pymvpa2-searchlight - عبر الإنترنت في السحابة

برنامج:

اسم

pymvpa2-searchlight - تحليل عائد الاستثمار المتنقل

موجز

pymvpa2 كشاف [--الإصدار] [-h] -i مجموعة البيانات [مجموعة البيانات ...] - الدفع الحمولة
--الجيران SPEC [--nproc NPROC] [--multiproc-backend {أصلي، hdf5}] [--aggregate-fx
AGGREGATE_FX] [--ds-preproc-fx DS_PREPROC_FX] [--enable-ca اسم [اسم ...]] [--disable-ca
اسم [اسم ...]] [--مبعثر-رويس SPEC] [--roi-attr أتر/إكسبر [أتر/إكسبر ...]] [--السيرة الذاتية-
متعلم CV_LEARNER] [--السيرة الذاتية-مساحة المتعلم CV_LEARNER_SPACE] [--CV-التقسيم
CV_PARTITIONER] [--cv-errorfx CV_ERRORFX] [- cv-avg-datafold-results] [--السيرة الذاتية-التوازن-
السلامه اولا CV_BALANCE_TRAINING] [--تكرار أخذ عينات السيرة الذاتية CV_SAMPLING_REPETITIONS] [--السيرة الذاتية-
التباديل CV_PERMUTATIONS] [--cv-prob-tail {يسار يمين}] -o OUTPUT [- ضغط hdf5
النوع]

الوصف

تحليل عائد الاستثمار أثناء السفر

OPTIONS

--الإصدار
إظهار إصدار البرنامج ومعلومات الترخيص والخروج

-h, --مساعدة, --مساعدة- np
إظهار رسالة المساعدة هذه والخروج. --مساعدة- np يعطل استخدام جهاز النداء بقوة
لعرض المساعدة.

-i مجموعة البيانات [مجموعة البيانات ...] ، --إدخال مجموعة البيانات [مجموعة البيانات ...]
المسار (المسارات) إلى واحد أو أكثر من ملفات مجموعة بيانات PyMVPA. سيتم دمج جميع مجموعات البيانات في ملف
مجموعة بيانات واحدة (vstack'ed) بترتيب المواصفات. في بعض الحالات قد يكون هذا الخيار
يلزم تحديدها أكثر من مرة إذا كانت مجموعات بيانات الإدخال متعددة ولكن منفصلة
مطلوب.

مزيد من الخيارات لـ كشاف الإعداد:
- الدفع الحمولة
قم بالتبديل لتحديد نوع تحليل معين ليتم تشغيله بطريقة الكشاف على أ
dataset. اعتمادًا على الاختيار، تكون خيارات إعداد التحليل المقابلة
تقييمها. يحسب "cv" تحليل التحقق من الصحة. وبدلا من ذلك، الحجة
يمكن أن يكون لهذا الخيار أيضًا اسم ملف برنامج نصي تم إنشاء مقياس مخصص فيه
ثم يتم تشغيله ككشاف.

--الجيران SPEC
تحديد حجم وشكل عائد الاستثمار فيما يتعلق بموقع المركز/البذور. اذا كان
يتم إعطاء رقم صحيح واحد، ويتم تفسيره على أنه نصف القطر (في عدد الشبكة
العناصر) حول موقع البذور. بشكل افتراضي، تكون إحداثيات الشبكة للميزات
مأخوذة من سمة ميزة "voxel_indices" في مجموعة بيانات الإدخال. إذا الإحداثيات
يجب أن تؤخذ من سمة مختلفة، يمكن أن تكون قيمة نصف القطر مسبوقة بـ
اسم السمة، أي "altcoords:2". بالنسبة لأشكال عائد الاستثمار بخلاف المجالات (مع
معلمات إضافية محتملة)، يمكن تحديد اسم الشكل أيضًا، على سبيل المثال.
'voxel_indices:HollowSphere:3:2'. جميع الكائنات المجاورة من
يتم دعم وحدة mvpa2.misc.neighborhood. بالنسبة لأشكال عائد الاستثمار المخصصة، فهي كذلك أيضًا
من الممكن تمرير اسم ملف البرنامج النصي، أو اسم السمة بالإضافة إلى اسم ملف البرنامج النصي
مجموعة، أي "voxel_indices:myownshape.py" (متقدم). من الممكن
حدد هذا الخيار عدة مرات لتحديد أشكال عائد الاستثمار متعددة المساحات، على سبيل المثال،
الكشافات الزمانية المكانية.

