Data+Science+Insight-CSDN博客

从分享整理对自己的知识体系的角度来看，我发现通过整理知识并将其分享给他人，我对自己的知识体系有了更清晰的认识。我是一名计算机科学专业的学生，在学习过程中，我时常遇到各种各样的问题和困惑。无论我是在学习新知识、解决问题还是实践项目的过程中，我都会定期将自己的学习心得、经验和成果整理成文章，并发布在我的 CSDN 博客中。我很早就开始使用CSDN，但作为分享者确晚了很多，以最早进行开发环境部署寻找网络资源为例，很多资源都是说半句，很多情况下都是推到重来，很是恼火，那天我要是开始写博客，保证每个博客都是可用的。

2024-03-21 19:47:24 719 1

原创我的创作纪念日

2024-01-06 17:40:01 1173

原创 python使用pytorch预训练模型dinov2、dinov2_vitl14模型抽取图像特征、将tensor转化为numpy数组、批量抽取多个图片的特征并使用PCA进行数据压缩、降维

python使用pytorch预训练模型dinov2、dinov2_vitl14模型抽取图像特征、将tensor转化为numpy数组、批量抽取多个图片的特征并使用PCA进行数据压缩、降维

2023-11-07 08:49:47 1166

原创 python使用pytorch预训练模型dinov2、dinov2_vitb14模型抽取图像特征、将tensor转化为numpy数组、批量抽取多个图片的特征并使用PCA进行数据压缩、降维

python使用pytorch预训练模型dinov2、dinov2_vitb14模型抽取图像特征、将tensor转化为numpy数组、批量抽取多个图片的特征并使用PCA进行数据压缩、降维

2023-11-01 08:38:03 921

原创 python使用pytorch预训练模型dinov2、dinov2_vits14模型抽取图像特征、将tensor转化为numpy数组、批量抽取多个图片的特征并使用PCA进行数据压缩、降维

python使用pytorch预训练模型dinov2、dinov2_vits14模型抽取图像特征、将tensor转化为numpy数组、批量抽取多个图片的特征并使用PCA进行数据压缩、降维

2023-10-31 09:53:59 895

原创 R语言生成期望仿真数据，适用ggpubr包绘制箱图、添加对比显著性p值、使用stat_compare_means函数指定假设检验方法、使用rremove函数移除X轴标签、移除图例

R语言生成期望仿真数据，适用ggpubr包绘制箱图、添加对比显著性p值、使用stat_compare_means函数指定假设检验方法、使用rremove函数移除X轴标签、移除图例

2023-10-29 09:10:04 512

原创 R语言生成期望仿真数据，适用ggpubr包绘制箱图、添加对比显著性p值、使用stat_compare_means函数指定假设检验方法

R语言生成期望仿真数据，适用ggpubr包绘制箱图、添加对比显著性p值、使用stat_compare_means函数指定假设检验方法

2023-10-29 09:06:34 387

原创 python使用sklearn以及imblearn包进行数据扩增（同样适用于组学数据处理方案）

python使用sklearn以及imblearn包进行数据扩增

2023-10-29 08:46:26 471

原创异常检测系统方案

异常检测系统方案1，理赔系统简如今，随着新一代保险消费者的崛起，保险消费者对保险产品和服务质量、效率也提出了更高的要求。然而，传统保险公司在投保、理赔、运营各个核心环节仍存在着投保操作繁琐、理赔难等诸多痛点。而人工智能为这些痛点的解决带来了希望。理赔是在保险标的发生保险事故而使被保险人财产受到损失或人身生命受到损害时，或保单约定的其它保险事故出险而需要给付保险金时，保险公司根据合同规定，履行赔偿或给付责任的行为，是直接体现保险职能和履行保险责任的工作。保险理赔是保险人在保险标的发生风险事故后

2023-10-24 10:59:20 313

原创睡眠评估系统方案

睡眠评估系统方案1.睡眠评估系统简介根据华为运动健康发布的中国睡眠报告数据显示69.4%的用户睡眠质量不佳，中国人普遍面临睡眠问题，而其中平均的睡眠时间6.5小时，远远低于相关机构建议的8小时合理睡眠；夜间清醒的次数为1.8次，也是一个很严重的问题。此外中年危机的原因也使得中年人在所有调查人群中成为了最多梦的群体，年轻人群体则入睡普遍较晚。再结合淘宝和京东等电商平台的数据，睡眠仪、褪黑素的热卖，也从另一个角度说明了当下睡眠问题给人们带来的困扰，同时人们也更加的关注自己的健康，自己的睡眠质量。

2023-10-24 10:58:09 479

原创多维度客户分群系统方案

多维度客户分群系统方案多维度客户分群系统简介1.1聚类算法简介企业在进行客户分析时，往往希望通过了解不同的客户具有什么不同的特征来实现以下三种目的:精细营销活动，形成可控的目标客户；找出每个细分市场的客户特征和需求，并制定针对性的营销计划；发现新的业务发展方向。因此，客户分群在商业分析中往往具有巨大的商业应用价值，而其中聚类分析法是客户分群最常见的实现方式之一。这种方法的目的是使客户在组内高度相似而不同的客户群体有着明显的不同，从而实现客户分群的目标。客户管理者们通常会基于.

