1.在看imputation的樣例**
測試損失是怎麼得出來的呢？將x輸入進模型，並且**出了x'，那麼此時就可以根據loss函式來計算了，包括重建的概率損失，以及隱空間變數和庫大小變數的kl散度。
那麼imputation它是如何進行的呢？檢視**後我發現了，首先從資料集中載入已經擾亂過的資料：
通過擾亂資料訓練模型，並且測試資料使用的是原始資料：
# start a new fresh model on a corrupted training set：
在train_model類中，訓練是通過擾亂資料，
其中評估imputed資料是：
這樣輸入的**x_zero對應的資料，並且傳入原始資料exp_train，以此來計算出填充錯誤。
我認為是對rate_和exp_train對應的i,j行計算imputed損失。
總之，先使用x_zero訓練模型，並給出x_zero的結果，再和原始資料計算l1距離的中值作為損失。
#但是還是難以接受，直接擬合分布，就算資料出現插補也是ok的？難以接受。但是補充不都是以當前資料去補充當前資料嗎，沒問題的。
2.對cortex的資料集的sv同樣進行了分析，發現是一樣的道理。
對擾亂資料建立模型，之後會得到擾亂資料的vae結果，因為之前使用了擾亂資料訓練，所以會自動進行填充，然後和原始資料計算error。
3.np.nonzero的例子
import這裡輸出是兩個list，分別指示行和列，一 一對應的關係。numpy as np
x=np.array([1,2,3,0,12,14]).reshape(2,3)
(x)print
(np.nonzero(x))
#輸出：
[[ 1 2 3]
[ 0 12 14]]
(array([0, 0, 0, 1, 1], dtype=int64), array([0, 1, 2, 1, 2], dtype=int64))
要注意得到的兩個list長度是相同的，就是非0元素的個數。
#反應過來之後，感覺真是厲害。
#我還以為輸出的直接是(i,j)這樣子的。
4.高斯核密度估計
（待看）
5.負對數似然
（待看）
7.接下來看差異表達分析！
假設檢驗什麼的我最不明白了。
差異表達分析應該是對不同的細胞型別來說的吧？這篇文章的意思是直接對表達矩陣建模？？？
不的，是對不同的細胞型別找出de基因的。
嘗試理解這兩個假設檢驗的例子：
fw函式是計算每個cell中細胞的表達佔比，是通過softmax層輸出的，那這裡fgw是針對其中乙個gene，
#那這裡的s是對當前cell所標識的batch，還是對所有的batch呢？我目前認為是前者。但是後者也有可能，是它忽略了batch，因為就算不同的batch也有可能是相同的cell型別。
如果對所有batch來說，當前gene的均值在當前細胞型別za中 大於 另一cell型別，那麼就接受原假設，當前g是差異表達基因，反之如果≤就不是？？？
es是根據經驗頻率得出的。
#明白了一點，它不需要校正細胞的批次，而是對es這樣求期望，就忽略批次，而能夠得出差異表達的gene。
8.轉錄組差異表達分析
似乎也沒什麼用。
9.貝葉斯檢驗的書部分介紹
但是這本書講的也太抽象了。
10.貝葉斯假設檢驗
貝葉斯假設檢驗的總體步驟：
總之要計算原假設的後驗概率和備擇假設的後驗概率，然後求二者之商。
11.對後驗積分的理解
左邊是原假設的後驗概率，右邊是對所有批次的類別細胞，za和zb應該是兩個不同的cluster的，首先對於乙個za，
p(s)是每個批次中的細胞相對豐度。#目前還對這個公式啥意思完全不明白。
對每乙個基因g和細胞對(za,zb)，觀測到的基因表達為(xa,xb)並且批id為(sa,sb)。
12.搜尋關鍵字「貝葉斯檢驗 差異表達」，結果不佳。
13.通過在給的實驗說明中，理解了一點：
從訓練有素的vae模型中，我們可以取樣每個細胞中每個基因的基因表達率。 然後，對於兩個感興趣的種群，我們可以從每個種群中隨機抽取一對細胞，以比較它們在乙個基因中的表達率。差異表達的程度通過logit（p /（1-p））進行度量，其中p是種群a中的細胞表達高於種群b中的細胞的概率。我們可以形成de值的零分布 通過從組合人口中隨機抽取配對。
上面所說的p就是原假設h1。
再看basic教程，講解如何確定de基因，首先選定感興趣的細胞型別。
10月26日 周二 晴
天氣預報說今天有颱風，天氣將降溫。一早醒來，風和日麗，陽光明媚，是否是山雨欲來風滿樓？心情很是惆悵，雖然考完試了，輕鬆了不少，但是生活依舊煩悶，雖然每天仍是笑聲爽朗。我離開了莊，儘管不捨，但仍是義無反顧。每每想起心便是鈍鈍的疼，我是個好女孩，但是為何幸福離我那般遠？人是不是都很賤，容易到手的東西就是...
Adobe仿效微軟 實施「周二補丁日」
近期發生了很多利用adobe reader和acrobat中的安全漏洞實施攻擊行為的事件，更有安全研究人員建議使用者放棄使用reader和acrobat選擇其它pdf閱讀器，面對嚴峻的局面，adobe公司決定改變其補丁修復的操作方式。今天adobe表示，公司計畫更頻繁地對系統進行安全公升級，並即時發...
2023年8月微軟「周二補丁日」
2017年8月8日，微軟在補丁日為48個cve漏洞發布了補丁。相對於7月來說，本次發布的補丁涉及到的漏洞相對較輕微。在48個cve漏洞中，總共有26個cve被評為 關鍵 21評分為 重要 和1評級為 中等 在所有這些漏洞中，軟體和服務的 安全更新包括 26個cve中的18個評級為 嚴重 影響micr...