今天我们介绍可解释机器学习算法的最后一部分，基于XGBoost算法的SHAP值可视化。关于SHAP值其实我们之前的很多个推文中都介绍到，不论是R版本的还是Python版本的，...
发简信
IP属地：北京
-
R与机器学习系列|15.可解释的机器学习算法（Interpretable Machine Learning）（下） -
R与机器学习系列|15.可解释的机器学习算法（Interpretable Machine Learning）（中）在上次推文中我们介绍了几种可解释机器学习算法的常见方法，包括置换特征重要性、偏依赖图和个体条件期望及其实现。本次我们将继续介绍其他的用来解释机器学习算法的方法。 1.特征交互...
-
一键单多因素回归分析及ggplot2可视化回归分析结果之前的推文中多次提到过autoReg这个包，用来实现一键单多因素回归分析，同时可以导出回归分析的结果为word或ppt格式，只需要简单修改下格式就不用再进行任何操作，可以说非...
-
基于基因表达数据通过mMCP-counter估计小鼠样本组织浸润免疫和基质细胞组成引言 在生物信息学分析中，相信目前估计样本免疫细胞浸润是必不可少的。目前，在R中有多种方法可以实现上述目的，例如ESTIMATE、CIBERSORT、xCell、MCPcou...