FastEMC是一种降维方法。
fastemc的Python项目详细描述
快EMC
快速指数蒙特卡罗
FastEMC是一种降维方法。 为EMC Fastwas设计了少量的示例, 以及大量的功能。 此版本的FastEMC只能处理数字功能, 对样本进行二元分类。 FastEMC可以使用pip安装
$ pip install fastemc
如果pip在windows上失败,请尝试使用conda手动安装scikit learn, 然后使用pip安装fastemc。 您可以直接使用python模块与FastEMC交互
^{pr2}$或者通过命令行
$ python -m fastemc --features features.csv --labels labels.csv
在功能.csv以及标签.csv可以使用pandas生成文件,例如
>>> labels.to_csv("labels.csv")
>>> features.to_csv("features.csv")
其中标签和特征是具有相同索引的pandas数据帧。在
FastEMC输出功能群集的列表。 每个集群的大小和要收集的集群数量是可选参数。 每个组别也会得到一个分数。 该评分基于仅使用聚类中特征的logistic回归分类器的k倍交叉验证。在
在出版的作品中使用FastEMC时,请引用原稿 以及软件的作者:
[1]Stackhouse,C.T.;Rowland,J.R.;Shevin,R.S.;Singh,R.;Gillespie,G.Y.;Willey,C.D.《小说》 GBM肿瘤模型异质性分析及药物筛选。细胞2019,8702。(https://www.ncbi.nlm.nih.gov/pubmed/31336733)
[2]罗兰,J.R.FastEMC。2019(https://github.com/rowland-208/fastemc)
- 项目
标签: