| PCA | PCA | — |
| PLS 推导 | PLS 推导 | — |
| 分块矩阵怎么来的 | 分块矩阵怎么来的 | — |
| 双尾检验 | 双尾检验 | — |
| 多重检验 | 多重检验 | — |
| 差异分析 | 差异分析 | — |
| 拉格朗日形式 | 拉格朗日形式 | — |
| 拓扑网络 | 拓扑网络 | — |
| 数学 At sigma a | 数学 At sigma a | — |
| 方差公式的推导 | 方差公式的推导 | — |
| 特征分解（Eigendecomposition）的推导 | 特征分解（Eigendecomposition）的推导 | — |
| SVD | SVD | — |
| 加权与投影 | 加权与投影 | — |
| 矩阵乘法 | 矩阵乘法 | — |
| 线代 | 线代 | — |
| 线性代数基础公式推导 | 线性代数基础公式推导 | — |
| 002数据科学 | 002数据科学 | — |
| 002数据规范 | 002数据规范 | — |
| CCA约束 | CCA约束 | — |
| GBDT | GBDT | — |
| KNN | KNN | — |
| Kruskal-Wallis 检验的 | Kruskal-Wallis 检验的 | — |
| emmeans 简单主效应 | emmeans 简单主效应 | — |
| emmeans | emmeans | — |
| 回归 LOESS 回归 | 回归 LOESS 回归 | — |
| 回归 Lasso | 回归 Lasso | — |
| 回归 glm | 回归 glm | — |
| 回归 主成分回归 | 回归 主成分回归 | — |
| 回归 交叉熵损失 | 回归 交叉熵损失 | — |
| 回归 分段回归和样条回归 | 回归 分段回归和样条回归 | — |
| 回归 局部回归 | 回归 局部回归 | — |
| 回归 截距 | 回归 截距 | — |
| 回归 稳健回归 | 回归 稳健回归 | — |
| 回归 统计基础 1 | 回归 统计基础 1 | — |
| 回归 诊断2 | 回归 诊断2 | — |
| 回归 逻辑回归 | 回归 逻辑回归 | — |
| 总体协方差的表示 | 总体协方差的表示 | — |
| 数据处理 | 数据处理 | — |
| 无偏 | 无偏 | — |
| 未命名 | 未命名 | — |
| 朴素贝叶斯 | 朴素贝叶斯 | — |
| 机器学习 Boosting and Bagging | 机器学习 Boosting and Bagging | — |
| 机器学习 KNN | 机器学习 KNN | — |
| 机器学习 SVM R语言 | 机器学习 SVM R语言 | — |
| 机器学习 SVM | 机器学习 SVM | — |
| 机器学习 SVM核函数 | 机器学习 SVM核函数 | — |
| 机器学习 kappa统计量 | 机器学习 kappa统计量 | — |
| 机器学习 主成分分析专题 | 机器学习 主成分分析专题 | — |
| 机器学习 关联分析 | 机器学习 关联分析 | — |
| 机器学习 决策树 | 机器学习 决策树 | — |
| 机器学习 回归树 | 机器学习 回归树 | — |
| 机器学习 孤立森林 | 机器学习 孤立森林 | — |
| 机器学习 提升树 | 机器学习 提升树 | — |
| 机器学习 方差分析 | 机器学习 方差分析 | — |
| 机器学习 梯度下降 | 机器学习 梯度下降 | — |
| 机器学习 梯度提升 | 机器学习 梯度提升 | — |
| 机器学习 独热编码 | 机器学习 独热编码 | — |
| 机器学习 留一法 | 机器学习 留一法 | — |
| 机器学习 随机森林 | 机器学习 随机森林 | — |
| 深度学习 sigmoid函数 | 深度学习 sigmoid函数 | — |
| 生态学CCA实现 | 生态学CCA实现 | — |
| 生态学CCA脚本 | 生态学CCA脚本 | — |
| 生态学CCA问题 | 生态学CCA问题 | — |
| 生态学中的CCA | 生态学中的CCA | — |
| 生物 DeSeq2 | 生物 DeSeq2 | — |
| 生物 NMF聚类 | 生物 NMF聚类 | — |
| 生物 O2PLS官方文档 | 生物 O2PLS官方文档 | — |
| 生物 SAM | 生物 SAM | — |
| 生物 log-rank | 生物 log-rank | — |
| 生物 o2pls | 生物 o2pls | — |
| 生物 归一化专题 | 生物 归一化专题 | — |
| 生物 缺失值与填充 | 生物 缺失值与填充 | — |
| 生物 聚类 | 生物 聚类 | — |
| 生物 聚类1 | 生物 聚类1 | — |
| 生物 设计矩阵 | 生物 设计矩阵 | — |
| 生物学 (O)PLS-DA专题 | 生物学 (O)PLS-DA专题 | — |
