معرفی شرکت ها

تبلیغات ما

مشتریان به طور فزاینده ای آنلاین هستند. تبلیغات می تواند به آنها کمک کند تا کسب و کار شما را پیدا کنند.

مشاهده بیشتر

تبلیغات ما

مشتریان به طور فزاینده ای آنلاین هستند. تبلیغات می تواند به آنها کمک کند تا کسب و کار شما را پیدا کنند.

مشاهده بیشتر

تبلیغات ما

مشتریان به طور فزاینده ای آنلاین هستند. تبلیغات می تواند به آنها کمک کند تا کسب و کار شما را پیدا کنند.

مشاهده بیشتر

تبلیغات ما

مشتریان به طور فزاینده ای آنلاین هستند. تبلیغات می تواند به آنها کمک کند تا کسب و کار شما را پیدا کنند.

مشاهده بیشتر

تبلیغات ما

مشتریان به طور فزاینده ای آنلاین هستند. تبلیغات می تواند به آنها کمک کند تا کسب و کار شما را پیدا کنند.

مشاهده بیشتر

توضیحات

CoVIRA (Consensus by Voting with Iterative Re-weighting based on Agreement)

ویژگی	مقدار
سیستم عامل	-
نام فایل	covira-1.1.9
نام	covira
نسخه کتابخانه	1.1.9
نگهدارنده	[]
ایمیل نگهدارنده	[]
نویسنده	Frederico Schmitt Kremer
ایمیل نویسنده	fred.s.kremer@gmail.com
آدرس صفحه اصلی	-
آدرس اینترنتی	https://pypi.org/project/covira/
مجوز	-

# CoVIRA ![Travis CI status](https://travis-ci.org/fredericokremer/covira.svg?branch=master&status=unknown) CoVIRA (*Consensus by Voting with Iterative Re-weighting based on Agreement*) is a method to identify weights and produce consensus predictions based on a collection of results from predictors for multiple samples. It employs a iterative recalculations of weights based on the weighted "agreement" between the predictors, and allows the calculation of a final prediction as well. This algorithm was created to help on the integration of results from multiple prediction tools in a reverse vaccinology study where no validation dataset was available for all features been inferred. Therefore, we created a unsupervised way to estimate how accurate each predictor was for that particular case considering that the more the results of a predictor is "confirmed" by the others, the higher it's accuracy. ## Installing ### From PyPI ```bash $ pip install covira ``` ### From source code ```bash $ git clone https://github.com/fredericokremer/covira $ cd covira $ python setup.py build $ python setup.py install ``` ## Using ```python >>> import pandas as pd >>> from covira import Covira >>> df = pd.read_csv('test_data/dataset_1.csv') >>> predictions = df.drop(['gene'], axis=1).values >>> predictions # each column represents the prediction from a different tool, while each row is a different sample array([[1, 0, 0], [0, 1, 0], [1, 1, 0], [1, 0, 0], [1, 0, 0], [1, 0, 0], [1, 0, 0], [1, 0, 1]]) >>> covira = Covira(max_iterations=1000) # max number of iterations in the weight calculation >>> covira.fit(predictions) # "fit" = calculates the weights >>> covira.predict(predictions) # calculates the consensus prediction array([0.1875, 0.375 , 0.5625, 0.1875, 0.1875, 0.1875, 0.1875, 0.625 ]) >>> covira.weights # weights calculated for each predictor array([0.1875, 0.375 , 0.4375]) ``` ## Reference Grassmann AA, Kremer FS, Dos Santos JC, Souza JD, Pinto LDS, McBride AJA. *Discovery of Novel Leptospirosis Vaccine Candidates Using Reverse and Structural Vaccinology*. **Front Immunol**. 2017;8:463. Published 2017 Apr 27. [doi:10.3389/fimmu.2017.00463](doi:10.3389/fimmu.2017.00463)

نیازمندی

مقدار	نام
-	numpy
-	pandas

نحوه نصب

نصب پکیج whl covira-1.1.9:

pip install covira-1.1.9.whl

نصب پکیج tar.gz covira-1.1.9:

pip install covira-1.1.9.tar.gz