pymvpa2-searchlight - Online en la nube

PROGRAMA:

NOMBRE

pymvpa2-searchlight - análisis de ROI itinerante

SINOPSIS

pymvpa2 reflector [--versión] [-h] -i CONJUNTO DE DATOS [CONJUNTO DE DATOS ...] --carga útil CARGA
--vecinos SPEC [--nproc NPROC] [--multiproc-back-end {nativo, hdf5}] [--agregado-fx
AGREGATE_FX] [--ds-preproc-fx DS_PREPROC_FX] [--habilitar-ca NOMBRE [NOMBRE ...]] [--disable-ca
NOMBRE [NOMBRE ...]] [--scatter-rois SPEC] [--roi-atributo ATTR / EXPR [ATTR / EXPR ...]] [--CV-
aprendiz CV_ALUMNO] [--cv-aprendiz-espacio CV_ESTUDIANTE_ESPACIO] [--cv-particionador
CV_PARTICIONADOR] [--cv-errorfx CV_ERRORFX] [--cv-avg-datafold-resultados] [--cv-saldo-
la formación CV_BALANCE_ENTRENAMIENTO] [--cv-muestreo-repeticiones CV_MUESTREO_REPETICIONES] [--CV-
permutaciones CV_PERMUTACIONES] [--cv-prob-cola {izquierda derecha}] -o SALIDA [--hdf5-compresión
TIPO]

DESCRIPCIÓN

Análisis de ROI itinerante

OPCIONES

--versión
mostrar la versión del programa y la información de licencia y salir

-h, --ayuda, --ayuda-np
muestre este mensaje de ayuda y salga. --ayuda-np desactiva forzosamente el uso de un buscapersonas
para mostrar la ayuda.

-i CONJUNTO DE DATOS [CONJUNTO DE DATOS ...], --aporte CONJUNTO DE DATOS [CONJUNTO DE DATOS ...]
ruta (s) a uno o más archivos de conjunto de datos PyMVPA. Todos los conjuntos de datos se fusionarán en un
conjunto de datos único (vstack'ed) en el orden de especificación. En algunos casos, esta opción puede
deben especificarse más de una vez si hay varios conjuntos de datos de entrada, pero separados
requerida.

De Seguros for reflector configuración:
--carga útil CARGA
cambie para seleccionar un tipo de análisis en particular que se ejecutará en forma de reflector en un
conjunto de datos. Dependiendo de la elección, las opciones de configuración de análisis correspondientes son
evaluado. 'cv' calcula un análisis de validación cruzada. Alternativamente, el argumento
a esta opción también puede ser un nombre de archivo de script en el que se construye una medida personalizada
que luego se ejecuta como un reflector.

--vecinos SPEC
definir el tamaño y la forma de un ROI con respecto a una ubicación de centro / semilla. Si un
se da un número entero único, se interpreta como el radio (en número de cuadrícula
elementos) alrededor de una ubicación de semilla. Por defecto, las coordenadas de la cuadrícula para las entidades son
tomado de un atributo de característica 'voxel_indices' en el conjunto de datos de entrada. Si coordenadas
se tomará de un atributo diferente, el valor del radio puede ir precedido de
el nombre del atributo, es decir, 'altcoords: 2'. Para formas de ROI que no sean esferas (con
parámetros potencialmente adicionales), el nombre de la forma también se puede especificar, es decir
'índices_voxel: Esfera hueca: 3: 2'. Todos los objetos del vecindario del
Se admiten el módulo mvpa2.misc.neighborhood. Para formas personalizadas de ROI también es
posible pasar un nombre de archivo de secuencia de comandos, o un nombre de atributo más el nombre de archivo de secuencia de comandos
combinación, es decir, 'voxel_indices: myownshape.py' (avanzado). Es posible
especifique esta opción varias veces para definir formas de ROI multiespacio para, por ejemplo,
reflectores espacio-temporales.

--nproc NPROC
Utilice el número específico de procesos de trabajo para la informática.

--multiproc-back-end {nativo, hdf5}
Especifica la forma en que se proporcionan los resultados de un bloque de procesamiento en caso de
--nproc > 1. 'nativo' es el decapado / eliminación de los resultados, mientras que 'hdf5' usa HDF5
almacenamiento de archivos basado. 'hdf5' puede ser más eficiente en tiempo y memoria en algunos casos.

--agregado-fx AGREGATE_FX
utilizar una función de agregación de resultados personalizada para el reflector

--ds-preproc-fx DS_PREPROC_FX
función de preprocesamiento personalizada que se aplicará inmediatamente después de cargar los datos

De Seguros for condicional atributos:
--habilitar-ca NOMBRE NOMBRE ...]
lista de atributos condicionales que se habilitarán

--disable-ca NOMBRE NOMBRE ...]
lista de atributos condicionales que se deshabilitarán

De Seguros for limitante los reflector:
--scatter-rois SPEC
distribuir ubicaciones de ROI en el espacio disponible. Los argumentos apoyados por este
opción son idénticas a las de --vecinos. Las ubicaciones de ROI se eligen al azar
desde todas las ubicaciones posibles con la restricción de que el centro de las coordenadas de cualquier
El ROI NO está dentro de la vecindad (como se define en el argumento de esta opción) de un
segundo ROI. Aumentar el tamaño del vecindario, por lo tanto, aumenta la
escasez del muestreo.

