VIP14
本课程属于：001-基因组变异检测与临床解读工程 生命科学与数字医疗 · 共 14 门相关课程，组合学习更完整。
查看所属VIP全部课程 →
← 返回所属目录 咨询 / 购买

变异准确性评估与ROC曲线教程

共计 30 章节
点击此处阅读海量试读课程：100+行业、1000+细分领域
01
变异准确性评估概述
应用场景与重要性
变异准确性评估概…应用场景
02
参考基因组与变异检测基础
参考基因组与变异检测基础 · 核心概念 · 实践要点
参考基因组变异检测基础
03
测序数据质量评估与预处理
测序数据质量评估与预处理 · 核心概念 · 实践要点
测序数据质量评估预处理
04
变异检测流程简介
变异检测流程简介 · 核心概念 · 实践要点
变异检测流程简介重点
05
真值集与基准数据集
真值集与基准数据集 · 核心概念 · 实践要点
真值集基准数据集
06
变异类型
SNP · Indel · SV
变异类型SNP
07
准确性评估指标
真阳性 · 假阳性 · 真阴性
准确性评估指标真阳性
08
敏感性(Sensitivity)与特异性(Specificity)
敏感性(Sensitivity)与特异性… · 核心概念 · 实践要点
SensitivitySpecificity
09
精确率(Precision)与召回率(Recall)
精确率(Precision)与召回率(R… · 核心概念 · 实践要点
PrecisionRecall
10
F1分数与调和平均
F1分数与调和平均 · 核心概念 · 实践要点
F1分数
11
混淆矩阵的理解与构建
混淆矩阵的理解与构建 · 核心概念 · 实践要点
混淆矩阵的理解构建
12
ROC曲线的基本概念
ROC曲线的基本概念 · 核心概念 · 实践要点
ROC曲线的基本概念
13
ROC曲线的绘制原理
ROC曲线的绘制原理 · 核心概念 · 实践要点
ROC曲线的绘制原理
14
阈值与分类决策
阈值与分类决策 · 核心概念 · 实践要点
阈值分类决策
15
AUC值的意义
AUC值的意义 · 核心概念 · 实践要点
AUC值的意义
16
ROC曲线与PR曲线的对比
ROC曲线与PR曲线的对比 · 核心概念 · 实践要点
ROCPR
17
多分类ROC曲线
多分类ROC曲线 · 核心概念 · 实践要点
ROC多分类
18
重复性评估与一致性分析
重复性评估与一致性分析 · 核心概念 · 实践要点
重复性评估一致性分析
19
变异调用格式
VCF文件解析
变异调用格式VCF
20
使用vcftools进行基本统计
使用vcftools进行基本统计 · 核心概念 · 实践要点
vcftools使用
21
使用bcftools计算准确性
使用bcftools计算准确性 · 核心概念 · 实践要点
bcftools使用
22
使用Python进行ROC曲线绘制
使用Python进行ROC曲线绘制 · 核心概念 · 实践要点
PythonROC
23
scikit-learn中的roc_curve函数
scikit-learn中的roc_cu… · 核心概念 · 实践要点
scikit-learnroc
24
用matplotlib美化ROC曲线
用matplotlib美化ROC曲线 · 核心概念 · 实践要点
matplotlibROC
25
从真实变异数据生成ROC曲线案例
从真实变异数据生成ROC曲线案例 · 核心概念 · 实践要点
ROC从真实变异数据生…
26
交叉验证与ROC曲线稳定性
交叉验证与ROC曲线稳定性 · 核心概念 · 实践要点
ROC交叉验证
27
贝叶斯方法在变异准确性评估中的应用
贝叶斯方法在变异准确性评估中的应用 · 核心概念 · 实践要点
贝叶斯方法变异准确性评估
28
深度学习变异检测模型的评估
深度学习变异检测模型的评估 · 核心概念 · 实践要点
深度学习变异检测…重点
29
大规模基因组评估工具
hap.py
大规模基因组评估…hap.py
30
总结与最佳实践
总结与最佳实践 · 核心概念 · 实践要点
最佳实践总结与最佳实践