2023-10-24 10:57:50 374

原创药物应用真实世界研究方案+思路方法

药物应用真实世界研究一、研究背景随着人口老龄化的加剧，冠状动脉粥样硬化性心脏病( 冠心病) 的发病率和病死率有逐年升高的趋势。他汀类药物，又称3-羟基-3-甲基-戊二酰辅酶A还原酶抑制剂，是治疗血脂异常的主要药物，血脂异常是心血管疾病的主要危险因素。他汀类药物可降低低密度脂蛋白胆固醇( LDL-C) ，可以预防首次和复发性心血管事件发生，这类药物已经作为治疗高胆固醇血症和混合性高脂血症的首选药物，在我国血脂异常患者的慢病管理中，这类药物也是常用药物。尽管他汀类药物是安全的，并且大多数.

2023-10-24 10:57:25 417

原创构建跨季节机器学习模型：自定义xgboost模型损失函数方案

构建跨季节机器学习模型：自定义xgboost模型损失函数构建跨季节机器学习模型：许多机器学习模型具有季节性；基于问题的迭代分析，我们可能需要构建自定义的损失函数；在自定义损失函数中计算梯度和嗨森矩阵；注意：使用xgboost包的xgboost API而不是使用sklearn类似的API#自定义损失函数；#weight其实就是不同季节对应的不同的权重参数，例如，以温度预测模型为例，个别地域，温度在秋天和春天波动较大，那么我们可以加大对对应月份的训练样本的惩罚力度

2023-10-24 10:56:36 453

原创基于变分自动编码器(VAE)的协同过滤算法用作疾病预测方案

基于变分自动编码器(VAE)的协同过滤算法用作疾病预测方案背景技术近年来随着信息技术和人工智能的发展，对预测某种特定疾病的研究已经有了相当广泛的应用，尤其以神经网络为核心的深度学习技术突飞猛进. 由于其高效的特征提取能力和非线性的学习能力, 越来越多的研究将深度学习应用于在各类疾病的诊断预测上并表现出非常令人满意的结果。Miotto，R.等人研究并推导出了“深度病人”模型表示法，该方法在特定疾病预测任务中具有很高的准确性。人们已经开始利用适用于结构化和非结构化的数据来构造卷积神经网络（C

2023-10-24 10:56:13 412

原创基于关联规则的协同过滤疾病预测方案

基于关联规则的协同过滤疾病预测方案背景技术传统上，医师或医生使用风险计算器来评估疾病发展的可能性。这些计算器使用人口统计学、医疗条件、生活常规等基本信息来计算发展某种疾病的可能性。这种计算是使用基于方程的数学方法和工具完成的。这里面临的挑战是使用类似的基于等式的方法的低准确率，而且该种方法需要非常大量全面的数据进行细致的统计分析。但随着近年来大数据、机器学习、数据挖掘以及人工智能等技术的发展，疾病预测的结果可能会更加准确，而且更加方便快捷。医疗机构、保险集团、医生等正在与统计学家和计算机科学

2023-10-24 10:55:13 317

原创差分特征、差分作差、过程积分特征对于过程控制机器学习模型的价值

差分特征、差分作差、过程积分特征对于过程控制机器学习模型的价值参考背景：当前过程控制问题分为步骤：A、B、C、D、E几个过程，我们需要预测D过程中化合物合成的可靠性（0为可靠、1为不可靠、合成的过程中如果系统参数出现波动，可能造成合成失败）；过程间具有依赖关系；过程内部的数据既有时序特征也有固定特征；#差分特征Shift是在特征较少的情况下构建更多特征的通用手段且根据业务经验。而且有的业务系统就是依赖于上一个或者前几个相关的状态；例如：过去3天内的温度变化是缓慢稳定.

