努力努力再努力的博客

用group by 查询时抛出如下异常：Expression #3 of SELECT list is not in GROUP BY clause and contains nonaggregated column 'userinfo.t_long.user_name' which is not functionally dependent on columns in GROUP BY cla...

1、基于互信息的评价指标NMI比较详细的解释，可以参见这篇博客：https://blog.csdn.net/tyh70537/article/details/771458432、所有的评价指标参见这篇博客https://blog.csdn.net/liuy9803/article/details/80762862...

网络分析中，经常会用到中心性这个概念。通常在中心性的分析角度上有两种出发点：中心度和中心势。&npsb;&npsb;中心度表示一个节点在网络中处于核心地位的程度；中心势表示整个图的紧密程度。换句话说，度表示单个节点的性质，而势表示整个图的性质。目前有四种中心性的分析方法，分别是：度中心性（degree centrality），间接中心性（betweenness centrali...

归一化（normalization）、标准化（standarization）   在机器学习领域，不同的评价指标（及特征向量中的不同特征就是所描述的不同评价指标），往往具有不同的量纲和量纲单位，这样的情况会影响到数据分析的结果，为了消除指标之间的量纲影响，需要进行数据的标准化处理，已解决数据指标之间的可比性。原始数据经过数据标准化处理之后，各指标处于同一数量级，适合进行综合对...

下面这篇博客中分类别 介绍了很多机器学习方法的评价指标，比较全面：http://www.cnblogs.com/zhaokui/p/ml-metric.html一、聚类结果的评价指标1、Rand index 或者 Rand measure（兰德指数）维基百科比较详细：https://en.wikipedia.org/wiki/Rand_index兰德指数需要给定实际类别信息C,假设K是聚...

1、在图像、视频、语音这些对象任务上，深度神经网络表现良好；而在很多其他任务上，比如数据分析上（eg订票订旅馆分析），深度神经网络的表现并没有那么好，传统的机器学习技术可能表现更好。“没有免费的午餐定理”，也就是任何一个模型可能只有一部分任务是适用的，另外一些任务是不适用的。2、目前深度模型就是深度神经网络，更确切地说，是由多层参数化可微的非线性模块搭建起来的模型，而他本身能够用BP算法（ba...

一、聚类分析  scRNA-seq分析的最经常应用之一是基于转录谱的细胞类型（cell-type）的新发现和注释。从计算角度来看，这就是一个困难的无监督聚类问题。也就是说，我们需要在没有先验知识标签的情况下，根据转录组的相似性来识别细胞群。此外在大多数情况下，我们无法预先知道cluster的数量。而且由于高水平的技术噪声（技术和生物上）和大量的维度（eg基因数），这个问题变得...

一、单细胞single cell RNA-seq简介1、Bulk RNA-seq(大量RNA-seq)Measures the average expression level for each gene across a largepopulation of input cellsUseful for quantifying expression signatures from ens...

1、D-separation D-separation是贝叶斯网络中十分重要的一个概念，是一种用于判断变量是否条件独立的图形化方法。在搜索各类文章之后，发现这篇博客讲的很好https://my.oschina.net/dillan/blog/134011，从理论到例子，深入浅出，很好理解。 2、Independent-map 假设贝叶斯网络为G，概率分布为P。G是P的一个I

此篇博客中记录了数学公式编辑的详细内容，值得收藏。http://blog.csdn.net/u013346007/article/details/52502855