线性混合效应模型/广义线性混合效应模型/多水平模型/机器学习 /深度学习/教学TOP医学统计背景,熟悉常见医学统计/机器学习/深度学习方法,可一对一指导各种医学统计分析任务以及机器学习/深度学习分析等。已知可以分析的模型包括不限于：1.数据整理,清洗,转换2.统计描述：统计表（table one制作、单因素分析表、多因素分析表）;统计图（直方图、条形图、散点图、箱线图等）3.统计推断：t检验 、Z检验、卡方检验、似然比检验、Fisher精确检验、MH检验、CMH检验、符号检验、wilcoxon秩和检验、Kappa检验、mcnemar检验、bootstrap置信区间构造等4.相关性分析：Pearson矩相关、Spearman秩相关、Kendall等级相关、偏相关分析、半偏相关分析5.统计建模：1）一般线性模型（线性回归、方差分析、多重比较）2）广义线性模型（二分类/多分类/有序/条件logistic回归、泊松回归、probit回归、负二项回归、gamma回归等）3）非线性曲线拟合（可拟合正态分布logistic分布、指数分布、Weibull分布、对数正态分布、对数logistics分布、gamma分布等）4）非参数回归（核回归、局部线性回归lowess等、样条回归、广义可加模型）。5）混合模型（线性混合模型、广义线性混合模型、随机效应模型、分层线性模型、多水平模型）6）生存分析（KM估计、NA估计、指数回归、Weibull回归、加速失效时间模型AFT、Cox回归、修正比例风险假定的Cox回归等）7）降维（主成分分析、因子分析）8）其他：岭回归、Lasso、临床预测模型、校准曲线、time- dependent roc、dca分析、诺莫图等6.机器学习/深度学习神经网络等1）决策树、随机森林RF、Adaboost、GBDT、XGBoost、朴素贝叶斯、SVM、MLP2）DeepSurv、Survival SVM、Random Survival Forest、Survival Tree、Coxnet、Gradient Boosting Survival、XGBoost统计软件可使用SPSS、R、Python等欢迎咨询,对于有长期数据分析需求的客户,欢迎合作。数据分析流程:1.语音沟通研究目的、设计类型、数据分析要求和思路;2.初步了解数据构成和内容;3.确定整体分析过程和结果汇报时间;4.提交数据分析结果5.协助进行结果解释和答疑

• 暂无描述