mindstrong数字生物标志物模型拟合
mindstrong的Python项目详细描述
该软件包使用监督的核主成分分析和交叉验证,将数字生物标志物数据拟合到目标测量。该软件由mindstrong健康数据科学团队的成员编写:
- Paul Dagum, MD, PhD
- Greg Ryslik, PhD, FCAS, MAAA
- Bob Dougherty, PhD
- Patrick Staples, PhD
请在datascience@mindstronghealth.com与我们联系。
注意:如果您在工作中使用此软件,请引用以下paper:
Dagum, P. (2018) Digital biomarkers of cognitive function. npj Digital Medicine, issue 1, article 10. DOI: 10.1038/s41746-018-0018-4.
安装
安装软件包的最简单方法是通过easy_install或pip:
$ pip install mindstrong_biomarker_modelfit
这也应该考虑依赖关系(numpy、scipy、pandas和sklearn)。
用法
该项目包括模拟数字生物标志物和目标测量数据。要使模型适合这些示例数据:
import numpy as np import pandas as pd import os from mindstrong import mindstrong_modelfit as mindstrong target_file = mindstrong.get_example_data('example_targets.csv') feature_file = mindstrong.get_example_data('example_features.csv') target_colname = 'target1' # Load target data target_df = pd.read_csv(target_file) target_df.set_index('device_id', inplace=True) # Load Feature Data feature_df = pd.read_csv(feature_file).set_index(['device_id', 'targetDOY']) # Cross Validated supervised kernel PCA model-fitting cvdf, best_model = mindstrong.calculateCrossValidatedCorrelation(target_df, feature_df, target_colname, fold_type='n', n_folds=5, kernel_training='linear', kernel_training_param=1, kernel_target='linear', kernel_target_param=1, regularization=0.1) # Print the final results print(best_model)
版权和许可证
版权所有(c)2018,Mindstrong Health。GNU Affero通用公共许可证。