qq_44457948的博客

原创 PCA 主成分分析

PCA是降维过程中常见的算法。降维的目的是消除大量特征中高度冗余的特征。假设我们要把样本从n维降到k维，PCA求解的关键有两个：1、如何求出k个方向向量；2、如何得到每个样本的k维表示算法流程如下1、数据预处理每个数据减去平均值使得处理后的数据平均值为0；规范化2、求协方差矩阵3、用奇异值分解来求协方差矩阵的特征向量（这里使用了Octave的svd函数）4、求出结果上一步的结果U是n个特征列向量组...

原创 SVM 支持向量机

为了了解SVM，我们需要从逻辑回归出发。这是逻辑回归的函数式以及函数图像现在来看看逻辑回归的损失函数这个函数看起来很复杂，其实不然，因为y的取值只能是0和1，所以这是一个分类讨论的情况这是分类讨论的结果，当y=1的时候，是左图的函数，要想它为0，则必须要远大于0，此时，我们可以用一个折线来近似模拟曲线，我们称此折线为 。y=0的情况也类似。于是，我们通过替换之前两种情况的函数，可以得到SVM的损失函数损失函数除了替换部分外，还进行了一些形式上的变换，但影响不大。通

原创 论文中出现的各种图

1、箱型图这篇文章讲得很清楚功能强大的箱线图，你还在敬而远之吗？ - 知乎箱型图的matlibplot绘制python绘制箱线图boxplot()_小朱小朱绝不服输的博客-CSDN博客_python箱线图代码2、小提琴图matplotlib 小提琴图（violin plot） - 云+社区 - 腾讯云...

原创 AE 自动编码器

原创 GAT 图注意力网络

GAT 提出了一种自学习边的权重的方法。在GNN里，权重是人为给定的，在GCN里，权重是跟结点的度有关系的，而在GAT里，权重跟结点所具有的特征有关系。怎么计算的呢？还是看原来那副图。其中，A,B结点之间边的权重可以这么来计算其中，W是一个可以将高维向量转化为低维向量的转换矩阵，a是一个向量。||操作符表示把两个向量并在一起。再来看原论文中给出的图和计算公式多头注意力机制 多头注意力机制就是根据不同的特征依据，采用多套W...

原创 GCN 图卷积网络

GCN是在GNN的基础上进化的，主要是对其聚合过程进行了改进。之前计算邻居信息的时候的 a,b,c 不好确定，于是GCN想要根据图中的特定信息来确定 a,b,c。最简单的是“平均法”，也就是把周围的邻居的特征以及自己特征求平均值，作为更新后的特征。这种做法过于简单粗暴，会在某些情况中不切实际（我和偶像、我和马云的钱不可能平均）。于是，GCN提出了以结点的度为依据来求边权重的思想，一个结点的度越大，其与其他结点所连边的权重也就越小。平均法的聚合公式如下：其中，A(i，j)是

原创 GNN 图神经网络

GNN的作用是输入一个具有特征和结构的图，输出最终的特征GNN有三个流程：聚合、更新和循环，接下来我将在这个图中介绍。以A结点为例，邻居信息 ，其中a,b,c是边的权重A更新后的信息其中 sigma 是激活函数，W 和 alpha 都是参数然后经过多次循环，可构造多层GNN，A结点就可以得到其他所有结点的信息那么，算出来的最终特征有什么作用呢？ 1、在结点分类任务中，可以直接拿去分类，通过训练 loss，来优化 W 2、在关联预测...

原创 单细胞转录组测序和空间转录组学

为了了解这两个概念，我们先了解一些基本的生物学的概念1、转录 转录是生物细胞体内产生蛋白质的过程，DNA解链，然后匹配对应的mRNA，mRNA的不同种类对应不同的蛋白质。2、转录组 转录组广义上来讲，是指转录过程中出现的所有RNA，狭义上来讲，特指mRNA3、转录组测序 就是记录转录组的过程4、单细胞转录组测序（single cell RNA-sequencing） 对单个细胞进行的转录组测序5、空间转录组学（Spatial Transcriptomics） 传统的转...

原创 开通博客第一天

这里写自定义目录标题欢迎使用Markdown编辑器新的改变功能快捷键合理的创建标题，有助于目录的生成如何改变文本的样式插入链接与图片如何插入一段漂亮的代码片生成一个适合你的列表创建一个表格设定内容居中、居左、居右加粗样式SmartyPants创建一个自定义列表如何创建一个注脚注释也是必不可少的KaTeX数学公式新的甘特图功能，丰富你的文章UML 图表FLowchart流程图导出与导入导出导入欢迎...