--nproc NPROC
استخدم الرقم المحدد أو العمليات المنفذة للحوسبة.

--multiproc-backend {أصلي، hdf5}
يحدد الطريقة التي يتم بها تقديم النتائج من كتلة المعالجة في حالة حدوث ذلك
--nproc > 1. "الأصلي" هو تخليل/تفكيك النتائج، بينما يستخدم "hdf5" HDF5
تخزين الملفات على أساس. قد يكون "hdf5" أكثر كفاءة في استخدام الوقت والذاكرة في بعض الحالات.

--aggregate-fx AGGREGATE_FX
استخدم وظيفة تجميع النتائج المخصصة للكشاف

--ds-preproc-fx DS_PREPROC_FX
يتم تطبيق وظيفة المعالجة المسبقة المخصصة مباشرة بعد تحميل البيانات

مزيد من الخيارات لـ شرطي الصفات:
--enable-ca اسم اسم ...]
قائمة السمات الشرطية المراد تمكينها

--disable-ca اسم اسم ...]
قائمة السمات الشرطية المراد تعطيلها

مزيد من الخيارات لـ مقيدة القادم كشاف:
--مبعثر-رويس SPEC
مواقع عائد الاستثمار المتناثرة عبر المساحة المتاحة. الحجج التي يدعمها هذا
الخيار متطابقة مع تلك --الجيران. يتم اختيار مواقع عائد الاستثمار بشكل عشوائي
من جميع المواقع الممكنة مع القيد الذي ينسقه المركز لأي
عائد الاستثمار ليس ضمن الحي (كما هو محدد بواسطة وسيطة هذا الخيار) لـ أ
عائد الاستثمار الثاني. وبالتالي فإن زيادة حجم الحي يزيد من
ندرة أخذ العينات.

--roi-attr ATTR/EXPR [ATTR/EXPR ...]
اسم سمة الميزة التي تحدد قيمها غير الصفرية عائد الاستثمار المحتمل
البذور / المراكز. وبدلاً من ذلك، يمكن أن يكون هذا أيضًا تعبيرًا مثل: Parcellation_roi
مكافئ 16 (راجع الأمر "تحديد" لمعرفة ما هي التعبيرات المدعومة).

مزيد من الخيارات لـ عبر المصادقة الإعداد:
--CV-المتعلم CV_LEARNER
حدد متعلمًا (عقدة قابلة للتدريب) من خلال وصفه في مستودع المتعلم (انظر
أمر 'info' لقائمة) ، أو قائمة إمكانات مفصولة بنقطتين ، أو عن طريق ملف
المسار إلى نص Python الذي ينشئ مثيل مصنف (متقدم).

--السيرة الذاتية-مساحة المتعلم CV_LEARNER_SPACE
اسم سمة نموذجية تحدد النموذج الذي يجب أن يتعلمه المتعلم. بواسطة
الافتراضي هذه سمة تسمى "الأهداف".

--CV-التقسيم CV_PARTITIONER
حدد مخطط طي البيانات. الحجج المدعومة هي: "نصف" للنصف المنقسم
التقسيم ، "oddeven" للتقسيم إلى قطع فردية وزوجية ، "group-X" حيث
يمكن أن يكون X أي عدد صحيح موجب للتقسيم في مجموعات X ، "nX" حيث يمكن أن تكون X
أي عدد صحيح موجب للتقسيم إجازة- X- قطع. بشكل افتراضي فواصل
تعمل على أجزاء مجموعة البيانات التي يتم تحديدها بواسطة سمة عينة "القطع". الاسم
من السمة "chunking" من خلال إلحاق نقطتين واسم
السمة (مثل "oddeven: run"). اختياريا يمكن أن تكون حجة هذا الخيار
مسار ملف إلى برنامج نصي بلغة Python يقوم بإنشاء مثيل مقسم مخصص
(متقدم).

