pymvpa2-searchlight - Интернет в облаке

ПРОГРАММА:

ИМЯ

pymvpa2-searchlight - анализ рентабельности инвестиций

СИНТАКСИС

pymvpa2 прожектор [--версия] [-h] -i НАБОР ДАННЫХ [НАБОР ДАННЫХ ...] --полезная нагрузка ПОЛЕЗНОЙ
--соседи SPEC [--nproc NPROC] [--multiproc-бэкэнд {native, hdf5}] [--агрегат-FX
AGGREGATE_FX] [--ds-preproc-fx DS_PREPROC_FX] [--enable-ca ИМЯ [ИМЯ ...]] [--disable-ca
ИМЯ [ИМЯ ...]] [--scatter-rois SPEC] [--roi-аттр ATTR / EXPR [ATTR / EXPR ...]] [--резюме-
ученик CV_LEARNER] [--cv-ученик-пространство CV_LEARNER_SPACE] [--cv-разделитель
CV_PARTITIONER] [--cv-errorfx CV_ERRORFX] [--cv-avg-datafold-результаты] [--cv-баланс-
обучение CV_BALANCE_TRAINING] [--cv-выборки-повторения CV_SAMPLING_REPETITIONS] [--резюме-
перестановки CV_PERMUTATIONS] [--cv-проб-хвост {лево право}] -o ВЫВОД [--hdf5-сжатие
ТИП]

ОПИСАНИЕ

Анализ окупаемости путешествий

ДОПОЛНИТЕЛЬНЫЕ ОПЦИИ

--версия
показать версию программы и информацию о лицензии и выйти

-h, --Помогите, --help-np
показать это справочное сообщение и выйти. --help-np принудительно отключает использование пейджера
для отображения справки.

-i НАБОР ДАННЫХ [НАБОР ДАННЫХ ...], --Вход НАБОР ДАННЫХ [НАБОР ДАННЫХ ...]
пути к одному или нескольким файлам набора данных PyMVPA. Все наборы данных будут объединены в
единый набор данных (сложенный) в порядке спецификации. В некоторых случаях эта опция может
необходимо указывать более одного раза, если несколько, но отдельные входные наборы данных
требуется.

Опции для прожектор Установка:
--полезная нагрузка ПОЛЕЗНОЙ
переключатель, чтобы выбрать конкретный тип анализа, который будет запускаться в режиме прожектора на
набор данных. В зависимости от выбора будут доступны соответствующие параметры настройки анализа.
оценен. 'cv' вычисляет анализ перекрестной проверки. В качестве альтернативы аргумент
к этому параметру также может быть имя файла сценария, в котором построена настраиваемая мера
который затем запускается как прожектор.

--соседи SPEC
определить размер и форму области интереса по отношению к центру / исходному положению. Если
дано одно целое число, оно интерпретируется как радиус (в количестве сеток
элементы) вокруг места посадки. По умолчанию координаты сетки для пространственных объектов
взято из атрибута объекта voxel_indices во входном наборе данных. Если координаты
должен быть взят из другого атрибута, значение радиуса может иметь префикс
имя атрибута, например "altcoords: 2". Для форм области интереса, отличных от сфер (с
потенциально дополнительные параметры), также можно указать имя формы, т. е.
'voxel_indices: HollowSphere: 3: 2'. Все соседние объекты из
Поддерживается модуль mvpa2.misc.neighborhood. Для нестандартных форм ROI это также
можно передать имя файла сценария или имя атрибута плюс имя файла сценария
комбинация, например voxel_indices: myownshape.py (расширенная). Возможно
укажите эту опцию несколько раз, чтобы определить формы области интереса с несколькими пространствами, например,
пространственно-временные прожекторы.

--nproc NPROC
Используйте определенное число или рабочие процессы для вычислений.

--multiproc-бэкэнд {native, hdf5}
Определяет способ возврата результатов из блока обработки в случае
--nproc > 1. 'native' - это обработка / распаковка результатов, в то время как 'hdf5' использует HDF5
на основе файлового хранилища. В некоторых случаях «hdf5» может быть более эффективным по времени и памяти.

--агрегат-FX AGGREGATE_FX
использовать настраиваемую функцию агрегирования результатов для прожектора

--ds-preproc-fx DS_PREPROC_FX
настраиваемая функция предварительной обработки, которая будет применяться сразу после загрузки данных

Опции для условный атрибуты:
--enable-ca ИМЯ [ИМЯ ...]
список условных атрибутов для включения

--disable-ca ИМЯ [ИМЯ ...]
список условных атрибутов, которые нужно отключить

Опции для ограничительный прожектор:
--scatter-rois SPEC
разбросать области ROI по доступному пространству. Аргументы, поддерживаемые этим
вариант идентичны таковым из --соседи. Локации ROI выбираются случайным образом
из всех возможных мест с ограничением, что координаты центра любого
ROI НЕ находится в окрестностях (как определено аргументом этой опции)
второй ROI. Следовательно, увеличение размера окрестности увеличивает
дефицитность выборки.

