IP屬地：福建
-
-
ROC-AUC 與 PR-AUC 的區(qū)別與聯(lián)系
相關(guān)術(shù)語解釋： 正例負(fù)例預(yù)測正真正例 (true positive, TP)假正例 (false positive, FP)預(yù)測負(fù)假負(fù)例 (false negative, F...
-
澳門科技大學(xué)，大三學(xué)生，現(xiàn)主攻Java <br><br>個(gè)人主頁:<br><a href="http://hxblog.site" rel="nofollow" target="_blank">http://hxblog.site</a><br><br>Github地址:<br><a href="https://github.com/lihanxiang" rel="nofollow" target="_blank">https://github.com/lihanxiang</a>
-
VASP - Bader 電荷分析計(jì)算使用的工具： VASP, Bader， chgsum.pl 使用 VASP 進(jìn)行 Bader 電荷分析贮匕，可以得到原子周圍的電子數(shù)，從而近似得到原子的化合價(jià)花枫。本文簡單介紹 Ba...
-
-
RDKit|分子指紋提取劳翰、相似性比較及應(yīng)用一敦锌、分子指紋提取1.Topological Fingerprints2.MACCS3.Atom Pairs and Topological Torsions4.Morgan ...
-
-
記錄自己學(xué)習(xí)的每一步生均，避免一個(gè)坑踩兩次
-
遞歸特征消除（RFE）+ 交叉驗(yàn)證遞歸特征消除（Recursive feature elimination） 遞歸特征消除的主要思想是反復(fù)構(gòu)建模型听想，然后選出最好的（或者最差的）特征（根據(jù)系數(shù)來選），把選出來的...
-
python機(jī)器學(xué)習(xí)-預(yù)測分析核心算法 Michale Bowls
關(guān)于預(yù)測的兩類核心算法 函數(shù)逼近/預(yù)測分析問題（分類問題马胧、回歸問題）解決方法：懲罰線性回歸汉买、集成方法 當(dāng)數(shù)據(jù)含有大量的特征，但是沒有足夠多的數(shù)據(jù)或時(shí)間來訓(xùn)練更復(fù)雜的集成方法模...
-
-
SPSS經(jīng)典線性回歸分析之二——逐步回歸分析逐步回歸分析 在實(shí)際問題中朽色，首先碰到的問題是如何確定自變量邻吞。通常是根據(jù)所研究的問題，結(jié)合經(jīng)濟(jì)理論葫男，羅列出對因變量可能有影響的一些因素作為自變量抱冷。 因此，我們需要挑選出對因變量...
-
R 多元線性回歸和逐步回歸多元線性回歸 我們使用 mtcars 數(shù)據(jù)集來演示梢褐。 連續(xù)變量例如我們相同其中幾個(gè)變量（disp 旺遮，hp ，dra盈咳，twt）來預(yù)測 mpg耿眉。 也可以通過下面方式查看更多細(xì)節(jié) ...
-
博士在讀鸣剪，我會加油
-
-
Python3 獲取一大段文本之間兩個(gè)關(guān)鍵字之間的內(nèi)容方法
import re #文本所在TXT文件 file = '123.txt' #關(guān)鍵字1,2(修改引號間的內(nèi)容) w1 = '123' w2 = '456' f = open(...
-
-
分子對接-openbabel介紹openbabel 官網(wǎng)主頁：http://openbabel.org/wiki/Main_Page 介紹： 虛擬篩選離不開分子對接，分子對接離不開分子文件铛纬，分子文件的處理離...
-
解析Variational AutoEncoder（VAE）數(shù)月前聽在做推薦系統(tǒng)的同事提了一下VAE這個(gè)模型厌均，因?yàn)橐郧皼]用過,出于好奇便稍微研究了一下.雖然從深度學(xué)習(xí)的角度去看并不復(fù)雜,但是發(fā)現(xiàn)從貝葉斯概率的視角去理解并不是那么顯然。...
-
找一個(gè)秋山澪這樣的女朋友。
