集成多组学数据的机器学习在生物医学中的应用_集成多组学数据的机器学习 代谢 宏基因组 联合分析

对机器学习基本概念进行介绍，让大家对机器学习基本概念有大致了解。明确机器学习方法的适用性，优势，以及局限性等

Ø 什么是机器学习

Ø 机器学习的应用实例

Ø 生物组学简介（基因组学，转录组学，蛋白组学，代谢组学）

Ø 机器学习在在多组学数据分析的应用

：机器学习主流实现是python语言。学习机器学习之前，有针对性的对python进行系统的学习，数据的基本处理,以方便将来开展机器学习的学习

Ø python安装与开发环境的搭建

Ø 基本数据类型、组合数据类型

Ø 函数、列表 、元组、字典、集合

Ø 控制结构、循环结构

Ø Numpy模块——矩阵的科学计算

Ø Matplotlib模块——数据处理与绘图

Ø Pandas模块——csv数据处理与分析

Ø Sklearn模块——机器学习模型基础软件包调用

² ：利用Python pandas读取组学CSV数据并进行数据探索可视化分析（Exploratory data analysis,EDA）

：对在多组学整合分析中最常使用的几种机器学习模型进行介绍，总结它们的优缺点及适用范围，通过动手实践快速掌握几种方法

Ø 线性模型（线性回归、梯度下降、正则化、回归的评价指标）

Ø 决策树（决策树原理、ID3算法、C4.5算法、CART算法）

Ø 支持向量机（线性支持向量机、可分支持向量机、不可分支持向量机