人工智能（AI）是近几年来最热的话题之一，不管是医疗界、互联网界、服务界，还是制造业、工业等等，不和AI挂个边都不好意思出来和人打招呼（比如咱们运维界也有AIOps）。机器学习（Machine Learning, ML），是人工智能的核心，是让计算机具有智能的途径。今天，我们就来看看四种常用的机器学习编程语言的优缺点，愉快的走在知识的前沿吧！本文自：机器之心；作者：MJ Bahmani编译：张
转载
2024-01-11 12:39:46
3阅读
# 如何在R语言中实现PSM（倾向评分匹配）
倾向评分匹配（Propensity Score Matching，PSM）是一种用于减少混杂因素影响的统计方法，常用于观察性研究中对不同处理组进行比较。本文将为你介绍在R中如何实现PSM，包含从数据准备到结果可视化的完整流程。
## 流程概述
我们可以将整个PSM的过程分为以下步骤：
| 步骤 | 描述 |
|------|------|
|
原创
2024-09-30 05:01:33
626阅读
倾向评分匹配（Propensity Score Matching，简称PSM）是一种统计学方法，用于处理观察研究（Observational Study）的数据，在SCI文章中应用非常广泛。在观察研究中，由于种种原因，数据偏差（bias）和混杂变量（confounding variable）较多，倾向评分匹配的方法正是为了减少这些偏差和混杂变量的影响，以便对实验组和对照组进行更合理的比较。 为什么
转载
2023-08-13 11:06:04
186阅读
1评论
Univariate OptimizationGeneral OptimizationNelder-Mead methodBFGS methodCG methodL-BFGS-B methodSANN methodBrent methodHow to useoptimcontrol optionscomponents of returned valueconstrained optimizati
转载
2023-11-19 11:37:46
128阅读
咱们得循序渐进哦！！！SSA = Signature Scheme with AppendixPSS = Probabilistic Signature SchemeES = Encryption SchemesSSA是填充、封装格式；PSS是私钥签名流程；ES是公钥加密流程。 即中间人有办法控制m。二、来讲讲RSASA-PSS2018年发布的 TLS v1.3(TLS：Transpo
倾向评分匹配（Propensity Score Matching，简称PSM）是一种统计学方法，用于处理观察研究（Observational Study）的数据，在SCI文章中应用非常广泛。在观察研究中，由于种种原因，数据偏差（bias）和混杂变量（confounding variable）较多，倾向评分匹配的方法正是为了减少这些偏差和混杂变量的影响，以便对实验组和对照组进行更合理的比较。 为什么
转载
2023-09-11 12:31:43
296阅读
PSM
「倾向性评分匹配」（propensity score matching，PSM）是一种用来评估处置效应的统计方法。广义说来，它将样本根据其特性分类，而不同类样本间的差异就可以看作处置效应的无偏估计。PSM主要是在随机对照试验（Randomized controlled trials，RCT）中用于衡量treat组和control组样本的其他各项特征（如年龄、体重、身高、人种
转载
2023-10-26 13:24:24
311阅读
很久以前的做过的东西，想想还是扔过来复习记录一下。 任务：验证天气预报温度数据准确性，即将天气预报数据与当日观测站数据对比 数据处理目标：将气象站点的观测数据与爬取的预报数据匹配并拼接，便于后续的预报准确率处理。 图1 观测气象站点数据 图2 爬取的天气预报数据 下面开始：台站提取手头上的天气预报数据为38×3=114个，以地点拼音命名，如"akesu.csv",站点数据95个，以站号命名，如"5
转载
2023-11-21 23:35:32
17阅读
目录前言一、数据背景二、使用步骤1.加载所需的R包2.读入数据与处理表格3.enrichGO函数进行GO/KEGG/自定义通路的富集4.简单的可视化三、结论 前言clusterProfiler 是业界大神Y叔写的一个R包，可以用来做各种富集分析，如GO、KEGG、以及GSEA富集分析等，并且对富集分析结果进行可视化。这里将使用clusterProfiler包对一些数据进行GO、KEGG等富集分析，
转载
2023-08-08 09:18:17
498阅读
接前文：R语言基础(一)：注释、变量3.常用函数函数就是一些已经编写好的功能，我们拿过来直接使用就可以了。3.1 查看变量ls()也许你清空了控制台，看不到之前的变量。但是它一直存在于系统中。我们可以使用ls()函数查看已经定义过的变量(后续内容中：>开头的行是代码，[1]开头的行是运行结果，同学们在写代码的饿时候，不需要写每行开头的>)。> x<-10
