pymvpa2-crossval - 云端在线

程序：

您的姓名

pymvpa2-crossval - 学习者表现的交叉验证

概要

pymvpa2 交叉值 [- 版[-h] -i 数据集 [数据集 ...] - 学习者 学习者 [- 学习者-
空间 学习空间] --分区器 分区器 [--errorfx 错误效果[--平均数据文件夹-
结果[--平衡训练 平衡_训练[--采样重复
SAMPLING_REPETITIONS 次[--排列 排列[--概率尾 {左右}] -o OUTPUT
[--hdf5-压缩 型]

商品描述

学习者表现的交叉验证

学习器在输入数据集的分区上反复训练和测试，这些分区是
由可配置的分区方案生成。 分区通常构成训练
和测试部分。 学习者在数据集的训练部分接受训练，然后
通过比较其在测试部分的预测来测试学习器的泛化。

学习者表现的总结被写入 STDOUT。 取决于特定的设置
交叉验证分析，学习者的原始预测或总结
统计信息在输出数据集中返回。

如果启用了 Monte-Carlo 置换测试（请参阅 --排列) 第二个输出数据集
还存储了相应的 p 值（文件名后缀“_nullprob”）。

配置

- 版
显示程序的版本和许可证信息并退出

-h, - 帮帮我, --帮助-np
显示此帮助消息并退出。 --帮助-np 强制禁用寻呼机的使用
用于显示帮助。

-i 数据集 [数据集 ...], - 输入 数据集 [数据集 ...]
一个或多个 PyMVPA 数据集文件的路径。 所有数据集将合并为一个
按规格顺序排列的单个数据集（vstack'ed）。 在某些情况下，此选项可能
如果有多个但独立的输入数据集，则需要多次指定
必需的。

可选项 交叉验证 设置：
- 学习者 学习者
通过学习者仓库中的描述选择一个学习者（可训练节点）（参见
用于列表的“信息”命令）、以冒号分隔的功能列表或文件
创建分类器实例的 Python 脚本的路径（高级）。

--学习者空间 学习空间
定义学习者要学习的模型的样本属性的名称。 经过
默认这是一个名为“目标”的属性。

--分区器 分区器
选择数据折叠方案。 支持的参数是： 'half' 表示分半
分区，'oddeven' 用于划分为奇数块和偶数块，'group-X' 其中
X 可以是任何用于在 X 组中进行分区的正整数，'nX'，其中 X 可以是
任何用于保留 X 块分区的正整数。 默认分区器
对由“块”样本属性定义的数据集块进行操作。 名字
可以通过附加冒号和名称来更改“分块”属性的
属性（例如'oddeven:run'）。 可选地，此选项的参数也可以是
创建自定义分区程序实例的 Python 脚本的文件路径
（先进的）。

--errorfx 错误效果
应用于每个目标和预测的误差函数
交叉验证数据折叠。 这可以是任何错误函数的名称
PyMVPA 的 mvpa2.misc.errorfx 模块，或创建的 Python 脚本的文件路径
自定义错误函数（高级）。

--平均数据文件夹结果
分区器生成的跨数据折叠的平均结果值。 例如
计算交叉验证程序所有折叠的平均预测误差。

--平衡训练 平衡_训练
如果启用，训练样本在每个数据折叠内平衡。 如果关键字
'equal' 作为参数给出每个唯一的相同数量的随机样本
选择目标值。 每个类别的样本数由
在各自的训练集中样本数最少的类别。 一个
整数参数将导致每个类别的相应样本数
被随机选择。 浮点数参数（区间 [0,1]）表示
应选择可用样本的哪一部分。

--采样重复 SAMPLING_REPETITIONS 次
如果启用了训练集平衡，随机样本选择应该多久进行一次
对每个数据折叠执行。 默认值：1

--排列 排列
为估计 H0 计算的 Monte-Carlo 置换运行次数
所有交叉验证结果的分布。 启用此选项将使
结果摘要和输出中可用的相应 p 值的报告。

--概率尾 {左右}
评估时从概率分布的哪个尾部报告 p 值
排列测试结果。 例如，交叉验证计算均值预测
错误可能会报告单边检验的左尾 p 值。

输出 opţiuni:
-o 输出， - 输出 OUTPUT
输出文件名（必要时自动添加“.hdf5”扩展名）。 注意：
输出格式适用于 PyMVPA 命令之间的数据交换，但不适用于
建议长期储存或交换，因为其具体内容可能会有所不同
视实际软件环境而定。 对于长期存储，请考虑
转换为其他数据格式（参见“转储”命令）。

--hdf5-压缩 型
HDF5 存储的压缩类型。 可用值取决于特定的 HDF5
安装。 典型值为：“gzip”、“lzf”、“szip”或 1 到 9 之间的整数
表示 gzip 压缩级别。

使用 onworks.net 服务在线使用 pymvpa2-crossval