今天我們介紹可解釋機(jī)器學(xué)習(xí)算法的最后一部分馅闽，基于XGBoost算法的SHAP值可視化。關(guān)于SHAP值其實(shí)我們之前的很多個(gè)推文中都介紹到馍迄，不論是R版本的還是Python版本的福也，...
發(fā)簡(jiǎn)信
IP屬地：遼寧
-
R與機(jī)器學(xué)習(xí)系列|15.可解釋的機(jī)器學(xué)習(xí)算法（Interpretable Machine Learning）（下） -
R與機(jī)器學(xué)習(xí)系列|15.可解釋的機(jī)器學(xué)習(xí)算法（Interpretable Machine Learning）（中）在上次推文中我們介紹了幾種可解釋機(jī)器學(xué)習(xí)算法的常見(jiàn)方法，包括置換特征重要性攀圈、偏依賴(lài)圖和個(gè)體條件期望及其實(shí)現(xiàn)暴凑。本次我們將繼續(xù)介紹其他的用來(lái)解釋機(jī)器學(xué)習(xí)算法的方法。 1.特征交互...
-
一鍵單多因素回歸分析及ggplot2可視化回歸分析結(jié)果之前的推文中多次提到過(guò)autoReg這個(gè)包赘来，用來(lái)實(shí)現(xiàn)一鍵單多因素回歸分析现喳，同時(shí)可以導(dǎo)出回歸分析的結(jié)果為word或ppt格式，只需要簡(jiǎn)單修改下格式就不用再進(jìn)行任何操作犬辰，可以說(shuō)非...
-
基于基因表達(dá)數(shù)據(jù)通過(guò)mMCP-counter估計(jì)小鼠樣本組織浸潤(rùn)免疫和基質(zhì)細(xì)胞組成引言 在生物信息學(xué)分析中嗦篱，相信目前估計(jì)樣本免疫細(xì)胞浸潤(rùn)是必不可少的。目前幌缝，在R中有多種方法可以實(shí)現(xiàn)上述目的默色，例如ESTIMATE、CIBERSORT、xCell腿宰、MCPcou...