| 生物学 (O)PLS-DA答疑 | 生物学 (O)PLS-DA答疑 | — |
| 生物学 DIABLO 的核心原理 | 生物学 DIABLO 的核心原理 | — |
| 统计 拉丁方设计 | 统计 拉丁方设计 | — |
| 统计基础 01t检验与秩和检验 | 统计基础 01t检验与秩和检验 | — |
| 统计基础 F检验 | 统计基础 F检验 | — |
| 统计基础 Hotelling's T | 统计基础 Hotelling's T | — |
| 统计基础 KS统计量 | 统计基础 KS统计量 | — |
| 统计基础 fisher.test | 统计基础 fisher.test | — |
| 统计基础 pearson专题 | 统计基础 pearson专题 | — |
| 统计基础 two _annova | 统计基础 two _annova | — |
| 统计基础 似然比检验 | 统计基础 似然比检验 | — |
| 统计基础 分布——卡方分布 | 统计基础 分布——卡方分布 | — |
| 统计基础 分布——泊松分布 | 统计基础 分布——泊松分布 | — |
| 统计基础 分布——负二项分布与二项分布 | 统计基础 分布——负二项分布与二项分布 | — |
| 统计基础 线性模型 | 统计基础 线性模型 | — |
| 统计学基础 p值区分 | 统计学基础 p值区分 | — |
| 统计学基础 方差齐性 | 统计学基础 方差齐性 | — |
| 统计学高级 CA 代码比较 | 统计学高级 CA 代码比较 | — |
| 统计学高级 CCA | 统计学高级 CCA | — |
| 统计学高级 CCA推导 | 统计学高级 CCA推导 | — |
| 统计学高级 CCA推导以及其他 | 统计学高级 CCA推导以及其他 | — |
| 统计检验 功效 | 统计检验 功效 | — |
| 统计高级 LDA判别分析 | 统计高级 LDA判别分析 | — |
| 编程算法_递归 | 编程算法_递归 | — |
| 马氏距离 | 马氏距离 | — |
| SMICA | SMICA | — |
| conda与软件安装 | conda与软件安装 | — |
| croc 报错解决 | croc 报错解决 | — |
| seqkit | seqkit | — |
| vscode | vscode | — |
| 部署 | 部署 | — |
| R语言tidymodels那些事 （七） recipes 构建可复现的房价回归管道 | R语言tidymodels那些事 （七） recipes 构建可复现的房价回归管道 | — |
| R语言tidymodels那些事 （九）重采样用于评估性能 | R语言tidymodels那些事 （九）重采样用于评估性能 | — |
| R语言tidymodels那些事 （五）数据集的划分与 parsnip 包的使用 | R语言tidymodels那些事 （五）数据集的划分与 parsnip 包的使用 | — |
| R语言tidymodels那些事 （八）模型效果评估 | R语言tidymodels那些事 （八）模型效果评估 | — |
| R语言tidymodels那些事 （六）workflow 从线性回归到多水平模型 | R语言tidymodels那些事 （六）workflow 从线性回归到多水平模型 | — |
| R语言tidymodels那些事 （十一）网格 | R语言tidymodels那些事 （十一）网格 | — |
| R语言tidymodels那些事 （十三）降维 | R语言tidymodels那些事 （十三）降维 | — |
| R语言tidymodels那些事 （十二）随机调参 | R语言tidymodels那些事 （十二）随机调参 | — |
| R语言tidymodels那些事 （十）tidymodels 与贝叶斯模型比较（深度解读） | R语言tidymodels那些事 （十）tidymodels 与贝叶斯模型比较（深度解读） | — |
| R语言tidymodels那些事（三） nest风格批量计算及group_modify计算比较 | R语言tidymodels那些事（三） nest风格批量计算及group_modify计算比较 | — |
| R语言tidymodels那些事（十五） 模型的可解释性 | R语言tidymodels那些事（十五） 模型的可解释性 | — |
| R语言tidymodels那些事（十六） 模型预测的真实性 | R语言tidymodels那些事（十六） 模型预测的真实性 | — |
| R语言tidymodels那些事（十四） 从 GLM 编码到哈希技巧 | R语言tidymodels那些事（十四） 从 GLM 编码到哈希技巧 | — |
| R语言tidymodel那些事（一）自助法估计回归方程参数 | R语言tidymodel那些事（一）自助法估计回归方程参数 | — |
| R语言tidymodel那些事（二） 使用tidymodels进行kmeans分析 | R语言tidymodel那些事（二） 使用tidymodels进行kmeans分析 | — |
| R语言tidymodesl那些事 （四）使用infer包进行统计推断入门 | R语言tidymodesl那些事 （四）使用infer包进行统计推断入门 | — |
| R语言数据处理哪些事情 （十六） 批量t.test;管道符中的map;分组选择topN的行 | R语言数据处理哪些事情 （十六） 批量t.test;管道符中的map;分组选择topN的行 | — |
| R语言数据处理那些事（30） 自动化全组合遍历 | R语言数据处理那些事（30） 自动化全组合遍历 | — |
| R语言数据处理那些事（一） | R语言数据处理那些事（一） | — |
| R语言数据处理那些事（七） | R语言数据处理那些事（七） | — |
| R语言数据处理那些事（三） | R语言数据处理那些事（三） | — |
| R语言数据处理那些事（九） 蛋白序列覆盖度计算 | R语言数据处理那些事（九） 蛋白序列覆盖度计算 | — |
| R语言数据处理那些事（二十 九） 字符串解析、分组筛选与函数式编程 | R语言数据处理那些事（二十 九） 字符串解析、分组筛选与函数式编程 | — |
| R语言数据处理那些事（二十 八） 数据过滤与多列操作全攻略 | R语言数据处理那些事（二十 八） 数据过滤与多列操作全攻略 | — |
| R语言数据处理那些事（二十一）处理2000个文件；rlang高级用法 | R语言数据处理那些事（二十一）处理2000个文件；rlang高级用法 | — |
| R语言数据处理那些事（二十七）计算蛋白组的差异倍数和显著性 | R语言数据处理那些事（二十七）计算蛋白组的差异倍数和显著性 | — |
| R语言数据处理那些事（二十三） 安全读取数据；分组删除NA值；查看加载数据集 | R语言数据处理那些事（二十三） 安全读取数据；分组删除NA值；查看加载数据集 | — |
| R语言数据处理那些事（二十五）rename 的优雅用法：用「字典」批量改列名！ | R语言数据处理那些事（二十五）rename 的优雅用法：用「字典」批量改列名！ | — |
| R语言数据处理那些事（二十六）R语言数据处理 多层分组计算：从 split 到 nest，再到 group_modify | R语言数据处理那些事（二十六）R语言数据处理 多层分组计算：从 split 到 nest，再到 group_modify | — |
| R语言数据处理那些事（二十四） janitor行名清洗；重复值查找 | R语言数据处理那些事（二十四） janitor行名清洗；重复值查找 | — |
| R语言数据处理那些事（二十）过滤多列非NA;正则匹配选择列；列移动；cross a_cross | R语言数据处理那些事（二十）过滤多列非NA;正则匹配选择列；列移动；cross a_cross | — |
| R语言数据处理那些事（二） | R语言数据处理那些事（二） | — |
| R语言数据处理那些事（五） | R语言数据处理那些事（五） | — |
| R语言数据处理那些事（八） | R语言数据处理那些事（八） | — |
| R语言数据处理那些事（六) | R语言数据处理那些事（六) | — |
| R语言数据处理那些事（十一） | R语言数据处理那些事（十一） | — |
| R语言数据处理那些事（十七）安全读取数据；KO的map合并 | R语言数据处理那些事（十七）安全读取数据；KO的map合并 | — |
| R语言数据处理那些事（十三） | R语言数据处理那些事（十三） | — |
| R语言数据处理那些事（十九） 批量移动文件；动态公式；xlsx写入多个sheet | R语言数据处理那些事（十九） 批量移动文件；动态公式；xlsx写入多个sheet | — |
| R语言数据处理那些事（十二） | R语言数据处理那些事（十二） | — |
| R语言数据处理那些事（十五） | R语言数据处理那些事（十五） | — |
| R语言数据处理那些事（十八）函数列名封装 | R语言数据处理那些事（十八）函数列名封装 | — |
| R语言数据处理那些事（十四） 数据替换 | R语言数据处理那些事（十四） 数据替换 | — |
| R语言数据处理那些事（四） | R语言数据处理那些事（四） | — |
| R语言数据那些事（十）重点之正则匹配——前瞻 | R语言数据那些事（十）重点之正则匹配——前瞻 | — |
| R语言数据那些处理事（二十二）合并多个数据；执行进度条 | R语言数据那些处理事（二十二）合并多个数据；执行进度条 | — |
| R语言源码那些事（一） KSEA激酶分析 | R语言源码那些事（一） KSEA激酶分析 | — |
| R语言源码那些事（二） PCA分析 | R语言源码那些事（二） PCA分析 | — |