--roi-atributo ATTR / EXPR [ATTR / EXPR ...]
nombre de un atributo de característica cuyos valores distintos de cero definen el posible ROI
semillas / centros. Alternativamente, esto también puede ser una expresión como: parcellation_roi
ec. 16 (consulte el comando 'seleccionar' para obtener información sobre qué expresiones se admiten).

De Seguros for validación cruzada configuración:
--cv-aprendiz CV_ALUMNO
seleccionar un alumno (nodo entrenable) a través de su descripción en el almacén de alumnos (ver
comando 'info' para una lista), una lista de capacidades separadas por dos puntos o por un archivo
ruta a un script de Python que crea una instancia de clasificador (avanzado).

--cv-aprendiz-espacio CV_ESTUDIANTE_ESPACIO
nombre de un atributo de muestra que define el modelo que debe aprender un alumno. Por
por defecto, este es un atributo llamado 'objetivos'.

--cv-particionador CV_PARTICIONADOR
seleccione un esquema de plegado de datos. Los argumentos admitidos son: 'half' para split-half
particionamiento, 'impar' para particionar en partes pares e impares, 'grupo-X' donde
X puede ser cualquier entero positivo para particionar en grupos X, 'nX' donde X puede ser
cualquier entero positivo para dejar-X-fragmenta la partición. Por defecto particionadores
operan en fragmentos de conjuntos de datos que están definidos por un atributo de muestra 'fragmentos'. El nombre
del atributo "fragmentación" se puede cambiar añadiendo dos puntos y el nombre del
atributo (por ejemplo, 'oddeven: run'). opcionalmente, un argumento para esta opción también puede ser
una ruta de archivo a una secuencia de comandos de Python que crea una instancia de particionador personalizada
(avanzado).

--cv-errorfx CV_ERRORFX
función de error que se aplicará a los objetivos y predicciones de cada
pliegue de datos de validación cruzada. Puede ser el nombre de cualquier función de error en
El módulo mvpa2.misc.errorfx de PyMVPA, o una ruta de archivo a un script de Python que crea
una función de error personalizada (avanzada).

--cv-avg-datafold-resultados
valores de resultado promedio en los pliegues de datos generados por el particionador. Por ejemplo
para calcular un error de predicción medio en todos los pliegues de un procedimiento de validación cruzada.

--cv-equilibrio-entrenamiento CV_BALANCE_ENTRENAMIENTO
Si está habilitado, las muestras de entrenamiento se equilibran dentro de cada pliegue de datos. Si la palabra clave
'igual' se da como argumento un número igual de muestras aleatorias para cada
se elige el valor objetivo. El número de muestras por categoría está determinado por el
categoría con el menor número de muestras en el respectivo conjunto de entrenamiento. Un
El argumento entero hará que el número correspondiente de muestras por categoría
ser seleccionado al azar. Un argumento de número de coma flotante (intervalo [0,1]) indica
qué fracción de las muestras disponibles se seleccionará.

--cv-muestreo-repeticiones CV_MUESTREO_REPETICIONES
Si el equilibrio del conjunto de entrenamiento está habilitado, ¿con qué frecuencia se debe realizar la selección de muestra aleatoria?
realizado para cada pliegue de datos. Predeterminado: 1

--cv-permutaciones CV_PERMUTACIONES
Número de corridas de permutación Monte-Carlo que se calcularán para estimar un H0
distribución para todos los resultados de validación cruzada. Habilitar esta opción hará
informes de los valores p correspondientes disponibles en el resumen de resultados y la salida.

--cv-prob-cola {izquierda derecha}
de qué cola de la distribución de probabilidad reportar los valores p al evaluar
resultados de la prueba de permutación. Por ejemplo, una predicción media de cálculo de validación cruzada
El error podría informar el valor p de la cola izquierda para una prueba de un solo lado.

Salida opciones:
-o PRODUCCIÓN, --producción SALIDA
nombre de archivo de salida (la extensión '.hdf5' se agrega automáticamente si es necesario). Nota la
El formato de salida es adecuado para el intercambio de datos entre comandos PyMVPA, pero no
recomendado para almacenamiento o intercambio a largo plazo, ya que su contenido específico puede variar
dependiendo del entorno de software real. Para el almacenamiento a largo plazo, considere
conversión a otros formatos de datos (consulte el comando 'dump').

--hdf5-compresión TIPO
tipo de compresión para almacenamiento HDF5. Los valores disponibles dependen del HDF5 específico
instalación. Los valores típicos son: 'gzip', 'lzf', 'szip' o números enteros del 1 al 9
indicando niveles de compresión gzip.

Utilice pymvpa2-searchlight en línea utilizando los servicios de onworks.net