基于sparsa求解器的神经成像分类器优化
brainowl的Python项目详细描述
脑鹰
这是一个为神经影像学调整的分类器。尤其是与任务相关的 功能磁共振成像。它应该与owl norm一起使用(也称为ordered$l_1$norm) 并使用基于sparsa的解算器。
owl规范应该识别与学习问题相关的特征,即使 它们是相互关联的。基于owl的权重图往往是稀疏的,但并非如此。 例如,像套索的解一样稀疏。
安装
使用pip
安装(确保python3>;=3.5):
pip install brainowl
完成了。
如果希望获得源代码,可以使用git
:
git clone https://github.com/jpvaldes/brainowl.git
然后安装:
cd brainowl pip install -e .
用法示例
附带的jupyter笔记本包含了一个使用brainowl的示例 显示如何解码两类经典神经影像学的分类器 哈克斯比数据集。
如果找不到数据集,将自动下载该数据集。
致谢
使之更容易的scikit-learn库 开发新的想法,pyowl 实现,以及nilearn项目(在 特别是太空网的学习者)。
此项目包含来自pyowl的代码。
参考资料
X Zeng, M A T Figueiredo, The Ordered Weighted $l_1$ Norm:
Atomic Formulation, Projections, and Algorithms.
J. Bogdan, E. Berg, W. Su, and E. Candes, Statistical Estimation and
Testing via the Ordered $l_1$ Norm.
Stephen Wright, Robert Nowak, and Mario Figueiredo. Sparse Reconstruction
by Separable Approximation. IEEE Transactions on Signal Processing, 2009,
Vol. 52, No. 7, 2479-2493.
Marcos Raydan. The Barzilai and Borwein Gradient Method for the Large Scale
Unconstrained Minimization Problem. SIAM J. Optim., 1997, Vol. 7, No. 1,
26-33.