生物信息学基础讲座.ppt
生物信息学基础讲座,第3讲 生物信息学与数学,微积分,calculus,函数function,一元函数多元函数,极限limit,上式中的L即为函数f(x)在x0处的极限,导数derivative,导数的几何意义函数曲线在该点处切线（tangent）的斜率（slope）,导数的规则rules for derivatives,加法规则addition rule传递原则chain rule乘法原则multiplication rule除法原则division rule,Applied calculus,变化Change:常导数ordinary、偏导数partial和方向导数directional derivatives最优化optimization：包括拟合fitting和带约束的优化constrained optimization建模modeling函数类型：线性linear、多项式polynomial、指数exponential、三角trigonometric、幂power-law多元函数multi-variables function微分方程differential equation单位和维度units and dimension例子:二元二次多项式,微分方程：动态过程建模,Differential Equation,动态模型dynamic model,描述研究对象特征随时间/空间变化的演变过程分析研究对象特征的变化规律预测研究对象特征的未来状态控制研究对象特征的未来状态微分方程建模方法根据函数及其变化率（导数）的关系建模根据建模目的和问题分析简化假设根据内在规律（模式）或类比法建立微分方程,线性代数：矩阵之美,Linear Algebra,基本概念,集合（set）线性空间（linear space）线性组合（linear combination）线性相关（linear independent）欧式空间（Euclidean space）正交（perpendicular，orthogonal）,向量的加法（addition）,其实质是对应元素的加法交换律（communicative law）结合律（associative law）分配率（distributive law）向量加减的几何学意义（geometric interpretation）,向量乘法（multiplication）的几何意义,内积（inner product）：也称作点乘（dot product），其结果为一标量（scalar），相当于a的范数（L2-norm）与b的范数的乘积乘以两向量的夹角余弦值，表示为 或 ab应用：计算物理上的做功。外积（outer product）：也称作叉乘（cross product），其结果为垂直于向量a与b形成的的平面的向量，其范数为向量a和b范数的乘积乘以夹角的正弦值，表示为 ab应用：物理上的电磁力计算，确定方向采用右手螺旋方法,矩阵（matrix）,矩阵的秩（rank）：矩阵A的行（或列）极大无关组的个数，表示为rank(A)，rank(A)0矩阵的转置（transpose matrix）逆矩阵（inverse matrix）对称矩阵（symmetric matrix）正交矩阵（orthonormal matrix）正定矩阵（positive definite matrix）正半定矩阵（positive semidefinite matrix）,矩阵分解（decomposition/factorization）,所谓矩阵分解，是将矩阵分解为经典矩阵（canonical matrix）的乘积的办法，目的是为了简化计算。LU分解：将矩阵分解为下三角矩阵（upper triangular matrix，L）和上三角矩阵（upper triangular matrix，U）的乘积，常用于方程组的求解。通常A为方阵QR分解：将矩阵分解为一个正规正交矩阵（Q）和一个上三角矩阵的积（R）。QR分解常用来求解线性最小二乘问题。矩阵不必为方阵，分解得到Q为mm方阵，R为nn方阵Cholesky分解：特征值分解（eigendecomposition）：Schur分解：奇异值分解（singular value decomposition,SVD）：A=USVT，其中U、V为正规正交矩阵，S为对角阵。是最为准确的矩阵分解方法，可用于主成份分析（PCA）和聚类（clustering）,最优化：理论与应用,Optimization Theory&Applications,数学规划（mathematical programming）,最优化理论的一个重要分支数学规划是指对n个变量对单目标（或多目标）函数求解极小值（或极大值）变量可能受到某些条件（等式或不等式）的约束,优化问题：分类,线性规划+非线性规划（二次规划等）凸规划+非凸规划全局（global）优化和局部（local）优化带约束的优化+不带约束的优化无约束优化应用：最小二乘法（ordinary least squares,OLS）带约束的优化应用：LASSO（least absolute shrinkage and selection operator）,线性规划（linear programming）,目标函数（objective）和约束函数（constraint）都是线性的方法（solutions）图解法（graphical method）单纯形法（Simplex method）修正单纯形法（Modified Simplex method）对偶单纯形法（dual Simplex method）应用：,二次规划（quadratic programming）,概率论：赌场中产生的科学,Probability,统计：科学还是骗术？,Statistics：Cheating Tools？,Descriptive statistics,Continuous dataLocation:mean,median,modeDispersion:range,standard deviation,coefficient of variation,percentileMoments:variance,semivariance,skewness,kurtosisCategorical dataFrequencyContingency table,Statistical graphics,bar plotbiplotboxplotHistogramStemplotQ-Qplotcorrelogram,Mathematics can be beautiful,barplot,boxplot,Pairs plot,Perspective plot,Time series data decomposition,Stem plot,1|5555556666667899999 2|3344 2|59 3|3|5678 4|012,随机过程：从偶然到必然,Stochastic Process,马尔可夫链（Markov Chain）,有向无环图（Directed Acyclic Graph,DAG）可用于预测（prediction）与分类（classification）每条有向边为量化的可信度（或者概率）是马尔可夫链（Markov chain,MC）的扩展（extension或generalization）每个节点概率的计算，可用贝叶斯公式计算；与马尔可夫链相似，每个状态值取决于前面有限个状态,贝叶斯网络（Bayesian Network）,有向无环图（Directed Acyclic Graph,DAG）可用于预测（prediction）与分类（classification）每条有向边为量化的可信度（或者概率）是马尔可夫链（Markov chain,MC）的扩展（extension或generalization）每个节点概率的计算，可用贝叶斯公式计算；与马尔可夫链相似，每个状态值取决于前面有限个状态,图论：树与网络,Graph Theory,Classification minds,(apple,orange,banana,watermelon,grape,grapefruit,mango,star fruit)Clustering or classification?,