| R语言源码那些事（二）没有生物重复也能算 p 值？ 让你真正听懂！ | R语言源码那些事（二）没有生物重复也能算 p 值？ 让你真正听懂！ | — |
| R语言绘图那些事 | R语言绘图那些事 | — |
| R语言绘图那些事（三） | R语言绘图那些事（三） | — |
| R语言绘图那些事（二） | R语言绘图那些事（二） | — |
| R语言绘图那些事（四） | R语言绘图那些事（四） | — |
| R语言那些事 统计系列（一） rstatix and ggpubr 做 t 检验与可视化之添加P值 | R语言那些事 统计系列（一） rstatix and ggpubr 做 t 检验与可视化之添加P值 | — |
| R语言那些事 统计系列（七） rstatix t 检验三部曲：一元、独立样本、配对样本全面解析 | R语言那些事 统计系列（七） rstatix t 检验三部曲：一元、独立样本、配对样本全面解析 | — |
| R语言那些事 统计系列（三） rstatix and ggpubr 可视化之分面图 | R语言那些事 统计系列（三） rstatix and ggpubr 可视化之分面图 | — |
| R语言那些事 统计系列（九） rstatix 从单因素到三因素方差分析 含简单效应分析与模型解释 | R语言那些事 统计系列（九） rstatix 从单因素到三因素方差分析 含简单效应分析与模型解释 | — |
| R语言那些事 统计系列（二） rstatix and ggpubr 可视化之添加调整后的P值 | R语言那些事 统计系列（二） rstatix and ggpubr 可视化之添加调整后的P值 | — |
| R语言那些事 统计系列（五） rstatix and ggpubr 可视化之对分组图添加P值 | R语言那些事 统计系列（五） rstatix and ggpubr 可视化之对分组图添加P值 | — |
| R语言那些事 统计系列（八） rstatix Wilcoxon 检验实战讲解 | R语言那些事 统计系列（八） rstatix Wilcoxon 检验实战讲解 | — |
| R语言那些事 统计系列（六） rstatix and ggpubr 可视化之对水平图表添加P值 | R语言那些事 统计系列（六） rstatix and ggpubr 可视化之对水平图表添加P值 | — |
| R语言那些事 统计系列（十一） rstatix Kruskal–Wallis 检验 + 事后比较 + 可视化全流程 | R语言那些事 统计系列（十一） rstatix Kruskal–Wallis 检验 + 事后比较 + 可视化全流程 | — |
| R语言那些事 统计系列（十三） rstatix ANCOVA 去除协变量分析 | R语言那些事 统计系列（十三） rstatix ANCOVA 去除协变量分析 | — |
| R语言那些事 统计系列（十二） rstatix One-Way MANOVA 多个响应变量方差分析+详细假设检验 | R语言那些事 统计系列（十二） rstatix One-Way MANOVA 多个响应变量方差分析+详细假设检验 | — |
| R语言那些事 统计系列（十四） rstatix ANOVA分析 单因素 双因素 三因素 | R语言那些事 统计系列（十四） rstatix ANOVA分析 单因素 双因素 三因素 | — |
| R语言那些事 统计系列（十） rstatix 重复测量方差分析 | R语言那些事 统计系列（十） rstatix 重复测量方差分析 | — |
| R语言那些事 统计系列（四） rstatix and ggpubr 可视化之手动标记P值 | R语言那些事 统计系列（四） rstatix and ggpubr 可视化之手动标记P值 | — |
| 图 | 图 | — |
| 差异代谢分析那些事（一） | 差异代谢分析那些事（一） | — |
| 差异代谢那些事（二） | 差异代谢那些事（二） | — |
| 绘图那些事(一) 旭日图 | 绘图那些事(一) 旭日图 | — |
| GO KEGG的区别 | GO KEGG的区别 | — |
| PCA | PCA | — |
| PCA是否应该删除 | PCA是否应该删除 | — |
| 多修饰组生物学意义解读 | 多修饰组生物学意义解读 | — |
| 文献 数据标准化的选择 | 文献 数据标准化的选择 | — |
| 生物学 PCA | 生物学 PCA | — |
| index | lvzhaopeng的数字花园 | — |
| index | 01理论 | — |
| index | 线性代数 | — |
| index | 统计 | — |
| index | 软件与小工具 | — |
| index | 04公众号推文 | — |
| index | 08生物学解释 | — |
| tags | | — |
| index | 标签索引 | — |
| 404 | 无法找到 | — |