自定义博客皮肤VIP专享

*博客头图:

格式为PNG、JPG,宽度*高度大于1920*100像素,不超过2MB,主视觉建议放在右侧,请参照线上博客头图

请上传大于1920*100像素的图片!

博客底图:

图片格式为PNG、JPG,不超过1MB,可上下左右平铺至整个背景

栏目图:

图片格式为PNG、JPG,图片宽度*高度为300*38像素,不超过0.5MB

主标题颜色:

RGB颜色,例如:#AFAFAF

Hover:

RGB颜色,例如:#AFAFAF

副标题颜色:

RGB颜色,例如:#AFAFAF

自定义博客皮肤

-+
  • 博客(8)
  • 收藏
  • 关注

原创 Storey FDR矫正方法

Storey的FDR矫正方法简介零假设(null hypothesis)为均匀分布时的P-valuesreal tests的p值将在0处出现峰值从一个p值阈值获得FDR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简介你好!

2020-08-11 16:04:32 2990

原创 Python实现机器学习

1. 机器学习基础知识传统的数据分析旨在回答关于过去的事实,机器学习的目的是回答关于未来事件的可能性的问题。基于过去的事实和数据,用来发现趋势和模式机器学习模型提供了对于结果的洞察力,机器学习帮助揭示未来的一个结果的概率而不仅仅是过去发生的事情历史的数据和统计建模被用于概率进行预测1.1 机器学习的方式监督学习- 人工干预和验证的要求,算法:回归、决策树、随机森林、K – 近邻...

2020-05-08 19:15:21 3151 2

原创 简单完整的Python小爬虫教程

1 调入需要使用的库time库用于每次获取页面的时间间隔;pandas库用于DataFrame的数据格式存储;requests用于爬虫获取页面Html信息;BeautifulSoup用于去掉格式提取信息;lxml用于存储excel文件。import timeimport pandas as pdimport requests from bs4 import Beautifu...

2020-04-18 21:55:30 1503 1

原创 Python数据可视化-matplotlib and seaborn

numpy, matplotlib, seaborn, pandas鸢尾花iris.csv文件#准备好需要的库import numpy as npimport matplotlib.pyplot as plt import seaborn as sns import pandas as pdplt.rcParams['font.sans-serif'] = ['SimHei'] ...

2020-04-17 16:07:17 994

原创 Cox模型中的时间依存协变量和时间依存系数(R语言)第二部分

4. 时间依存系数时间依存协变量(covariates)和时间依存系数(coefficients)是两种不同的扩展Cox模型,如下面的两个等式所示。λ(t)=λ0(t)eβX(t)\lambda(t)=\lambda_0(t) e^{\beta X(t)}λ(t)=λ0​(t)eβX(t) (1)λ(t)=λ0(t)eβ(t)X\lambda(t)=...

2020-04-17 16:05:47 10460 5

原创 Cox模型中的时间依存协变量和时间依存系数(R语言)第一部分

简介本文包含3个不同但是相关的概念:时间依存协变量,以及一些常见错误;制作时间依存协变量的工具,更确切的说是如何编码相关数据集;时间依存系数。2 Time dependent covariatesOne of the strengths of the Cox model is its ability to encompass covariates that change over...

2020-04-17 16:04:24 12090 1

原创 有时间依存效应或时间依存风险因素的生存分析

摘要在传统的KM或Cox回归分析中,通常我们在研究的起始点测量一个风险因素,并分析它对之后的事件发生(例如死亡事件)的影响。但是在之后的跟踪随访过程中,事情可能在变化:在基线固定的风险因素对事件发生的影响随着事件在变化;或者风险因素本身也可能随事件改变。在本文中,我们讨论在基线时固定的风险因素,对比它短期和长期效应(这里称之为时间依存效应,time-dependent effects),著名的例...

2020-04-17 16:02:54 3557 1

原创 构建具有时间依存协变量的Elastic-net Cox模型

介绍生存分析的目标是通过事件发生率来模拟过程。在应用统计设置中,这通常意味着识别与某些与基线相比可能导致更高或更低事件率的协变量。当事件是缓解或死亡时,较高的事件发生率对应于风险较高的患者。在生存建模中一个特别的挑战是存在删失(censoring),即患者在随访时间被记录但事件尚未(或可能永远不会)发生[1]。例如,可以对高风险癌症患者监察一整年,在结束时其中一些患者已经过世而一些患者仍然活着—...

2020-04-17 16:01:11 2642

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

提示
确定要删除当前文章?
取消 删除