> y<
转载
2023-05-22 14:25:10
286阅读
par函数概述在R绘图时，有时我们想在一个绘图区中同时绘制多幅图。在R语言中可以有多个函数来实现此要求。这里先介绍一下绘图参数par函数的使用。R中的par()函数可以将绘图区分割成规则的几个部分。多图环境用参数mfrow或参数mfcol来设定，如：par(mforw=c(3,2))则是在同一绘图区中绘制3行2列共6个图形，而且是先按行绘制，即绘制完第1行的2个图形后，再绘制第2行的2个图形，最
转载
2023-06-01 15:22:31
145阅读
在R语言的帮助文档里，apply函数的功能是：Retruns a vector or array or list of values obtained by applying a function to margins of an array or matrix.就是说apply把一个function作用到array或者matrix的margins(可以理解为数组的每一行或者每一列)中，返回值时v
转载
2024-07-19 16:25:22
81阅读
用R语言做逻辑回归回归的本质是建立一个模型用来预测，而逻辑回归的独特性在于，预测的结果是只能有两种，true or false在R里面做逻辑回归也很简单，只需要构造好数据集，然后用glm函数(广义线性模型（generalized linear model）)建模即可,预测用predict函数。我这里简单讲一个例子，来自于加州大学洛杉矶分校的课程首先加载需要用的包library(ggplot2)
#
转载
2023-06-21 19:28:29
189阅读
meltmelt(data, id.vars, measure.vars,
variable.name = "variable", ..., na.rm = FALSE, value.name = "value",
factorsAsStrings = TRUE)id.vars 表示固定不变的列 measure.vars 控制变量,需要处理的列，将这些列名作为某一列的数值 variab
转载
2023-08-31 09:53:34
207阅读
R语言使用rnorm函数生成正太分布数据、使用qqnorm函数绘制QQ图、如果向量为正态分布则数据点基本在一条直线上目录R语言使用rnorm函数生成正太分布数据、使用qqnorm函数绘制QQ图、如果向量为正态分布则数据点基本在一条直线上R 语言特点R语言使用rnorm函数生成正太分布数据、使用qqnorm函数绘制QQ图、如果向量为正态分布则数据点基本在一条直线上R 语言特点R 语言环境软件属于 G
转载
2023-08-08 14:52:34
99阅读
R语言中diag函数用于获取矩阵的对角线元素001、dat <- matrix(1:9, nrow = 3) ## 生成矩阵（方阵，行列相等）
dat
diag(dat) ## 取对角线元素 002、非方阵情况dat <- matrix(1:15, nrow = 3) ## 生成3行5列矩阵
转载
2023-05-23 11:31:32
449阅读
dplyr 包提供了一系列好用的函数，用来进行数据处理和转换，掌握之后可以高效解决数据处理中的绝大多数问题，我们先来看一下 dplyr 包最核心的 5 个函数。select: 筛选字段filter: 按条件过滤arrange: 按字段排序mutate: 创建新字段summarize: 数据汇总这一章需要使用 gapminder 数据集，该数据集记录了 140 多个国家的人口、寿命、国内生产总值(g
转载
2023-08-09 20:34:30
165阅读
在使用R语言作图时，有时需要在图上标注诸如求和、积分、上下标等数学符号，该操作可以通过expression函数完成。
expression(...)
括号中输入数学表达式，配合plot、text、title、axis等函数使用，可以将数学公式绘制在图表上。
转载
2023-05-30 10:21:07
172阅读
两模型比较：anova（）函数：可以比较两个嵌套模型的拟合优度。fit1<-lm(Murder~Population+Illiteracy+Income+Frost,data=states)
fit2<-lm(Murder~Population+Illiteracy,data=states)
anova(fit2,fit1) 结论：p=0.994，不显著，不需要将Income
转载
2023-05-23 09:26:04
516阅读
加载包# install.packages(lubridate)
library(lubridate)第一个函数ymd():解析日期为年月日格式x <- c("09-01-01", "09-01-02", "09-01-03")
ymd(x)[1] “2009-01-01” “2009-01-02” “2009-01-03”x <- c("2009-01-01", "2009-01-0
转载
2023-05-23 12:26:01
337阅读