2023-10-24 10:54:17 349

原创过程控制机器学习模型+配方法进行参数推荐方案

过程控制机器学习模型+配方法进行参数推荐方案背景：当前过程控制问题分为步骤：A、B、C、D、E几个过程，我们需要预测D过程中化合物合成的可靠性（0为可靠、1为不可靠、合成的过程中如果系统参数出现波动，可能造成合成失败）；过程间具有依赖关系；过程内部的数据既有时序特征也有固定特征；问题：无论我们构建机器学习模型还是时间序列预测模型，如果单纯把固定特征添加到时间序列中都是无济于事的，因为对于D过程的所有时间序列数据该固定特征都是相同的，起不到任何区分性或者判别性；解决的问题：

2023-10-24 10:53:38 306

原创构建两阶段加权分类预测模型

构建两阶段加权分类预测模型背景：当前过程控制问题分为步骤：A、B、C、D、E几个过程，我们需要预测D过程中化合物合成的可靠性（0为可靠、1为不可靠、合成的过程中如果系统参数出现波动，可能造成合成失败）；过程间具有依赖关系；过程内部的数据既有时序特征也有固定特征；问题：无论我们构建机器学习模型还是时间序列预测模型，如果单纯把固定特征添加到时间序列中都是无济于事的，因为对于D过程的所有时间序列数据该固定特征都是相同的，起不到任何区分性或者判别性；解决方案:构建两阶段加权分类预测模型（预测

2023-10-24 10:52:00 326

原创信息标准化系统将非标准化的数据关联到标准化数据的系统提高数据可用性、准确性、安全性设计方案

信息标准化系统将非标准化的数据关联到标准化数据的系统提高数据可用性、准确性、安全性目录信息标准化系统将非标准化的数据关联到标准化数据的系统提高数据可用性、准确性、安全性#概述#运行环境#系统特色#核心技术#数据表设计# 数据导入# 初审#复核# 撤销#总结#概述目前中国国内的XX信息标准化程度低，由于各地方XX信息化差异、不同的HIS厂商以及标准执行上的差异，导致XX数据在数据结构，数据内容上，都体现地区的差异化，甚至在同地区的不同医院都有巨大

2023-10-24 10:47:45 278

原创消化系统健康评分及健康反馈系统设计方案

消化系统健康评分及健康反馈系统设计方案目录消化系统健康评分及健康反馈系统设计方案#方案概要#本文提供的技术方案#方案概要当前的现有的健康风险评估系统关注点在人的整体健康风险评估，偏重于日常生理指标检测、慢性病检测及职业病、工伤登记等病理性疾病风险评估。并且客户端依赖于不便于随身携带的电脑设备，数据的更新频率就大大的降低了，用户健康的追踪效果也因此明显下降。本文专注于消化健康领域，通过手机端邀请用户回答问卷的形式，从体态、精神状况、生活习惯、病史四个方面综合分析用户

2023-10-24 10:47:00 314

原创 R语言ggplot2可视化构建分面图（facet_grid、facet_warp）并设置每个分面单独的坐标轴（x轴、y轴）实战

R语言ggplot2可视化构建分面图（facet_grid、facet_warp）并设置每个分面单独的坐标轴（x轴、y轴）实战目录R语言ggplot2可视化构建分面图（facet_grid、facet_warp）并设置每个分面单独的坐标轴（x轴、y轴）实战#分面图共用y轴#分面图单独y轴（facet_grid）#分面图单独y轴（facet_wrap）#分面图共用y轴mt <- ggplot(mtcars, aes(mpg, wt, colour = factor(

2023-10-13 16:59:45 832

原创 R语言ggplot2可视化配置颜色对数色阶实战:logarithmic color scale

R语言ggplot2可视化配置颜色对数色阶实战:logarithmic color scale目录R语言ggplot2可视化配置颜色对数色阶实战:logarithmic color scale#默认色彩控制#对数色阶#默认色彩控制library(ggplot2)n <- 1e5df <- data.frame(x = rexp(n), y = rexp(n))p <- ggplot(df, aes(x = x, y = y)) + stat_binh

2023-10-10 16:53:00 355

原创 R语言ggplot2可视化增加图标题与可视化区域的间距、轴标题与轴标签的间距、图区与整个画板的间距实战

R语言ggplot2可视化增加图标题与可视化区域的间距、轴标题与轴标签的间距、图区与整个画板的间距实战目录R语言ggplot2可视化增加图标题与可视化区域的间距、轴标题与轴标签的间距、图区与整个画板的间距实战#默认的间距及位置#图标题与可视化区域的间距、轴标题与轴标签的间距、图区与整个画板的间距1#图标题与可视化区域的间距、轴标题与轴标签的间距、图区与整个画板的间距2#图标题与可视化区域的间距、轴标题与轴标签的间距、图区与整个画板的间距3#默认的间距及位置使用th..

2023-10-08 11:11:42 412

原创 R语言ggplot2可视化合并颜色、线条样式和形状图例形成综合图例实战

R语言ggplot2可视化合并颜色、线条样式和形状图例形成综合图例实战目录R语言ggplot2可视化合并颜色、线条样式和形状图例形成综合图例实战#颜色、线条样式和形状图例自说自话#合并颜色、线条样式和形状图例1#合并颜色、线条样式和形状图例2#合并颜色、线条样式和形状图例3#颜色、线条样式和形状图例自说自话x <- seq(0, 10, by = 0.2)y1 <- sin(x)y2 <- cos(x)y3 <- cos(x + p..

2023-09-27 21:56:31 593

原创 R语言ggplot2可视化分组散点图（scatter plot）、将图例放置在图像内部的指定区域（legend inside plot specific region）

R语言ggplot2可视化分组散点图（scatter plot）、将图例放置在图像内部的指定区域（legend inside plot specific region）

2023-09-25 08:56:49 400

原创 R语言ggplot2可视化时间序列散点图、X轴和Y轴都是时间信息、使用breaks参数在scale_y_datetime函数中自定义指定Y轴时间间隔的大小

R语言ggplot2可视化时间序列散点图、X轴和Y轴都是时间信息、使用breaks参数在scale_y_datetime函数中自定义指定Y轴时间间隔的大小

2023-09-23 09:17:54 406

原创 R语言ggplot2可视化使用gridExtra包的grid.arrange函数将多个(不定个数)子图组织起来实战

R语言ggplot2可视化使用gridExtra包的grid.arrange函数将多个(不定个数)子图组织起来实战目录R语言ggplot2可视化使用gridExtra包的grid.arrange函数将多个(不定个数)子图组织起来实战#一组可视化图像#使用gridExtra包的grid.arrange函数将多个(不定个数)子图组织起来1#使用gridExtra包的grid.arrange函数将多个(不定个数)子图组织起来2#一组可视化图像library(ggplot2).

2023-09-22 08:48:04 678

原创 R语言ggplot2可视化散点图、使用geom_point函数自定义设置散点的形状、大小、填充色、边缘线框色（change points shape, color and size）

R语言ggplot2可视化散点图、使用geom_point函数自定义设置散点的形状、大小、填充色、边缘线框色（change points shape, color and size）

2023-09-21 09:05:49 2169

生存分析测试使用数据，可视化分析

生存分析、cox、nomogram calibration cure DCA（Decision curve analysis ）可视化分析；

2024-07-24

软件著作权授权书模板-软著授权给其它个人或者机构.doc

软件著作权授权书模板_软著授权给其它个人或者机构.doc 软件著作权授权书模板_软著授权给其它个人或者机构.doc

2024-07-04

orange-juice-withmissing.csv

orange_juice_withmissing.csv 原来在ISLR包中提供的橙汁（orange）数据的修改版本。这个数据集的目标是预测顾客购买了两个品牌的橙汁中的哪一个。预测变量是客户和产品本身的特征。它包含1070行18列。响应变量是'purche'，它取值为'ch'（柑橘山）或'mm'（美汁源）。博主博客中、Caret包练习中使用的数据集。 Caret包是分类和回归训练的简称（Caret is short for Classification And REgression Training）。它在一个精简的工作流程中集成了所有与模型开发相关的步骤

2022-12-02

lweight.sav

2021-07-26

object detection survey deep learning part.pdf

2021-06-07

DetectoRS.pdf

2021-06-07

SPSS基本统计分析功能.pdf

2021-06-07

SPSS 数据文件的操作.pdf

2021-06-07

Prediction of hospitalization due to heart diseases

Prediction of hospitalization due to heart diseases by supervised learning methods.pdf

2021-06-07

Prediction of future gastric cancer risk

Prediction of future gastric cancer risk using a machine learning algorithm and comprehensive medical check-up data A case-control study.pdf

2021-06-07

Identification of clusters of rapid and slow decliners

Identification of clusters of rapid and slow decliners among subjects at risk for Alzheimer’s disease.pdf

2021-06-07

Disease Prediction by Machine Learning Over big data

Disease Prediction by Machine Learning Over big data from health communities.pdf

2021-06-07

Deep Learning Algorithm for Prognostication

Development and External Validation of a Deep Learning Algorithm for Prognostication of Cardiovascular Outcomes.pdf

2021-06-07

Cox Proportional Hazard Regression

Cox Proportional Hazard Regression Versus a Deep Learning Algorithm in the Prediction of Dementia An Analysis Based on Periodic Health Examination.pdf

2021-06-07