1.断言 Python 的断言语句是一种调试辅助功能，不是用来处理运行时错误的机制。assert 在条件为 False 的时候触发，后面的内容是报错信息。import sys
assert sys.version_info >= (3, 7), "请在Python3.7及以上环境执行"如果这个项目要求最低是 Python3.7 的环境，那么如果使用 Python3.6 来运行这个项目，就会
在分类任务中，人们总是喜欢基于错误率来衡量分类器任务的成功程度。错误率指的是在所有测试样例中错分的样例比例。实际上，这样的度量错误掩盖了样例如何被分错的事实。在机器学习中，有一个普遍适用的称为混淆矩阵(confusion matrix)的工具，它可以帮助人们更好地了解分类中的错误。比如有这样一个在房子周围可能发现的动物类型的预测，这个预测的三类问题的混淆矩阵如下表所示：利用混淆矩阵可以充分理解分类
敏感性和特异性是医学常用的评价指标。最近找到一个很好的例子来解释它。
原创
2022-12-25 10:03:06
415阅读
在Python中有着三类特殊方法：静态方法、类方法以及抽象方法。今天我们来谈谈其中的这三类特殊方法。在此之前你可能已经写过许许多多的方法但从未深入的思考。静态方法静态方法是属于类的方法，但实际上并非在类的实例上运行。示例1 @staticmethod的用法image也可以像非静态方法那样写fun_1，它会接收self作为参数但是不会真地使用它。装饰器@staticmethod提供了下面几点特性：①
数据：6个画像，每个画像中有700个标签。 解释：同一标签下不同画像对应的数据，我要对此数据做聚类， 结果展示： 后端代码显示def kmeans_img(request):
#获取前段数据
UPLOAD_ROOT=os.path.join(os.path.dirname(os.path.dirname(os.path.abspath(__file__))), 'static/img')
b
权重排行（高到低）1、行内样式（!important）2、ID选择器#id3、cla素)权重相同，定义靠后优先实例<di...
原创
2022-02-28 18:02:37
147阅读
权重排行（高到低）1、行内样式（!important）2、ID选择器#id3、class、属性、伪类选择器.title, input[type="text"], :hover4、类型和伪元素选择器div, ::before权重向量(0, 0, 0, 0)(行内样式，ID选择器，class/属性/伪类选择器/，类型/伪元素)权重相同，定义靠后优先实例<di...
原创
2021-07-12 10:25:11
174阅读
作者：韩少坤请注意： 没有特异性的免疫屏障，疫苗不能为人体筑起一道防御墙。道理很简单，如果有特异性免疫屏障存在的话， 人类在经历数万万次感冒后，早就不会感冒了。接受疫苗注射的人群，其本身不仅不能对病毒完全免疫，其在感染后同样具有传递病毒的能力。疫苗防感染吗？接种艾滋病疫苗后，竟增加了艾滋病毒感染风险，这到底是怎么回事？
原创
2022-01-27 10:25:51
95阅读
欢迎关注”生信修炼手册”!CSCD收录了肿瘤特异性的环状RNA, 采用生物信息学手段分析87个肿瘤样本中的c
原创
2022-06-21 06:01:39
168阅读
欢迎关注”生信修炼手册”!TiED是一个人类增强子数据库，对10种不同组织中的增强子表进行定量和分析，鉴定了
原创
2022-06-21 09:09:47
242阅读
Section 1：ROC曲线ROC曲线也称为接受者操作特征曲线（Receiver Operating Characteristic）或感受性曲线，ROC曲线上的每个点反映着对同一信号刺激的感受性，主要是用于X对Y的预测准确率情况。ROC 曲线图是反映敏感性与特异性之间关系的曲线。X轴：负正类率(false postive rate，FPR)特异度，划分实例中所有负例占所有负例的比例；(1-Spe
摘要在人和小鼠基因组的很多位点存在环状rna的转录，许多的这些位点，主要的RNA亚型是一个环状。使用环状RNA识别的改进的计算方法，在果蝇和人基因组中发现广泛环状RNA表达，环状RNA大概占poly(A)RNA数量的1％。从ENCODE数据的分析显示，环状RNA的表达，单个基因中环状rna与线性rna转录本的比率，以及circularrna亚型的剪接模型都是细胞类型特异性的，这些结果表明环状rna
原创
2021-03-26 08:05:50
254阅读
欢迎关注”生信修炼手册”!TSCD是Tissue-Specific CircRNA Database的简写,
原创
2022-06-21 06:01:32
210阅读
关键词：机器学习分类指标，临床评估指标，正确率/准确率/召回率/F1，敏感性/特异性/约登指数，ROC/AUC在机器学习分类模型中，通常评估指标使用准确率、精准率、召回率和F1值。在临床实验中，通常使用敏感度、特异性、约登指数、PPV、NPV等指标，这些指标间存在着相关性，有些在计算上是等同的，有些是可以相互转化的，工作中有遇到一些同学对这些指标存在混淆，本文试图对它们进行理解和解释，以期达到以下
ROC和 区别p值和q值 ROC曲线指受试者工作特征曲线 / 接收器操作特性曲线(receiver operating characteristic curve), 是反映敏感性和特异性连续变量的综合指标,是用构图法揭示敏感性和特异性的相互关系，它通过将连续变量设定出多个不同的临界值，从而计算出一系列敏感性和特异性，再以敏感性为纵坐标、（1-特异性）为横坐标绘制成曲线，曲线下面积越大，诊断准确性越
节细胞特异的形态结构或生理功能。组织特异性基因的表达是理解生物学过程、生理环境和疾...
原创
2023-05-02 23:01:53
219阅读
MMOE多任务模型18年KDD google 原文链接：Modeling Task Relationships in Multi-task Learning with Multi-gate Mixture-of-Experts 论文中提出了一个Multi-gate Mixture-of-Experts(MMoE)的多任务学习结构，学习任务之间的关系与特定任务功能，自动分配参数捕获共享任务信息或特定
