代谢组学（metabolomics/metabonomics）是继基因组学、转录组学和蛋白质组学之后新近发展起来的一门学科,是目前组学研究领域的热点之一。其概念最早是由英国学者Nicholson等[1]在1999年基于核磁共振（nuclear magnetic resonance,NMR...代谢组学（metabolomics/metabonomics）是继基因组学、转录组学和蛋白质组学之后新近发展起来的一门学科,是目前组学研究领域的热点之一。其概念最早是由英国学者Nicholson等[1]在1999年基于核磁共振（nuclear magnetic resonance,NMR）分析的基础上提出的,通过对生物体液、组织和细胞提取物随时间变化的代谢物运用核磁共振、色谱、质谱等分析技术进行检测[2-3].展开更多
boosting算法起源于PAC（probably approximately correct）学习模型,由Schapire在1990年首次提出,是一种基于一系列基础分类器的组合分类模型算法,基础分类器可以选择任意一种弱分类模型（如决策树）。随后,Freund和Schapire在此基础上...boosting算法起源于PAC（probably approximately correct）学习模型,由Schapire在1990年首次提出,是一种基于一系列基础分类器的组合分类模型算法,基础分类器可以选择任意一种弱分类模型（如决策树）。随后,Freund和Schapire在此基础上于1995年提出了著名的Adaboost算法.展开更多
文摘代谢组学（metabolomics/metabonomics）是继基因组学、转录组学和蛋白质组学之后新近发展起来的一门学科,是目前组学研究领域的热点之一。其概念最早是由英国学者Nicholson等[1]在1999年基于核磁共振（nuclear magnetic resonance,NMR）分析的基础上提出的,通过对生物体液、组织和细胞提取物随时间变化的代谢物运用核磁共振、色谱、质谱等分析技术进行检测[2-3].
文摘boosting算法起源于PAC（probably approximately correct）学习模型,由Schapire在1990年首次提出,是一种基于一系列基础分类器的组合分类模型算法,基础分类器可以选择任意一种弱分类模型（如决策树）。随后,Freund和Schapire在此基础上于1995年提出了著名的Adaboost算法.
