此包适用于Bioconductor 3.13版;有关稳定的最新发布版本,请参见空对空导弹.
Bioconductor版本:3.13
特征选择旨在从高维数据集中识别和去除冗余、不相关和有噪声的变量。选择信息特征可以提高分类和回归分析的整体性能,从而影响后续的分类和回归分析。已经提出了几种方法来执行特征选择:其中大多数依赖于单变量统计、相关性、熵测量或向后/正向回归的使用。在此,我们提出了一种高效,鲁棒和快速的方法,采用随机优化方法的高维。GARS是一种遗传算法的创新实现,它可以在高维和具有挑战性的数据集中选择健壮的特征。
作者:Mattia Chiesa < Mattia。Chiesa在hotmail. >,Luca Piacentini
维护者:Mattia Chiesa < Mattia。Chiesa在hotmail. >
引文(从R内,输入引用(“空对空导弹”)
):
要安装此包,请启动R(版本“4.1”)并输入:
如果(!requireNamespace("BiocManager", quiet = TRUE)) install.packages("BiocManager")::install("GARS")
对于R的旧版本,请参考相应的Bioconductor释放.
要查看系统中安装的此包版本的文档,请启动R并输入:
browseVignettes(“空对空导弹”)
R脚本 | GARS:在高维和具有挑战性的数据集中识别变量的鲁棒子集的遗传算法 | |
参考手册 | ||
文本 | 新闻 |
biocViews | 分类,聚类,FeatureExtraction,软件 |
版本 | 1.12.0 |
在Bioconductor | BioC 3.7 (R-3.5)(3.5年) |
许可证 | GPL (>= 2) |
取决于 | R (>= 3.5),ggplot2,集群 |
进口 | DaMiRseq,MLSeq,统计,方法,SummarizedExperiment |
链接 | |
建议 | BiocStyle,knitr,testthat |
SystemRequirements | |
增强了 | |
URL | |
全靠我 | |
进口我 | |
建议我 | |
链接到我 | |
构建报告 |
遵循bob 体育网址 在R会话中使用此包的说明。
源包 | GARS_1.12.0.tar.gz |
Windows二进制 | GARS_1.12.0.zip |
macOS 10.13 (High Sierra) | GARS_1.12.0.tgz |
源库 | git克隆https://git.bioconductor.org/packages/GARS |
源存储库(开发人员访问) | git克隆git@git.bioconductor.org:packages/GARS |
包短Url | //www.anjoumacpherson.com/packages/GARS/ |
软件包下载报告 | 下载数据 |