--cv-errorfx CV_ERRORFX
يتم تطبيق دالة الخطأ على أهداف وتوقعات كل منها
أضعاف بيانات التحقق المتبادل. يمكن أن يكون هذا اسمًا لأي وظيفة خطأ في
الوحدة النمطية mvpa2.misc.errorfx الخاصة بـ PyMVPA ، أو مسار ملف لبرنامج نصي من Python يقوم بإنشائه
وظيفة خطأ مخصصة (متقدمة).

- cv-avg-datafold-results
متوسط ​​قيم النتائج عبر طيات البيانات الناتجة عن التقسيم. على سبيل المثال
لحساب متوسط ​​خطأ التنبؤ عبر جميع طيات إجراء التحقق المتقاطع.

--CV-التوازن-التدريب CV_BALANCE_TRAINING
في حالة التمكين ، يتم موازنة عينات التدريب داخل كل طية بيانات. إذا كانت الكلمة
يتم إعطاء "يساوي" كوسيطة عددًا متساويًا من العينات العشوائية لكل فريد
يتم اختيار القيمة المستهدفة. يتم تحديد عدد العينات لكل فئة بواسطة
مع أقل عدد من العينات في مجموعة التدريب المعنية. ان
وسيطة عدد صحيح سوف تسبب العدد المقابل من العينات لكل فئة ل
يتم اختياره بشكل عشوائي. تشير وسيطة رقم الفاصلة العائمة (الفاصل الزمني [0,1،XNUMX])
ما هو جزء العينات المتاحة التي سيتم اختيارها.

--تكرار أخذ عينات السيرة الذاتية CV_SAMPLING_REPETITIONS
إذا تم تمكين موازنة مجموعة التدريب ، فكم مرة يجب أن يتم اختيار العينة العشوائي
يتم إجراؤها لكل أضعاف البيانات. الافتراضي: 1

--تباديل السيرة الذاتية CV_PERMUTATIONS
يتم حساب عدد عمليات تبديل مونت كارلو لتقدير H0
التوزيع لجميع نتائج التحقق المتقاطع. تمكين هذا الخيار سيجعل
تقارير قيم p المقابلة المتاحة في ملخص النتيجة والمخرجات.

--cv-prob-tail {يسار يمين}
أي ذيل توزيع الاحتمالات للإبلاغ عن قيم p عند التقييم
نتائج اختبار التقليب. على سبيل المثال ، تعني حوسبة التحقق المتبادل التنبؤ
يمكن أن يشير الخطأ إلى قيمة p ذات الذيل الأيسر لاختبار أحادي الجانب.

الناتج الخيارات:
-o انتاج، --انتاج OUTPUT
اسم ملف الإخراج (يتم إضافة امتداد ".hdf5" تلقائيًا إذا لزم الأمر). لاحظ ال
تنسيق الإخراج مناسب لتبادل البيانات بين أوامر PyMVPA ، لكنه ليس كذلك
موصى به للتخزين طويل الأجل أو التبادل حيث قد يختلف محتواه المحدد
حسب بيئة البرنامج الفعلية. للتخزين طويل الأجل ضع في الاعتبار
التحويل إلى تنسيقات بيانات أخرى (انظر أمر "التفريغ").

- ضغط hdf5 النوع
نوع الضغط لتخزين HDF5. تعتمد القيم المتاحة على HDF5 المحدد
تثبيت. القيم النموذجية هي: "gzip" أو "lzf" أو "szip" أو الأعداد الصحيحة من 1 إلى 9
تشير إلى مستويات ضغط gzip.

استخدم pymvpa2-searchlight عبر الإنترنت باستخدام خدمات onworks.net