上一页 1 2 3 4 5 6 7 ··· 33 下一页
2024年10月31日
嵌入式特征选择
摘要： 嵌入式特征选择（Embedded Feature Selection）是一种在模型训练过程中自动选择重要特征的方法。相比前向逐步选择或随机抽样等独立的特征选择步骤，嵌入式特征选择能直接在模型构建中融入特征选择逻辑。其中，**L1 正则化（Lasso）**是一种典型的嵌入式特征选择方法。 什么是 L1 阅读全文
posted @ 2024-10-31 17:40 王哲MGG_AI 阅读(219) 评论(0) 推荐(0)
LightGBM中用于控制模型的正则化和特征选择的参数
摘要： 1. lambda_l1（L1正则化） 含义：L1 正则化系数，它会对每个叶子节点的分数进行稀疏化处理，目的是减少模型中的不必要特征，减少过拟合。 默认值：0（即不进行 L1 正则化） 如何调整： 增大 lambda_l1：可以增加稀疏性，帮助模型在数据特征过多时减少不必要的特征。增大 lambda 阅读全文
posted @ 2024-10-31 16:15 王哲MGG_AI 阅读(1388) 评论(0) 推荐(1)
LightGBM 中最重要的超参数
摘要： 1. num_leaves 含义：num_leaves 控制每棵树可以生成的叶子节点数，代表模型的复杂性。更高的叶子节点数意味着模型可以捕捉更细致的特征关系，但也更容易过拟合。 默认值：通常设置在 31 或 64。 如何调整： 增大 num_leaves：增大叶子数能够提升模型的拟合能力，但容易过拟 阅读全文
posted @ 2024-10-31 15:43 王哲MGG_AI 阅读(1158) 评论(0) 推荐(1)
2024年10月14日
R：梯度提升器
摘要： # 清空环境变量 rm(list = ls()) setwd("C:\\Users\\Administrator\\Desktop\\machine learning\\LSTM") library(magrittr) # 提供 %>% 管道操作符 library(keras) # 提供 Keras 阅读全文
posted @ 2024-10-14 14:55 王哲MGG_AI 阅读(35) 评论(0) 推荐(0)
2024年9月23日
R：KEGG通路气泡图（两组数据联合分析）
摘要： rm(list = ls()) library(ggplot2) setwd("C:\\Users\\Administrator\\Desktop\\Pei\\Trans_Kegg") data1 <- read.table("1.txt", header = TRUE, sep = "\t") d 阅读全文
posted @ 2024-09-23 17:10 王哲MGG_AI 阅读(179) 评论(0) 推荐(0)
2024年9月11日
R：分组散点图
摘要： rm(list = ls()) setwd("C:\\Users\\Administrator\\Desktop\\machine learning\\分组散点图") data("mpg") library(ggplot2) data <- read.table("data.txt", sep = 阅读全文
posted @ 2024-09-11 15:25 王哲MGG_AI 阅读(58) 评论(0) 推荐(0)
2024年8月6日
R：tsv_to_txt.R
摘要： 此代码的功能是遍历当前目录下的所有TSV文件，将每个文件的第一列内容提取出来，并将其写入一个TXT文件中。每个TSV文件的内容占一行，文件名作为该行的第一列，第一列内容依次排开。 rm(list = ls()) setwd("C:\\Users\\Administrator\\Desktop\\pr 阅读全文
posted @ 2024-08-06 10:28 王哲MGG_AI 阅读(55) 评论(0) 推荐(0)
2024年8月2日
R : 折线图
摘要： # 清空工作环境，删除所有对象 rm(list = ls()) setwd("C:\\Users\\Administrator\\Desktop\\New_microtable\\Co-occurrence Network") #设置工作目录 # 加载必要的包 library(ggplot2) li 阅读全文
posted @ 2024-08-02 11:33 王哲MGG_AI 阅读(23) 评论(0) 推荐(0)
2024年7月6日
R：链接KEGG数据库获取更多描述信息
摘要： rm (list = ls ()) #清除所有变量 library(KEGGREST) # 设置工作目录并读取数据 setwd("C:\\Users\\Administrator\\Desktop\\New_microtable\\HUMAnN") # 根据实际路径修改 pathways_df <- 阅读全文
posted @ 2024-07-06 15:37 王哲MGG_AI 阅读(117) 评论(0) 推荐(0)
2024年7月5日
标准化（Z-score）
摘要： 标准化（Z-score）是用于将不同微生物的丰度数据进行标准化处理，以便在热图中更容易比较和解释不同样本之间的差异。具体来说，标准化的过程如下： abundance <- scale( abundance, center = TRUE, # 减去均值 scale = TRUE # 除以标准差 ) 标 阅读全文
posted @ 2024-07-05 09:53 王哲MGG_AI 阅读(1225) 评论(0) 推荐(0)
上一页 1 2 3 4 5 6 7 ··· 33 下一页