--roi-аттр ATTR / EXPR [ATTR / EXPR ...]
имя атрибута объекта, ненулевые значения которого определяют возможную область интереса
семена / центры. В качестве альтернативы это также может быть такое выражение, как: parcellation_roi
уравнение 16 (информацию о том, какие выражения поддерживаются, см. в команде 'select').

Опции для перекрестная проверка Установка:
--cv-ученик CV_LEARNER
выберите учащегося (обучаемый узел) по его описанию в хранилище учащихся (см.
'info' для вывода списка), список возможностей, разделенных двоеточиями, или файл
путь к скрипту Python, который создает экземпляр классификатора (дополнительно).

--cv-ученик-пространство CV_LEARNER_SPACE
имя образца атрибута, который определяет модель, которую должен изучить учащийся. К
по умолчанию это атрибут с именем «цели».

--cv-разделитель CV_PARTITIONER
выберите схему сворачивания данных. Поддерживаемые аргументы: 'половина' для разделения-половины
разделение, oddeven для разделения на нечетные и четные части, group-X, где
X может быть любым положительным целым числом для разбиения на группы X, nX, где X может быть
любое положительное целое число для разбиения на фрагменты с оставлением-X. По умолчанию разделители
работают с фрагментами набора данных, которые определены атрибутом образца chunks. Имя
атрибута "разбиение на части" можно изменить, добавив двоеточие и имя
атрибут (например, «oddeven: run»). необязательно, аргумент этой опции также может быть
путь к файлу сценария Python, который создает экземпляр настраиваемого модуля разделения
(передовой).

--cv-errorfx CV_ERRORFX
функция ошибок, применяемая к целям и прогнозам каждого
свертка данных перекрестной проверки. Это может быть имя любой функции ошибки в
Модуль PyMVPA mvpa2.misc.errorfx или путь к файлу скрипта Python, который создает
настраиваемая функция ошибок (расширенная).

--cv-avg-datafold-результаты
средние значения результатов по сверткам данных, сгенерированным секционером. Например
для вычисления средней ошибки прогноза по всем этапам процедуры перекрестной проверки.

--cv-баланс-тренировка CV_BALANCE_TRAINING
Если этот параметр включен, обучающие выборки сбалансированы в каждой свертке данных. Если ключевое слово
'равно' задается в качестве аргумента равное количество случайных выборок для каждого уникального
выбрано целевое значение. Количество образцов в категории определяется
категория с наименьшим количеством выборок в соответствующем обучающем наборе. An
целочисленный аргумент приведет к тому, что соответствующее количество выборок для каждой категории будет
быть выбранным случайным образом. Аргумент числа с плавающей запятой (интервал [0,1]) указывает
какая часть имеющихся образцов должна быть отобрана.

--cv-выборки-повторения CV_SAMPLING_REPETITIONS
Если включена балансировка обучающей выборки, как часто следует производить выборку случайной выборки.
выполняется для каждой свертки данных. По умолчанию: 1

--cv-перестановки CV_PERMUTATIONS
Количество запусков перестановок Монте-Карло, которые необходимо вычислить для оценки H0
распределение для всех результатов перекрестной проверки. Включение этой опции сделает
отчеты о соответствующих p-значениях, доступные в сводке результатов и выходных данных.

--cv-проб-хвост {лево право}
из какого хвоста распределения вероятностей сообщать p-значения при оценке
результаты проверки перестановки. Например, среднее предсказание вычислений с перекрестной проверкой
ошибка может сообщать р-значение левого хвоста для одностороннего теста.

Результат опции:
-o ВЫХОД, --выход ВЫВОД
выходное имя файла (при необходимости автоматически добавляется расширение '.hdf5'). Обратите внимание
выходной формат подходит для обмена данными между командами PyMVPA, но не
рекомендуется для длительного хранения или обмена, так как конкретное содержимое может отличаться
в зависимости от реальной программной среды. Для длительного хранения рассмотрите
преобразование в другие форматы данных (см. команду dump).

--hdf5-сжатие ТИП
тип сжатия для хранения HDF5. Доступные значения зависят от конкретного HDF5.
установка. Типичные значения: gzip, lzf, szip или целые числа от 1 до 9.
с указанием уровней сжатия gzip.

Используйте pymvpa2-searchlight онлайн с помощью сервисов onworks.net