- 博客(13)
- 收藏
- 关注
RSS订阅原创 脚本---多线程与胶水语言
文章目录一、线程二、Perl多线程与胶水语言（一）Perl中的线程（二）Perl中多线程的实现1.创建线程2.回收3.线程终止4.同步和控制5.线程实用技巧（三）Perl胶水语言1.Perl与Unix2.Perl与Wins3.Perl与C4.Perl与Java5.Perl与R6.Perl与Python三、Python多线程与胶水语言（一）Python中的线程1.函数式2.继承创建一个新的子类（二）线程同步1.锁2.线程优先级队列（三）Python胶水语言一、线程线程：程序单一执行点的控制流，是进程的一部
2021-09-20 11:11:18
331
原创 脚本---程序调试
文章目录一、Perl程序调试（一）错误信息处理①if②unless③warn函数④die函数⑤三元运算符⑥Carp模块（二）程序调试二、程序设计（一）程序设计小技巧文件测试：目录与文件操作：（二）程序设计高级技巧三、Python程序调试（一）标准异常1.异常处理2.断言（二）用户自定义异常一、Perl程序调试（一）错误信息处理①if将预期可能出现的错误交给if语句进行检 测，对不同的评估结果作出相应的反应。 如：检测文件是否存在：die $message if (open FILE, $fi
2021-09-20 11:10:40
228
原创 脚本---图形化用户界面
文章目录一、图形用户界面简介二、Perl GUI实现使用WxPerl建立软件界面重要的概念——Sizer（一）Sizer类：BoxSizer（二）Sizer类：StaticBoxSizer（三）Sizer类：GridSizer（四）Sizer类：FlexGridSizer（五）Sizer使用实例三、Python GUI实现一、图形用户界面简介Graphical User Interface（GUI）是一种允许用户与电子设备通过图形图标和可视化标志进行交互的用户界面，替代基于文本的命令行输入的界面。
2021-09-20 11:10:19
721
原创 高通---IGV：从安装到使用
IGV：从安装到使用文章目录IGV：从安装到使用一、IGV简介二、IGV安装三、IGV使用一、IGV简介IGV（Integrative Genomics Viewer）：一款本地即可使用的基因组浏览器，不管你用何种系统基本上都可找到对应的安装包，方便且实用。只需要导入参考基因组文件以及bam或者bw文件即可。1-based coordinate system: SAM, VCF, GFF and Wiggle formats0-based coordinate system: BAM, BCF
2021-09-20 11:03:18
1589
原创 脚本---perl与python的比较
文章目录一、起源和特点二、基本数据类型三、控制流（一）if条件判断（二）for循环（三）while循环（四）循环控制符四、函数（一）定义（二）返回值（三）调用（四）参数五、包和模块六、面向对象OOP七、正则表达式八、线程1.Perl2.PythonPerl 和 Python 都是开源的，但其哲学理念却刚好相反，因此常被人们将这两种语言放在一起进行比较。 本文将从 Perl 和 Python 的起源、基本数据类型、控制流、函数、包与模块、面向对象、正则表达式以及线程等方面进行比较。一、起源和特点
2021-09-20 11:02:09
4230
原创 生物芯片---ChAMP包学习笔记
二、ChAMP包简介ChAMP可以用来处理450k和EPIC的数据（这里介绍450k数据的处理流程），包中整合了质量控制、数据标准化、识别DMR、识别CNA等函数，使甲基化数据的处理形成一个pipeline。如果你的整个流程中参数都设置为默认值，那么你只需运行函数：champ.process(directory = testDir)参数directory为甲基化原始数据.IDAT所在文件目录当然，ChAMP中的每个函数也可以单独运行，自定义参数。...
2021-09-20 11:01:25
3336
2
原创 数据挖掘---SVM支持向量机
使用e1071包中的svm函数1.构建训练集和检验集data(iris)ind <- sample(2,nrow(iris),replace=T,prob=c(0.7,0.3)) trainSet <- iris[ind==1,]testSet <- iris[ind==2,]2.svm函数的使用svm(formula, data= NULL, na.action = na.omit, #处理缺失值 kernel="linear"/"polynomial"/".
2021-01-04 20:34:56
124
原创 数据挖掘---BP神经网络
文章目录一、构建训练集与检验集二、nnet包的nnet函数三、AMORE包R中关于神经网络的包：nnet、AMORE、neuralnet以及RSNNSnnet包提供了最常见的前馈反向传播神经网络算法，构建单隐层神经网络；AMORE包则进一步提供了更为丰富的控制参数，并可以增加多个隐层；neuralnet包的改进在于提供了弹性反向传播算法和更多的激活函数形式。一、构建训练集与检验集data(iris)ind <- sample(2,nrow(iris),replace=T,prob=c
2021-01-04 20:24:01
730
1
原创 数据挖掘---分类模型评估与选择
文章目录一、混淆矩阵二、ROC曲线一、混淆矩阵caret包，构建混淆矩阵confusionMatrix(预测结果类标签，真实结果类标签)#这里要求函数的两个参数为因子变量二、ROC曲线ROC曲线：接收者操作特征曲线，显示了给定模型的真正例率（TPR）和假正例率（FPR）之间的权衡。垂直轴表示TPR：sensitivity水平轴表示FPR：1-specificityR语言实现需要使用ROCR包和gplots包label<-c(1,1,-1,1,1,-1,-1,-1,1
2021-01-04 19:45:03
433
原创 数据挖掘---朴素贝叶斯（naive bayes）分类器
文章目录一、引例二、R语言实现一、引例C1：buys_computer=‘yes’C2：buys_computer=‘no’X=(age<=30,income=medium,student=yes,credit_rating=fair)二、R语言实现使用e1071包的naiveBayes函数library(e1071)data(iris)m <- dim(iris)[1] val <- sample(1:m, size =round(m/3), replace
2021-01-04 19:27:29
322
原创 数据挖掘---KNN(K-Nearest Neighbor)分类
文章目录1.构建检验集和训练集2.kknn包3.class包使用kknn包的kknn函数或者class包的knn函数1.构建检验集和训练集data(iris)m <- dim(iris)[1]val <- sample(1:m, size =round(m/3), replace = FALSE, prob=rep(1/m, m)) ##size：产生50个随机数trainSet <- iris[-val,]testSet <- iris[val,]2.k
2021-01-04 18:41:29
331
原创 数据挖掘---决策树
文章目录一、构建训练集与检验集二、J48构建决策树三、tree构建决策树四、混淆矩阵五、随机森林三种属性选择度量：信息增益（ID3）、增益率（C4.5）、基尼指数（CART）ID3：Iterative Dichotomiser（迭代的二分器），利用增益比不纯性，树采用二叉树，停止准则为当所有的记录属于同一类时，停止分裂；或当所有的记录都有相同的属性时，停止分裂C4.5：ID3的改进版，也是最流行的决策树算法，采用多重分枝和剪枝技术。CART：Classification and Regress
2021-01-04 18:10:58
385
空空如也
空空如也
TA创建的收藏夹 TA关注的收藏夹
TA关注的人