VIP20
本课程属于：046-RNA-seq表达分析特征学习任务 生物信息学与 AI 制药工程 · 共 20 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

RNA-seq模型评估教程：ROC与交叉验证

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
RNA-seq数据分析概述
从测序数据到表达矩阵的流程
RNA-seq数据分析概述
02
模型评估的重要性
为什么我们需要ROC和交叉验证
模型评估的重要性ROC
03
分类问题基础
二分类与多分类 · 混淆矩阵
分类问题基础二分类
04
ROC曲线的基本概念
真正例率（TPR）与假正例率（FPR…
ROC曲线的基本概念
05
AUC的含义与计算
曲线下面积的统计解释
AUC的含义
06
ROC曲线的绘制方法
Python中的sklearn实现
ROC曲线的绘制方法
07
多分类ROC
宏观平均与微观平均ROC曲线
ROC多分类
08
ROC曲线与PR曲线的对比
何时用ROC · 何时用PR
ROCPR
09
交叉验证的基本原理
避免过拟合 · 评估泛化能力
交叉验证的基本原…避免过拟合
10
K折交叉验证
原理 · 步骤与Python实现
K折交叉验证原理
11
分层K折交叉验证
保持类别分布不变
分层K折交叉验证保持类别分布不变
12
留一法交叉验证
小样本情况下的评估
留一法交叉验证小样本情况下的评…
13
重复交叉验证
更稳定的性能估计
重复交叉验证更稳定的性能估计
14
嵌套交叉验证
模型选择与性能评估的结合
嵌套交叉验证模型选择
15
交叉验证中的ROC曲线
如何合并各折的预测概率
ROC交叉验证
16
阈值无关的评估指标
AUC与平均精度
阈值无关的评估指…AUC
17
模型校准
概率校准与可靠性曲线
模型校准概率校准
18
RNA-seq表达数据的预处理
标准化 · 归一化 · 批次校正
RNA-seq表达数据的预处理
19
特征选择与降维
差异表达基因筛选 · PCA/t-SNE
特征选择降维
20
分类模型选择
逻辑回归 · 随机森林 · 支持向量机
分类模型选择逻辑回归
21
不平衡数据问题
过采样 · 欠采样与SMOTE在RNA-seq中…
不平衡数据问题过采样
22
随机分组与时间顺序分组
考虑批次效应的交叉验证设计
随机分组时间顺序分组
23
模型比较
配对t检验与重采样检验
模型比较配对t检验
24
案例分析
利用TCGA数据构建生存预测模型
案例分析TCGA
25
使用scikit-learn实现ROC与交叉验证的完整代码
使用scikit-learn实现ROC与… · 核心概念 · 实践要点
scikit-learnROC
26
使用交叉验证进行超参数调优
GridSearchCV与Rando…
使用交叉验证进行…GridSearchCV
27
模型可解释性
SHAP值与特征重要性评估
模型可解释性SHAP
28
常见误区
数据泄露 · 重复样本 · 过度优化
常见误区数据泄露
29
性能报告
如何撰写ROC与交叉验证结果
性能报告ROC
30
总结与进阶
集成学习 · 贝叶斯优化等高级方法
进阶集成学习