性欧美乱妇高清COME,性欧美VIDEO高清丰满,欧美精品18VIDEOSEX性欧

<th id="bthwf"><option id="bthwf"></option></th>

  1. <big id="bthwf"></big>
  2. <pre id="bthwf"></pre>
    1. <code id="bthwf"><small id="bthwf"><optgroup id="bthwf"></optgroup></small></code>

      您當前所在的位置:首頁 > 科學研究 > 業務領域
      生物信息學服務

      目前在臨床研究中運用較多的,包括主成分分析(Principal component analysis, PCA)、層次聚類分析(Hierarchical clustering analysis, HCA)等非監督分類方法,以及偏最小二乘法-判別分析(Partial least squares projections to latent structures- discriminant analysis, PLS-DA)、正交偏最小二乘法-判別分析(Orthogonal projections to latent structures- discriminant analysis, OPLS-DA)、神經網絡(Neural network clustering, NN)等監督分類方法,其中PCA、PLS-DA和OPLS-DA最為常用和有效。


      eg:主成分分析(PCA)

            主成分分析(principal components analysis, PCA)是一種簡化數據集的技術。它是一個線性變換。這個變換把數據變換到一個新的坐標系統中,使得任何數據投影的第一大方差在第一個坐標(稱為第一主成分)上,第二大方差在第二個坐標(第二主成分)上,依次類推。主成分分析能降低所研究的數據空間的維數,理清多元變量間的關系。



      eg:偏最小二乘判別分析(PLS-DA)

      偏最小二乘判別分析(Partial least squares discrimination analysis)是一種用于判別分析的多變量統計分析方法。判別分析是一種根據觀察或測量到的若干變量值,來判斷研究對象如何分類的常用統計分析方法。其原理是對不同處理樣本(如觀測樣本、對照樣本)的特性分別進行訓練,產生訓練集,并檢驗訓練集的可信度。



      技術支持 英銘科技
      性欧美乱妇高清COME,性欧美VIDEO高清丰满,欧美精品18VIDEOSEX性欧