論文の概要: mvlearnR and Shiny App for multiview learning
- arxiv url: http://arxiv.org/abs/2311.16181v1
- Date: Sat, 25 Nov 2023 03:01:12 GMT
- ステータス: 処理完了
- システム内更新日: 2023-11-30 09:40:37.113303
- Title: mvlearnR and Shiny App for multiview learning
- Title(参考訳): マルチビュー学習のためのmvlearnRとShiny App
- Authors: Elise F. Palzer and Sandra E. Safo
- Abstract要約: mvlearnRとそれに伴うShiny Appは、複数のソースやビューやモダリティからのデータを統合することを意図している。
新しいパッケージは統計的および機械学習メソッドとグラフィカルツールをラップし、便利で簡単なデータ統合ワークフローを提供する。
限られたプログラム言語を持つユーザには、あらゆるデバイスでデータ統合を容易にするShiny Applicationを提供しています。
- 参考スコア(独自算出の注目度): 0.0
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: The package mvlearnR and accompanying Shiny App is intended for integrating
data from multiple sources or views or modalities (e.g. genomics, proteomics,
clinical and demographic data). Most existing software packages for multiview
learning are decentralized and offer limited capabilities, making it difficult
for users to perform comprehensive integrative analysis. The new package wraps
statistical and machine learning methods and graphical tools, providing a
convenient and easy data integration workflow. For users with limited
programming language, we provide a Shiny Application to facilitate data
integration anywhere and on any device. The methods have potential to offer
deeper insights into complex disease mechanisms.
Availability and Implementation: mvlearnR is available from the following
GitHub repository: https://github.com/lasandrall/mvlearnR. The web application
is hosted on shinyapps.io and available at:
https://multi-viewlearn.shinyapps.io/MultiView_Modeling/
- Abstract(参考訳): パッケージmvlearnRとそれに伴うShiny Appは、複数のソースやビューやモダリティ(ゲノム学、プロテオミクス、臨床および人口統計データなど)からのデータを統合することを意図している。
マルチビュー学習のための既存のソフトウェアパッケージのほとんどは分散化されており、限られた機能を提供しているため、総合的な統合分析を行うことは困難である。
新しいパッケージは統計的および機械学習メソッドとグラフィカルツールをラップし、便利で簡単なデータ統合ワークフローを提供する。
限られたプログラム言語を持つユーザには、あらゆるデバイスでデータ統合を容易にするShiny Applicationを提供しています。
この手法は複雑な疾患のメカニズムについて深い洞察を与える可能性がある。
可用性と実装: mvlearnrは以下のgithubリポジトリから入手できる。
ウェブアプリケーションはshinyapps.ioにホストされ、https://multi-viewlearn.shinyapps.io/multiview_modeling/で入手できる。
関連論文リスト
- YAMLE: Yet Another Machine Learning Environment [4.985768723667417]
YAMLEはオープンソースのフレームワークで、機械学習(ML)モデルとメソッドによる迅速なプロトタイピングと実験を容易にする。
YAMLEにはコマンドラインインターフェースと、人気があり保守状態の良いPyTorchベースのライブラリとの統合が含まれている。
YAMLEの目標は、研究者や実践者が既存の実装を素早く構築し比較できる共有エコシステムに成長することだ。
論文 参考訳(メタデータ) (2024-02-09T09:34:36Z) - eipy: An Open-Source Python Package for Multi-modal Data Integration
using Heterogeneous Ensembles [3.465746303617158]
eipyはオープンソースのPythonパッケージで、分類のための効果的なマルチモーダルなヘテロジニアスアンサンブルを開発する。
データ統合と予測モデリングメソッドの比較と選択のための厳格でユーザフレンドリなフレームワークを提供する。
論文 参考訳(メタデータ) (2024-01-17T20:07:47Z) - MultiZoo & MultiBench: A Standardized Toolkit for Multimodal Deep
Learning [110.54752872873472]
MultiZooは、20コアのマルチモーダルアルゴリズムの標準化実装からなる公開ツールキットである。
MultiBenchは15のデータセット、10のモダリティ、20の予測タスク、6の研究領域にまたがるベンチマークである。
論文 参考訳(メタデータ) (2023-06-28T17:59:10Z) - Federated Learning and Meta Learning: Approaches, Applications, and
Directions [94.68423258028285]
本稿では,FL,メタラーニング,フェデレーションメタラーニング(FedMeta)について概観する。
他のチュートリアルと異なり、私たちの目標はFL、メタラーニング、FedMetaの方法論をどのように設計、最適化、進化させ、無線ネットワーク上で応用するかを探ることです。
論文 参考訳(メタデータ) (2022-10-24T10:59:29Z) - A Survey of Learning on Small Data: Generalization, Optimization, and
Challenge [101.27154181792567]
ビッグデータの一般化能力を近似した小さなデータについて学ぶことは、AIの究極の目的の1つである。
この調査はPACフレームワークの下でのアクティブサンプリング理論に従い、小さなデータにおける学習の一般化誤差とラベルの複雑さを分析した。
効率的な小さなデータ表現の恩恵を受けるかもしれない複数のデータアプリケーションについて調査する。
論文 参考訳(メタデータ) (2022-07-29T02:34:19Z) - OmniXAI: A Library for Explainable AI [98.07381528393245]
eXplainable AI(XAI)のオープンソースPythonライブラリであるOmniXAIを紹介する。
オールニウェイで説明可能なAI機能と、さまざまな解釈可能な機械学習技術を提供する。
実践者にとってこのライブラリは、アプリケーションの説明を生成するために、使いやすく統合されたインターフェースを提供する。
論文 参考訳(メタデータ) (2022-06-01T11:35:37Z) - IMBENS: Ensemble Class-imbalanced Learning in Python [26.007498723608155]
imbensはオープンソースのPythonツールボックスで、クラス不均衡なデータに対してアンサンブル学習アルゴリズムを実装し、デプロイする。
imbensはMITオープンソースライセンスでリリースされており、Python Package Index (PyPI)からインストールすることができる。
論文 参考訳(メタデータ) (2021-11-24T20:14:20Z) - Solo-learn: A Library of Self-supervised Methods for Visual
Representation Learning [83.02597612195966]
solo-learnは視覚表現学習のための自己指導型のメソッドのライブラリである。
Pythonで実装され、PytorchとPytorch Lightningを使用して、このライブラリは研究と業界のニーズの両方に適合する。
論文 参考訳(メタデータ) (2021-08-03T22:19:55Z) - The FeatureCloud AI Store for Federated Learning in Biomedicine and
Beyond [0.7517525791460022]
Federated Learning(FL)のようなプライバシー保護メソッドは、機密データを共有せずにMLモデルのトレーニングを可能にする。
FLのためのFeatureCloud AI Storeを、バイオメディカル研究やその他のアプリケーションのためのオールインワンプラットフォームとして提示する。
論文 参考訳(メタデータ) (2021-05-12T15:31:46Z) - mvlearn: Multiview Machine Learning in Python [103.55817158943866]
mvlearnは、主要なマルチビュー機械学習メソッドを実装するPythonライブラリである。
パッケージはPython Package Index(PyPI)とcondaパッケージマネージャからインストールできる。
論文 参考訳(メタデータ) (2020-05-25T02:35:35Z)
関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。
指定された論文の情報です。
本サイトの運営者は本サイト(すべての情報・翻訳含む)の品質を保証せず、本サイト(すべての情報・翻訳含む)を使用して発生したあらゆる結果について一切の責任を負いません。