在真实世界中的数据，难免会有缺失值的情况出现，可能是收集资料时没有收集到对应的信息，也可能是整理的时候误删除导致。对于包含缺失值的数据，有两大类处理思路
数据的质量决定了模型的上限，在真实的数据分析中，输入的数据会存在缺失值，不同特征的取值范围差异过大等问题，所以首先需要对数据进行预处理。
x轴表示自变量x的值，y轴表示因变量y的值，图中的蓝色线条就代表它们之间的回归模型，在该模型中，因为只有1个自变量x,所以称之为一元线性回归，公式如下
在多元线性回归中，多个变量之间可能存在多重共线性，所谓多重，就是一个变量与多个变量之间都存在线性相关。首先来看下多重共线性对回归模型的影响，假设一下回归模型
对于回归而言，有线性模型和非线性模型两大模型，从名字中的线性和非线性也可以直观的看出其对应的使用场景，但是在实际分析中，线性模型作为最简单直观的模型，是我们分析...
机器学习有3大类算法，回归，分类和聚类，其中回归和分类属于监督学习，而聚类则属于非监督学习。线性回归和逻辑回归是机器学习中最为基础，最广为人知的模型。
KNN是一种分类算法，其全称为k-nearest neighbors, 所以也叫作K近邻算法。该算法是一种监督学习的算法，具体可以分为以下几个步骤
数据是机器学习的必备条件，输入数据的质量高低，是影响机器学习模型效果的决定性因素条件之一。对于机器学习的学习者而言，拥有一个数据集来练手是第一步。在scikit...
随着大数据的爆发，以及计算机算力的加强，以机器学习为代表的人工智能领域逐渐火热起来。机器学习有以下几个构成要素
KEGG数据库称之为基因组百科全书，是一个包含gene, pathway等多个子数据库的综合性数据库。为了更好的查询kegg数据，官方提供了对应的API。
基因组结构元件的可视化有多种方式，比如IGV等基因组浏览器中以track为单位的展示形式，亦或以circos为代表的圈图形式，比如在细胞器基因组组装中，基因元件...
进化树以树状结构形象的展示各个节点的进化关系，在物种进化，亲缘关系研究领域广泛应用。在biopython中，通过Bio.Phylo子模块，可以方便的访问和展示树...
NCBI网站是最常用的生物信息数据库之一，集成了pubmed,genebank等子数据库。最简便的用法当然是直接在网站上检索，为了方便检索，NCBI提供了自己的...
序列比对是生物信息学分析中的常见任务，包含局部比对和全局比对两大算法，局部比对最经典的代表是blast, 全局比对则用于多序列比对。在biopython中，支持...
通过biopython, 我们可以方便的读取这些格式的文件，并提取其中的信息。具体地，通过以下3个子模块来处理序列数据
biopython和bioperl, biojava项目类似，都是Open Bioinformatics Foundation组织的项目之一，旨在提供一个编程接...
bedtools是区间操作最常用的软件，pybedtools对其进行了封装，可以在python编程环境中灵活使用bedtools,而且进一步拓展出了很多有用的功...
bam, bedgraph, bigwig是3种常见的存储测序深度信息的文件，都可以方便的导入IGV浏览器进行查看，其中bigwig最为常用。在chip_seq...
pysam模块对samtools和tabix进行了封装，可以在python程序内部来操作和访问相关的文件，具体地，支持以下4种文件
conda的核心功能包括environments和packages的管理，在之前的文章中介绍了environments的管理技巧，本文来看下packages的管...
暂未填写公司和职称
暂未填写个人简介
暂未填写技能专长
暂未填写学校和专业
暂未填写个人网址
暂未填写所在城市
扫码关注云+社区
领取腾讯云代金券
