pymvpa2-searchlight – Online in der Cloud

PROGRAMM:

NAME/FUNKTION

pymvpa2-searchlight – Reise-ROI-Analyse

ZUSAMMENFASSUNG

pymvpa2 Suchscheinwerfer [--Version] [-h] -i DATENSATZ [DATENSATZ ...] --Nutzlast PAYLOAD
--Nachbarn SPEC [--nproc NPROC] [--multiproc-backend {native,hdf5}] [--aggregate-fx
AGGREGATE_FX] [--ds-preproc-fx DS_PREPROC_FX] [--enable-ca NAME/FUNKTION [NAME/FUNKTION ...]] [--disable-ca
NAME/FUNKTION [NAME/FUNKTION ...]] [--scatter-rois SPEC] [--roi-attr ATTR/EXPR [ATTR/EXPR ...]] [--Lebenslauf-
Lerner CV_LEARNER] [--cv-learner-space CV_LEARNER_SPACE] [--cv-partitioner
CV_PARTITIONER] [--cv-errorfx CV_ERRORFX] [--cv-avg-datafold-results] [--cv-balance-
TAUCHERAUSBILDUNG CV_BALANCE_TRAINING] [--cv-sampling-repetitions CV_SAMPLING_REPETITIONS] [--Lebenslauf-
Permutationen CV_PERMUTATIONS] [--cv-prob-tail {links rechts}] -o AUSGABE [--hdf5-komprimierung
TYP]

BESCHREIBUNG

ROI-Analyse für Reisen

OPTIONAL

--Version
Versions- und Lizenzinformationen des Programms anzeigen und beenden

-h, --help, --help-np
diese Hilfemeldung anzeigen und beenden. --help-np deaktiviert gewaltsam die Verwendung eines Pagers
zum Anzeigen der Hilfe.

-i DATENSATZ [DATENSATZ ...], --Eingang DATENSATZ [DATENSATZ ...]
Pfad(e) zu einer oder mehreren PyMVPA-Datensatzdateien. Alle Datensätze werden zu einem zusammengeführt
einzelner Datensatz (vstack'ed) in der Reihenfolge der Spezifikation. In einigen Fällen kann diese Option
müssen mehr als einmal angegeben werden, wenn mehrere, aber separate Eingabedatensätze vorhanden sind
erforderlich.

Optionen für Suchscheinwerfer Setup:
--Nutzlast PAYLOAD
Wechseln Sie, um einen bestimmten Analysetyp auszuwählen, der im Suchscheinwerfermodus auf einem ausgeführt werden soll
Datensatz. Abhängig von der Auswahl stehen die entsprechenden Analyse-Setup-Optionen zur Verfügung
ausgewertet. 'cv' berechnet eine Kreuzvalidierungsanalyse. Alternativ das Argument
Zu dieser Option kann auch ein Skriptdateiname gehören, in dem eine benutzerdefinierte Kennzahl erstellt wird
das wird dann als Suchscheinwerfer ausgeführt.

--Nachbarn SPEC
Definieren Sie die Größe und Form eines ROI in Bezug auf einen Mittelpunkt/Seed-Standort. Wenn ein
Wird eine einzelne ganze Zahl angegeben, wird sie als Radius (in Anzahl des Gitters) interpretiert
Elemente) um einen Saatstandort herum. Standardmäßig sind Gitterkoordinaten für Features
entnommen aus einem „voxel_indices“-Feature-Attribut im Eingabedatensatz. Wenn Koordinaten
Soll ein Wert aus einem anderen Attribut übernommen werden, kann dem Radiuswert ein Präfix vorangestellt werden
der Attributname, z. B. „altcoords:2“. Für andere ROI-Formen als Kugeln (mit
(möglicherweise zusätzliche Parameter) kann auch der Formname angegeben werden, d. h
'voxel_indices:HollowSphere:3:2'. Alle Nachbarschaftsobjekte aus dem
Das Modul mvpa2.misc.neighborhood wird unterstützt. Dies gilt auch für benutzerdefinierte ROI-Formen
Es ist möglich, einen Skriptdateinamen oder einen Attributnamen plus Skriptdateinamen zu übergeben
Kombination, z. B. „voxel_indices:myownshape.py“ (erweitert). Es ist möglich zu
Geben Sie diese Option mehrmals an, um Mehrraum-ROI-Formen zu definieren, z. B.
Raumzeitliche Suchscheinwerfer.

