，通常需要更积极的治疗和密切的随访。2. **高级别上皮内瘤变（High-grade dysplasia）**：腺瘤中存在高度不典型的细胞，核大且不规则，染色质粗糙，核仁明显。- **重叠**：高级别腺瘤（具有高级别上皮内瘤变）通常属于进展性腺瘤的一部分，因为高级别上皮内瘤变是进展性腺瘤的一个特征。1. **尺寸**：腺瘤直径大于1厘米（10毫米）。

2024-07-04 18:53:10 238

原创 Tab键自动补全Python代码，插件安装

这个配置可以提高编写代码时的效率，使得 `Tab` 和 `Shift-Tab` 键可以在不同的上下文中执行不同的操作，方便地浏览和选择补全选项，同时在没有补全菜单时仍然能够执行正常的制表符和退格操作。- `Shift-Tab` 执行 `Ctrl-h` (`\`) 操作。- `Shift-Tab` 执行 `Ctrl-p` (`\`) 操作。这通常用于选择补全菜单中的上一个选项。1. 补全菜单出现，显示可能的补全选项，比如 `print`, `private`, `primary` 等。

2024-06-26 18:05:09 291

原创 RNA融合过滤标准

不同的RNA-seq数据分析工具可能会提供不同的参数和选项来实现这些过滤标准，常用的工具包括FusionCatcher、STAR-Fusion、TopHat-Fusion等。RNA融合（RNA fusion）的过滤标准在RNA测序（RNA-seq）数据分析中非常重要，以确保鉴定到的融合基因是生物学上真实存在的，而不是技术噪声或假阳性。过滤掉已知的假阳性融合事件，如在公共数据库（如FusionCatcher或STAR-Fusion数据库）中记录的技术性伪融合。这有助于确认融合事件的准确性。

2024-06-19 15:19:35 287

原创研究miRNA和mRNA的调控关系

**双荧光素酶报告基因实验**：通过将预测的靶标序列克隆到荧光素酶报告基因载体中，观察miRNA对荧光素酶活性的影响，从而验证miRNA与靶标mRNA的相互作用。- **实验数据**：通过实验方法获取miRNA和mRNA的表达数据。- **功能富集分析**：分析被调控的mRNA基因的功能，了解miRNA调控的生物学过程。- **qRT-PCR**：用于定量检测miRNA和mRNA的表达量。- **小鼠模型**：研究miRNA在体内的生物学功能和其对疾病的影响。

2024-05-27 15:23:32 277

原创怎么联合基因上多个CpG的甲基化来评估一个基因的甲基化程度

此外，使用机器学习方法如LASSO回归，可以选择出最具代表性的CpG位点，用于基因甲基化的预测模型。- 如果使用Bisulfite测序，可以将测序数据转化为每个位点的甲基化水平（例如，0到1之间的值，0表示完全未甲基化，1表示完全甲基化）。通过这种方法，可以比较不同样本的基因甲基化情况，并进一步研究其与基因表达、疾病等的关系。评估一个基因的整体甲基化程度，通常需要综合分析该基因上多个CpG位点的甲基化状态。- 计算多个CpG位点的平均甲基化水平，以评估整个基因的甲基化程度。

2024-05-27 10:01:09 180

转载机器学习笔记之决策树分类Decision Tree原理

参见：https://www.cnblogs.com/JetpropelledSnake/p/14513544.html

2024-05-23 10:44:17 11

原创 linux本地服务器上设置共享盘，window系统上访问

2. **输入共享路径：**在资源管理器的地址栏中输入 Linux 服务器的 IP 地址，格式为 `\\server_ip\shared`，其中 `server_ip` 是 Linux 服务器的 IP 地址，`shared` 是共享的名称。4. **访问共享文件夹：**现在应该可以访问 Linux 服务器上的共享文件夹了，并可以在 Windows 系统上进行操作。3. **输入凭据：**当提示时，输入在 Linux 上创建的 Samba 用户名和密码。4. **添加 Samba 用户：**

2024-05-09 15:47:32 307 2

转载 RFECV方法

递归特征消除简称RFE(Recursive Feature Elimination)，RFE是使用一个基模型进行多轮训练，每轮训练后，消除若干低权值(例特征权重系数或者特征重要性)的特征，再基于新的特征集进行下一轮训练[1]。RFE使用时，要提前限定最后选择的特征数(n_features_to_select)，这个超参很难保证一次就设置合理，因为设高了，容易特征冗余，设低了，可能会过滤掉相对重要的特征。而且RFE只是单纯基于特征权重去选择，没有考虑模型表现，因此RFECV出现了，R。

2024-04-26 11:21:28 209 1

转载方差分析理解

参见。

2024-04-24 16:27:40 51

原创混合效应模型

在混合效应模型中，固定效应和随机效应被同时考虑，固定效应用于解释整体样本的变化，而随机效应用于解释不同个体或组之间的差异。3. **模型诊断**：对拟合的模型进行诊断，检查模型的拟合度和假设是否满足。4. **解释结果**：解释模型的参数估计，包括固定效应和随机效应的影响，以及它们与研究问题的相关性。2. **拟合模型**：使用统计软件（如 R 中的 lme4 包）拟合混合效应模型，并估计模型参数。5. **预测和推断**：使用拟合的模型进行预测和推断，包括估计新数据的响应变量的值和计算置信区间。

2024-04-24 16:12:59 492

原创 AutoModel.from_pretrained实例化的数据输出格式

是 Hugging Face Transformers 库中定义的一个类，用于表示模型的输出。这个类通常用作预训练模型的前向传播函数的输出。这个类包含了模型的各种输出，其中包括前向传播的结果、过去的注意力权重以及交叉注意力权重。要使用这个类，您可以像使用其他 Python 类一样操作它。例如，您可以访问它的属性或者调用它的方法来获取模型的输出。这个类的实例通常作为模型前向传播函数的返回值，并且可以用于进一步的后处理、解码或者获取感兴趣的信息。

2024-04-24 15:15:21 369

原创 python类中变量、方法的类型和调用

2. **实例变量（Instance Variables）**：实例变量是属于特定实例的变量，每个实例都有自己的实例变量副本。在这个示例中，`class_variable` 是类变量，`instance_variable` 是实例变量，`local_variable` 是局部变量。1. **类变量（Class Variables）**：类变量是属于整个类的变量，它们在类的所有实例之间共享。3. **局部变量（Local Variables）**：局部变量是在方法内部定义的变量，它们只在方法内部可见。

2024-04-23 17:42:50 379 1

maweifeng1111的博客