Deepmg · PyPI

pip instala deepmg Copiați instrucțiunile PIP

pentru rula

Lansat: 15 aprilie 2020

Un pachet python pentru a vizualiza/antrena/prezice date folosind algoritmi de învățare automată/profundă

Navigare

Link-uri de proiect

Statistici

Vizualizați statistici pentru acest proiect prin Libraries.io sau utilizând setul nostru de date publice de pe Google BigQuery

Licență: Licență publică generală GNU (GPL) (GPLv3 +)

Întreținători

Clasificatoare

  • Licență
    • Aprobat OSI: GNU General Public License (GPL)
  • Sistem de operare
    • OS Independent
  • Limbaj de programare
    • Python: 3

Descrierea proiectului

Met2Img (deepmg) este un cadru de calcul pentru analiza metagenomică folosind algoritmi de învățare profundă și de învățare clasică: python3 din 26 aprilie 2019 (începând cu versiunea 1.0.0)

Vă rugăm să citați Met2Img (deepmg) în publicațiile dvs. dacă v-a ajutat cercetarea. Mulțumesc foarte mult!

Condiții prealabile

  • Vă rugăm să instalați dacă nu aveți: python3.6
  • Pentru a utiliza pachetele pentru explicații despre rețeaua instruită, vă rugăm să descărcați și să instalați:

Instalați sau descărcați pachetul Met2Img

Pentru a instala pachetul

Pentru a descărca pachetul

Cum se folosește Met2Img

Intrare:

  • obligatoriu: fișiere CSV care conțin date (* _x.csv) și etichete (* _y.csv)
  • opțional: dacă utilizați set de validare extern: date (* z_x.csv) și etichete (* z_y.csv)) introduse în date modificabile cu parametri - folder_data_orginal).

Pentru exemple, cirphy_x.csv și cirphy_y.csv pentru setul de date Cirroză din [MetAML] (https://journals.plos.org/ploscompbiol/article?id=10.1371/journal.pcbi.1004977) NUMAI pentru validări interne; și ibdtrainHS_UCr_x.csv ibdtrainHS_UCr_y.csv ibdtrainHS_UCrz_x.csv ibdtrainHS_UCrz_y.csv pentru un set de date din [Sokol's] (https://www.ncbi.nlm.nih.gov/pubation/2.

Ieșire:

imagini: Met2Img va genera imagini și le va stoca în [images/name_dataset_parameters_to_generate_image /] (images /) (modificabile cu parametri --parent_folder_img)

rezultate: informații despre performanță/instruire/testare a fiecărei folduri și rezultate sumare introduse în [results/name_dataset_parameters_to_generate_image /] (results /) (modificabil cu parametri --parent_folder_results), include mai mult de 5 fișiere:

* file_sum.txt: parametri utilizați pentru a rula, performanță la fiecare fold. Ultimele rânduri arată performanța de antrenament/testare în ACC, AUC, timpul de execuție și alte valori ale experimentului. Când experimentul se termină, un sufix „_ok” (modificabil cu parametri --suff_fini) atașat la numele fișierului care marchează finalizarea experimentului.

* file_eachfold.txt (dacă --save_folds = y): rezultatele fiecărei folduri cu precizie, auc, mcc, pierderea antrenamentului și testarea.

* file_mean_acc.txt (dacă --save_avg_run = y): dacă experimentul include n rulări repetate independent, astfel fișierul include performanțe medii pe k-fold-uri ale fiecărei rulări măsurate de precizie și execuția timpului la antrenament/testare la început, antrenament/testare la finalizare.

* file_mean_auc.txt (dacă --save_avg_run = y): dacă experimentul include n rulări repetate independent, deci fișierul include performanțe medii pe k-folduri ale fiecărei rulări măsurate de ASC la antrenament/testare la început, antrenament/testare la terminare.

Dacă --save_para = y: fișier de configurare pentru a repeta experimentul