R语言学习之决策树
R语言学习之决策树决策树最重要的2个问题：决策树的生长问题，决策树的剪枝问题。生长问题又包括了2个子问题：从分组变量的众多取值中选择一个最佳分割点和从众多输入变量中选择当前最佳分组变量；剪枝问题包括2个子问题：预修剪（事先指定树的最大深度，
推荐阅读
热门文章
什么是量化交易？
量化交易是指以先进的数学模型替代人为的主观判断，利用计算机技术从庞大的历史数据中海选能带来超额收益的多种“大概率”事件以制定策略，极大地减少了投资者情绪波动的影响，避免在市场极度狂热或悲观的情况下作出非理性的投资决策。加载quantmod、
python怎样做高斯拟合
需要载入numpy和scipy库，若需要做可视化还需要matplotlib（附加dateutil, pytz, pyparsing, cycler, setuptools库）。不画图就只要前两个。如果没有这些库的话去 http:www.
R语言数据合并-cbind(),rbind
rbindcbind对数据合并的要求比较严格：合并的变量名必须一致；数据等长 cbind是根据列进行合并，合并的前提是所有数据行数相等。 rbind是根据行进行合并，就是自动往下面顺延，但要求所有数据列数是相同的才能用rbind
java线程中的优先级问题
楼主请记住一点，多线程的执行本身就是多个线程的交换执行，并非同时执行，执行的优先级只是他执行的概率。例如原本优先级一样，那么两个线程的执行的概率都为50%。现在我们提高其中一个，那么一个为60%的概率抢到进入CPU执行的机会，另一个是依旧是
java线程中的优先级问题
楼主请记住一点，多线程的执行本身就是多个线程的交换执行，并非同时执行，执行的优先级只是他执行的概率。例如原本优先级一样，那么两个线程的执行的概率都为50%。现在我们提高其中一个，那么一个为60%的概率抢到进入CPU执行的机会，另一个是依旧是
R语言常用函数（基本）
vector：向量 numeric：数值型向量 logical：逻辑型向量 character；字符型向量 list：列表data.frame：数据框 c：连接为向量或列表 sequence：等差序列 rep：重复 length
r语言计算均方误差怎么判断
1、RMSE（均方根误差）即标准误差：假如数据在A1：Z1标准方差用函数=STDEV（A1:Z1）方差用函数=VARA（A1:Z1）2、MRE（平均相对误差）Excel函数统计STDEV（Sd）计算出标准偏差Sd值，然后除以平均数再×
r语言 binom.test 对二项分布中哪个参数进行检验
对比率P啊，binom.test(x, n, p = 0.5, alternative = c(“two.sided”,“less”,“greater”),conf.level= 0.95)x为具有特征样本数，n为样本总数，p为检验的比率；
R语言-17决策树
是一个预测模型，分为回归决策树和分类决策树，根据已知样本训练出一个树模型，从而根据该模型对新样本因变量进行预测，得到预测值或预测的分类 从根节点到叶节点的一条路径就对应着一条规则．整棵决策树就对应着一组表达式规则。叶节点就代表该规则下
怎么利用r语言做em算法估计混合双参数指数分布的数值模拟
建议你先看一下这本书:Modeling Survival Data Using Frailty Modelschap 2. Some Parametric Methods 2.1 Introduction . . . . . . . . .
r语言贝叶斯判别先验概率怎么去
Bayes判别，它是基于Bayes准则的判别方法，判别指标为定量资料，它的判别规则和最大似然判别、Bayes公式判别相似，都是根据概率大小进行判别，要求各类近似服从多元正态分布。1. Bayes准则：寻求一种判别规则，使得属于第k类的样品在
R语言-17决策树
是一个预测模型，分为回归决策树和分类决策树，根据已知样本训练出一个树模型，从而根据该模型对新样本因变量进行预测，得到预测值或预测的分类 从根节点到叶节点的一条路径就对应着一条规则．整棵决策树就对应着一组表达式规则。叶节点就代表该规则下
R语言-17决策树
是一个预测模型，分为回归决策树和分类决策树，根据已知样本训练出一个树模型，从而根据该模型对新样本因变量进行预测，得到预测值或预测的分类 从根节点到叶节点的一条路径就对应着一条规则．整棵决策树就对应着一组表达式规则。叶节点就代表该规则下
R语言初学笔记：差异表达基因
setwd("E:GSE25066")#环境设置 library(limma)#加载差异分析包limma #将分组文件加载到环境中，分组信息第一列为样本名，第二列为分组信息如“high”“low” targ
R语言求95%置信区间
标准正态分布下mean=0，sd=1 95%置信区间为[mean-1.96*sd,mean+1.96*sd] 即左侧概率和为97.5%的数据减去左侧概率和为2.5%的数据，期间的数据概率即为95%的置信区间。那为什么是1.96倍呢，
2021-09-24 关于超几何检验的一些理解
生物信息里面常见的就是KEGG GO 等通路富集时候用到的 超几何检验知识，为了便于理解 这里举个例子： 目前有200个基因具有GO注释，其中60个是GO04 我们得到20个差异基因，其中有11个是GO04，想问GO04这个通路是否
R中如何将数据的直方图和其密度曲线画在一张图上？
先设置好图层：par(mfrow=c(1,1),mai=c(0.5,0.6,0.5,0.5),cex=0.6,cex.main=1.0)#mfrow是规定图片的排列方式，比如你想将两个图并排就写c(1,2)，意为一行两列，后面的参数都可以调
R语言求95%置信区间
标准正态分布下mean=0，sd=1 95%置信区间为[mean-1.96*sd,mean+1.96*sd] 即左侧概率和为97.5%的数据减去左侧概率和为2.5%的数据，期间的数据概率即为95%的置信区间。那为什么是1.96倍呢，
r语言贝叶斯判别先验概率怎么去
Bayes判别，它是基于Bayes准则的判别方法，判别指标为定量资料，它的判别规则和最大似然判别、Bayes公式判别相似，都是根据概率大小进行判别，要求各类近似服从多元正态分布。1. Bayes准则：寻求一种判别规则，使得属于第k类的样品在