--nproc NPROC
Verwenden Sie für die Berechnung eine bestimmte Anzahl oder Arbeitsprozesse.

--multiproc-backend {native,hdf5}
Gibt die Art und Weise an, wie Ergebnisse von einem Verarbeitungsblock im Falle von zurückgegeben werden
--nproc > 1. „native“ ist das Pickling/Unpickling der Ergebnisse, während „hdf5“ HDF5 verwendet
basierte Dateispeicherung. „hdf5“ könnte in manchen Fällen zeit- und speichereffizienter sein.

--aggregate-fx AGGREGATE_FX
Verwenden Sie eine benutzerdefinierte Ergebnisaggregationsfunktion für den Suchscheinwerfer

--ds-preproc-fx DS_PREPROC_FX
Benutzerdefinierte Vorverarbeitungsfunktion, die unmittelbar nach dem Laden der Daten angewendet werden soll

Optionen für bedingt Attribute:
--enable-ca NAME NAME ...]
Liste der bedingten Attribute, die aktiviert werden sollen

--disable-ca NAME NAME ...]
Liste der bedingten Attribute, die deaktiviert werden sollen

Optionen für einschränkend die Suchscheinwerfer:
--scatter-rois SPEC
Verteilen Sie ROI-Standorte über den verfügbaren Raum. Die hierdurch gestützten Argumente
Option sind identisch mit denen von --Nachbarn. ROI-Standorte werden zufällig ausgewählt
von allen möglichen Standorten mit der Einschränkung, dass die Mittelpunktkoordinaten beliebiger sein dürfen
Der ROI liegt NICHT in der Nachbarschaft (wie durch das Argument dieser Option definiert) von a
zweiter ROI. Mit zunehmender Größe des Viertels erhöht sich daher die
Knappheit der Probenahme.

--roi-attr ATTR/EXPR [ATTR/EXPR ...]
Name eines Feature-Attributs, dessen Werte ungleich Null den möglichen ROI definieren
Samen/Zentren. Alternativ kann dies auch ein Ausdruck wie: packetlation_roi sein
Gleichung 16 (Informationen zu den unterstützten Ausdrücken finden Sie im Befehl „select“).

Optionen für Kreuzvalidierung Setup:
--cv-learner CV_LEARNER
Wählen Sie einen Lernenden (trainierbaren Knoten) über seine Beschreibung im Lernlager aus (siehe
„info“-Befehl für eine Auflistung), eine durch Doppelpunkte getrennte Liste von Funktionen oder eine Datei
Pfad zu einem Python-Skript, das eine Klassifikatorinstanz erstellt (erweitert).

--cv-learner-space CV_LEARNER_SPACE
Name eines Beispielattributs, das das von einem Lernenden zu erlernende Modell definiert. Von
Standardmäßig ist dies ein Attribut mit dem Namen „targets“.

--cv-partitioner CV_PARTITIONER
Wählen Sie ein Datenfaltungsschema aus. Unterstützte Argumente sind: „half“ für „split-half“.
Partitionierung, „oddeven“ für die Partitionierung in ungerade und gerade Blöcke, „group-X“ wo
X kann eine beliebige positive ganze Zahl für die Partitionierung in X-Gruppen sein, „nX“, wobei X sein kann
jede positive Ganzzahl für die Leave-X-Chunks-Out-Partitionierung. Standardmäßig Partitionierer
Arbeiten Sie mit Datensatzblöcken, die durch ein Beispielattribut „Chunks“ definiert sind. Der Name
des „Chunking“-Attributs kann durch Anhängen eines Doppelpunkts und des Namens des Attributs geändert werden
Attribut (z. B. 'oddeven:run'). optional kann auch ein Argument für diese Option sein
ein Dateipfad zu einem Python-Skript, das eine benutzerdefinierte Partitionierungsinstanz erstellt
(fortschrittlich).

