import__的博客

决策树（Decision Tree）是一种非参数的有监督学习方法，非参数指不限制数据的结构和类型，有监督学习则指必须具有标签。决策树能够从一系列有特征和标签的数据中总结出决策规则，并用树状图的结构来呈现，可用于解决分类和回归问题，其算法本质是一种图结构。其他以树模型为核心的集成算法还有随机森林、AdaBoost。以上为基于西瓜好坏问题构建的决策树，其中最初问题所在地方为根结点（没有进边，有出边，包含最初针对特征的提问），得到结论前的每一个问题为中间节点。

数据库（http://cisbp-rna.ccbr.utoronto.ca/）信息，并从中提取对应剪切因子的 motif，其中 MEME 中提供了。MEME 工具含有多个 motif 数据库，具体可用数据库可参看：https://meme-suite.org/meme/db/motifs。界面（https://meme-suite.org/meme/tools/fimo）上传对应文件即可完成对应靶序列上的 motif 扫描。ASF 的 motif 主要结合在 gene 的 intro 区域，负责可变剪切。