Pse-Analysis的使用
Pse-Analysis的使用
近来机器学习在生物信息学方面的应用越来越广,本文将推广使用一篇论文的实验性结果,以此来作为相同方向的研究人员作为参考(特此声明,该文章非本人所做,只是推广使用,因本人用过,所以有很多人没有运行成功来问我,因此写个博客来说明下,省的重复性工作),实际目的是作为近期推荐给其他学生使用:
链接地址:Pse-Analysis
第一步:下载使用程序和说明文档
第二步:查看说明书
程序是python写的,因此需要python运行环境,若出现包不支持或者出现svm等方面的错误,请下载更新或者卸载了重装Python版本
- train.py是主程序
- ./data/example/protein_pos.txt是正数据集合
- ./data/example/protein_neg.txt是负数据集合
- Protein代表蛋白质,可以改成RNA或者DNA
- -m protein.model代表模型
- -v 10代表十折交叉验证
第三步:因为本人在做RNA方面的研究,故贴上本人的代码和结果
Pse-Analysis的使用相关推荐
- DIY BROADCAST : How to build your own Internet TV Channel with Open-Source other goodies
转自:http://blog.eltrovemo.com/364/diy-broadcast-how-to-build-your-own-tv-channel-with-open-source-oth ...
- TensorRT Analysis Report分析报告
TensorRT Analysis Report 一.介绍 TensorRT是一个高性能的深度学习推理(Inference)优化器,可以为深度学习应用提供低延迟.高吞吐率的部署推理.TensorRT可 ...
- PCA(Principal Component Analysis)的原理、算法步骤和实现。
PCA的原理介绍: PCA(Principal Component Analysis)是一种常用的数据分析方法.PCA通过线性变换将原始数据变换为一组各维度线性无关的表示,可用于提取数据的主要特征分 ...
- 机器学习与高维信息检索 - Note 7 - 核主成分分析(Kernel Principal Component Analysis,K-PCA)
Note 7 - 核主成分分析(Kernel Principal Component Analysis) 核主成分分析 Note 7 - 核主成分分析(Kernel Principal Compone ...
- 机器学习与高维信息检索 - Note 4 - 主成分分析及其现代解释(Principal Component Analysis, PCA)及相关实例
主成分分析及其现代解释 4. 主成分分析及其现代解释 Principal Component Analysis and Its Modern Interpretations 4.1 几何学解释 The ...
- 【免费软件测试视频-0013】——Loadrunner9.0 SLA Analysis
LR9.0---SLA Analysis http://www.3atesting.com/mv/bencandy.php?fid=15&id=16 转载于:https://www.cnblo ...
- OpenCV3.3中主成分分析(Principal Components Analysis, PCA)接口简介及使用
OpenCV3.3中给出了主成分分析(Principal Components Analysis, PCA)的实现,即cv::PCA类,类的声明在include/opencv2/core.hpp文件中 ...
- 笔试算法题(58):二分查找树性能分析(Binary Search Tree Performance Analysis)
议题:二分查找树性能分析(Binary Search Tree Performance Analysis) 分析: 二叉搜索树(Binary Search Tree,BST)是一颗典型的二叉树,同时任 ...
- Classifying dynamic textures via spatiotemporal fractal analysis(许教授)
提出了:dynamic fractal spectrum (动态分形谱) 来处理动态纹理序列 预备知识: 分形(fractal analysis):局部形态和整体态的相似.分形理论所揭示的" ...
- 高斯判别分析 Gaussian Discriminant Analysis
如果在我们的分类问题中,输入特征xx是连续型随机变量,高斯判别模型(Gaussian Discriminant Analysis,GDA)就可以派上用场了. 以二分类问题为例进行说明,模型建立如下: ...
最新文章
- 【C++】STL队列和栈的使用
- [svc]samba服务搭建
- 检查Lync SRV记录是否正常
- linux vnc服务重启,CentOS下配置VNCServer,重启服务仍然生效
- 【java】带时区的时间格式化
- 在word中给公式添加序号
- php公告滚动源码,10行js代码实现上下滚动公告效果方法
- JPA Annotation注解
- mysql gtid 双主_MySQL5.7配置GTID双主
- java List操作
- java 1.6 jre 下载_jre1.6 64位官方下载
- SwitchHost提示管理员身份运行,不能修改hosts文件
- 一文了解 Serverless 究竟是什么
- strut-控制器ActionServlet类详解
- Scratch编程-画图模块13【寿光市青少年创意编程大赛真题】
- DEV GridControl导入导出Excel文件 - 简单表格数据导入(Microsoft.Office自带)
- ai人工智能_药物发现中的人工智能
- idata 单片机 新唐_请教新唐单片机N76E003内存空间不足的问题
- 常见英语面试问答_40个常见的工作面试问答
- Unity真实榴弹炮模拟(真正的大型榴弹炮实现)