空对空导弹

DOI:10.18129 / B9.bioc.GARS

这是发展版本的空对空导弹;稳定的发布版本,请参阅空对空导弹。

空对空导弹:遗传算法识别的健壮的高维变量的子集和具有挑战性的数据集

Bioconductor版本:发展(3.17)

特征选择的目标是识别和消除冗余,从高维数据集和嘈杂的变量无关。选择信息特征影响随后的分类和回归分析通过提高他们的整体表现。提出了几种方法进行特征选择:他们中的大多数依赖于单变量统计,相关性,熵测量或后退/前进回归的使用。在此,我们提出一个有效的、健壮的和快速的方法,采用随机优化方法对高维。空对空导弹的遗传算法是一种创新的实现选择健壮的高维特性和具有挑战性的数据集。

作者:Mattia Chiesa < Mattia。基在hotmail.it >,Luca Piacentini

维护人员:Mattia Chiesa < Mattia。基在hotmail.it >

安装

安装这个包,开始R(版本“4.3”)并输入:

如果(!要求(“BiocManager”,悄悄地= TRUE)) install.packages (BiocManager) #以下初始化使用Bioc猛击BiocManager::安装(version =“重击”)BiocManager::安装(“空对空导弹”)

R的旧版本,请参考适当的Bioconductor释放。

文档

查看文档的版本这个包安装在您的系统,开始R和输入:

browseVignettes(“空对空导弹”)

PDF	R脚本	空对空导弹:遗传算法识别的健壮的高维变量的子集和具有挑战性的数据集
PDF		参考手册
文本		新闻

细节

biocViews	分类,聚类,FeatureExtraction,软件
版本	1.19.0
Bioconductor自	BioC 3.7 (r - 3.5)(5年)
许可证	GPL (> = 2)
取决于	R (> = 3.5),ggplot2,集群
进口	DaMiRseq,MLSeq、统计数据、方法SummarizedExperiment
链接
建议	BiocStyle,knitr,testthat
SystemRequirements
增强了
URL
取决于我
进口我
建议我
我的链接
构建报告

包档案

遵循bob 体育网址 指示在R会话中使用这个包。

源包	GARS_1.19.0.tar.gz
Windows二进制	GARS_1.19.0.zip
macOS二进制(x86_64)	GARS_1.19.0.tgz
macOS二进制(arm64)
源库	git克隆https://git.bioconductor.org/packages/GARS
源库(开发人员访问)	git克隆git@git.bioconductor.org:包/空对空导弹
Bioc包浏览器	https://code.bioconductor.org/browse/GARS/
包短Url	//www.anjoumacpherson.com/packages/GARS/
包下载报告	下载数据