plink --bfile file --extract all.snp --r2 --ld-window-kb 1000 --ld-window-r2 0.8 --ld-snp-list all.s ...

數據不平衡 1.什么是數據不平衡 一般都是假設數據分布是均勻的，每種樣本的個數差不多，但是現實情況下我們取到的數據並不是這樣的，如果直接將分布不均的數據直接應用於算法，大多情況下都無法取得理想的結果。 這里着重考慮二分類，因為解決了二分類種的數據不平衡問題后，推而廣之酒能得到多分類情況下 ...

類別不平衡問題指分類任務中不同類別的訓練樣本數目差別很大的情況。一般來說，不平衡樣本會導致訓練模型側重樣本數目較多的類別，而“輕視”樣本數目較少類別，這樣模型在測試數據上的泛化能力就會受到影響。一個例子，訓練集中有99個正例樣本，1個負例樣本。在不考慮樣本不平衡的很多情況下，學習算法會使分類器放棄 ...

最近需要畫LD block,之前一直用haploview軟件畫，haploview軟件毛病比較多，比如不能有多態位點，輸入的變異位點不能太多等。動不動就報錯。 最近試了一下另外一個畫LD block ...

PLINK提供了“--ld”的參數計算兩個SNP位點的連鎖不平衡值。 命令如下： plink --file file --ld rs123 rs134 --out rs123_rs134 生成如下數據： --ld rs123 rs134: R-sq ...

本文首發於“生信補給站”，https://mp.weixin.qq.com/s/Gl6BChxSYbSHMo9oMpufPg 連鎖不平衡圖，用來可視化不同SNP之間的連鎖程度，前同事間俗稱“倒三角”圖。 本文使用自己的數據，因為安裝R包后使用內置數據集運行出結果較容易 ...

傳統處理方法 1.加權 即其對不同類別分錯的代價不同，這種方法的難點在於設置合理的權重，實際應用中一般讓各個分類間的加權損失值近似相等。當然這並不是通用法則，還是需要具體問題具體分析。和代價敏感類 ...

上一篇介紹了從數據角度出發，如果去處理不平衡問題，主要是通過過采樣和欠采樣以及它們的改進方式。 本篇博客，介紹不平衡問題可以采樣的算法。 一、代價敏感學習 在通常的學習任務中，假定所有樣本的權重一般都是相等的，或者說誤分類成本是相同的。但是在大多數實際應用中，這種假設是不正確的。 最簡單 ...