--cv-errorfx CV_ERRORFX
Fehlerfunktion, die auf die jeweiligen Ziele und Vorhersagen angewendet werden soll
Kreuzvalidierungsdaten falten. Dies kann entweder der Name einer beliebigen Fehlerfunktion in sein
Das mvpa2.misc.errorfx-Modul von PyMVPA oder ein Dateipfad zu einem Python-Skript, das erstellt
eine benutzerdefinierte Fehlerfunktion (erweitert).

--cv-avg-datafold-results
durchschnittliche Ergebniswerte über vom Partitionierer generierte Datenfalten. Zum Beispiel
um einen mittleren Vorhersagefehler über alle Falten eines Kreuzvalidierungsverfahrens zu berechnen.

--cv-balance-training CV_BALANCE_TRAINING
Wenn diese Option aktiviert ist, werden Trainingsbeispiele innerhalb jeder Datenfalte ausgeglichen. Wenn das Schlüsselwort
„equal“ gibt als Argument eine gleiche Anzahl von Zufallsstichproben für jedes Unique an
Zielwert gewählt wird. Die Anzahl der Proben pro Kategorie wird durch die bestimmt
Kategorie mit der geringsten Anzahl an Proben im jeweiligen Trainingssatz. Ein
Das Ganzzahlargument führt dazu, dass eine entsprechende Anzahl von Samples pro Kategorie ausgegeben wird
zufällig ausgewählt werden. Ein Gleitkommazahlargument (Intervall [0,1]) gibt an
welcher Bruchteil der verfügbaren Proben ausgewählt werden soll.

--cv-sampling-repetitions CV_SAMPLING_REPETITIONS
Wenn der Trainingssatzausgleich aktiviert ist, wie oft sollte die zufällige Stichprobenauswahl erfolgen?
für jede Datenfalte durchgeführt. Standard: 1

--cv-permutations CV_PERMUTATIONS
Anzahl der Monte-Carlo-Permutationsläufe, die zur Schätzung eines H0 berechnet werden müssen
Verteilung für alle Kreuzvalidierungsergebnisse. Durch Aktivieren dieser Option wird Folgendes erreicht:
Berichte über entsprechende p-Werte sind in der Ergebniszusammenfassung und -ausgabe verfügbar.

--cv-prob-tail {links rechts}
Aus welchem ​​Ende der Wahrscheinlichkeitsverteilung bei der Auswertung p-Werte gemeldet werden sollen
Ergebnisse des Permutationstests. Zum Beispiel eine Kreuzvalidierung zur Berechnung der Mittelwertvorhersage
Der Fehler könnte einen linksseitigen p-Wert für einen einseitigen Test melden.

Ausgang Optionen:
-o AUSGANG, --Ausgabe AUSGABE
Ausgabedateiname ('.hdf5' Erweiterung wird bei Bedarf automatisch hinzugefügt). Beachten Sie das
Ausgabeformat eignet sich für den Datenaustausch zwischen PyMVPA-Befehlen, ist es jedoch nicht
empfohlen für die langfristige Lagerung oder den Austausch, da der spezifische Inhalt variieren kann
abhängig von der aktuellen Softwareumgebung. Bei Langzeitlagerung beachten
Konvertierung in andere Datenformate (siehe Befehl 'dump').

--hdf5-komprimierung TYP
Komprimierungstyp für HDF5-Speicher. Verfügbare Werte sind abhängig vom spezifischen HDF5
Installation. Typische Werte sind: 'gzip', 'lzf', 'szip' oder ganze Zahlen von 1 bis 9
zeigt gzip-Komprimierungsstufen an.

Verwenden Sie pymvpa2-searchlight online über die Dienste von onworks.net