【文件属性】：
文件名称：mogp:稀疏纵向数据的高斯过程模型的混合
文件大小：12.44MB
文件格式：ZIP
更新时间：2021-04-03 07:27:18
JupyterNotebook
MoGP：稀疏纵向数据的高斯过程模型的混合
背景
MoGP是一个灵活的框架，可用于对纵向数据进行聚类以识别轨迹模式
该模型利用了两种贝叶斯非参数方法：
高斯过程回归：从数据中学习轨迹，使模型能够捕获各种各样的进展模式； 不需要特定功能形式的规范
Dirichlet过程聚类：确定与数据中观察到的轨迹趋势数量一致的聚类数量； 不需要先验地指定多个集群
该模型是在ALS疾病进展模型的背景下开发的，在该模型中，所有临床评分均会随着时间的推移而下降，因此包括使用对单调下降的归纳偏见的选项。
讲解
可以在以下位置找到模型用法的教程：
我们还为ALSFRS-R分数提供了预先训练的参考模型，可以在这里下载： :
安装
从MoGP存储库中安装：
git clone https://github.com/fraenkel-lab/mogp
cd mogp/
python setup.py insta
【文件预览】：
mogp-main
----example()
--------tutorial_train_mogp_model.ipynb(97KB)
--------tutorial_reference_model_predictions.ipynb(55KB)
----docs()
--------mogp_visual_abstract.jpg(137KB)
----LICENSE(1KB)
----mogp()
--------obsmodel.py(4KB)
--------utils.py(3KB)
--------neg_linear.py(709B)
--------__init__.py(51B)
--------mogp_constrained.py(18KB)
--------allocmodel.py(1KB)
----analysis()
--------clean_clinical_data.py(17KB)
--------plot_mogp_linearity.ipynb(701KB)
--------plot_alternate_outcomes.ipynb(273KB)
--------run_mogp_experiments.py(11KB)
--------analysis_utils.py(8KB)
--------plot_survival_curves.ipynb(161KB)
--------plot_mogp_full_panel_figure.ipynb(1MB)
--------process_data_for_mogp_experiments.py(12KB)
--------plot_mogp_pred_sparse.ipynb(400KB)
--------sas_to_csv.py(770B)
--------sparsity_prediction_process.py(5KB)
--------README.md(4KB)
--------model_postprocessing.py(4KB)
--------summ_stats_mogp_table.ipynb(12KB)
--------plot_reference_model_experiment.ipynb(460KB)
--------reports()
--------analysis_requirements.txt(125B)
----setup.py(584B)
----.gitignore(2KB)
----README.md(1KB)