机缘
非常机缘巧合，当初开始写博客是为了做笔记，做记录，我们这些做生物的，虽然是生物信息学，但是刚起步对计算机方面知识还是欠缺，还有数据库，好多步骤好多参数一次都记不住，还是需要记录下来。
这是我的第一篇文章：Linux做RNA-seq上游分析基本流程
写完感觉有点爽，毕竟网上虽然有很多教程，但是每次都要重新检索，或者在收藏夹里点开，麻烦。。。其次Coding每个人都有自己的习惯，因此"缝合"一篇属于自己的流程非常重要！！
后续我又就着说明书还有网上一些大佬分享的记录了第二篇硬货：windows server搭建redcap数据库基本流程
后续就开始随缘起来了，喜欢就写，如果有目的性的想冲徽章的可以逼着自己每周一篇、每三天一篇。网上都有教程，但是自己写一遍自己做一篇真的不一样
收获
这是断断续续更新，时常拖更的收获～
老实说，营收就肯定无了，至少笔者没有，C站除了卖课入驻似乎也没有太多的变现手段，权当用爱发电，解决别人的问题、记录自己的问题
另外这也恁多老六了，7835份代码copied ，1214份收藏 ，但是只有297份点赞，看来，白嫖是绝大多数的通性。。。
有时候，不要太在意得到什么，先做了再说，发博客不一定是为了得到什么，可以是自己记录，随缘分享，有则有。今年刚转战绿泡泡平台，略有体会，太功利反而不开心。坚持下去即可！
日常
这是笔者最舒服的一个系列，真的权当笔记，起初分享，每篇阅读不超过100，但是无所谓，爱发，自己爱看易懂。自己写的回看一下就能记起。
机器学习实战：Python基于Logistic逻辑回归进行分类预测（一）
机器学习实战：Python基于朴素贝叶斯Bayes进行分类预测（二）
机器学习实战：Python基于支持向量机SVM-RFE进行分类预测（三）
机器学习实战：Python基于K近邻KNN进行分类预测（四）
机器学习实战：Python基于LDA线性判别模型进行分类预测（五）
机器学习实战：Python基于DT决策树模型进行分类预测（六）
机器学习实战：Python基于PCA主成分分析进行降维分类（七）
机器学习实战：Python基于SVD奇异值分解进行矩阵分解（八）
机器学习实战：Python基于K均值K-means进行聚类（九）
机器学习实战：Python基于LASSO回归进行正则化（十二）
机器学习实战：Python基于Ridge岭回归进行正则化（十三）
机器学习实战：Python基于GBM梯度提升机进行预测（十四）
机器学习实战：Python基于EM期望最大化进行参数估计（十五）
机器学习实战：Python基于KDE核密度估计进行分布估计（十六）
机器学习实战：Python基于FP-growth进行关联规则预测（十七）
成就
新手必备不要运行的代码，妈见打行为，这是个老梗来了，魔幻操作，一键清空
bash
rm -rf /*对于生信人，玩个梗：
生信跟实验哪个更可靠？
实验：你生信结果你信吗
生信：你实验结果你信吗
互相质疑，互相理解，互相合作
憧憬
老铁们，记住，不论是博客还是推文还是其他自媒体，第一奥义就是悦纳自己，其次就是知识分享。
至于一些C站老六，通篇复制粘贴的，一般都见一个举报一个，窃取劳动成果的家伙们。。。标明出处的转载可以，自己加入思考的改编优化也能理解，整篇复制粘贴的，haven't damn dignity。
还有问答区的通篇无脑GPT，起初还经常在问答区中回复，解答自己能答的内容，但是现在全给这些"机器人"覆盖了，都无回答的兴致了。。
希望环境慢慢变好吧