pyCADD.Dance.algorithm package

Submodules

pyCADD.Dance.algorithm.DL module

class pyCADD.Dance.algorithm.DL.MLP(input_dim: int, hidden_dim: int, output_dim: int, device: device | None = None)

Bases: Module

pytorch实现的多层感知机

forward(x)

Defines the computation performed at every call.

Should be overridden by all subclasses.

Note

Although the recipe for forward pass needs to be defined within this function, one should call the Module instance afterwards instead of this since the former takes care of running the registered hooks while the latter silently ignores them.

get_params()

initialize(method='normal')

初始化模型参数

Parameters

methodstr

初始化方法 normal : 正态分布初始化 xavier_uniform : Xavier 均匀初始化 xavier_normal : Xavier 正态分布初始化 kaiming_uniform : Kaiming 均匀初始化 kaiming_normal : Kaiming 正态分布初始化

predict(X: DataFrame)

推断

Parameters

XDataFrame

输入数据

Returns

numpy.array

推断结果

predict_proba(X: DataFrame)

推断概率

Parameters

XDataFrame

输入数据

Returns

numpy.array

各分类推断概率

training: bool

pyCADD.Dance.algorithm.consensus module

class pyCADD.Dance.algorithm.consensus.Average(lower_is_better=False)

Bases: _Consensus

算数平均值模型 算术平均数定义为：

平均数 = 求和(x_i) / 总数

fit(X: DataFrame, y: Series | None = None, ignore_nan: bool = True)

计算算数平均 Parameters ———- X : DataFrame

数据特征 即用于计算平均值的数据

ySeries

数据标签 实际不使用在当前计算中 为了兼容性而存在

ignore_nanbool

是否忽视缺失值(所有0值被视为缺失值)

class pyCADD.Dance.algorithm.consensus.GeoMean(lower_is_better=False)

Bases: Geo_Average

几何平均值模型 GeoMean作为Geo_Average的别称

class pyCADD.Dance.algorithm.consensus.Geo_Average(lower_is_better=False)

Bases: _Consensus

几何平均值模型 几何平均值定义为：

几何平均数 = 连续乘积(x_i)^(1/n)

fit(X: DataFrame, y: Series | None = None, ignore_nan: bool = True)

计算几何平均 取绝对值进行计算后 再赋予符号 Parameters ———- X : DataFrame

数据特征 即用于计算平均值的数据

ySeries

数据标签 实际不使用在当前计算中 为了兼容性而存在

ignore_nanbool

是否忽视缺失值(所有0值被视为缺失值)

class pyCADD.Dance.algorithm.consensus.Maximum(X=None, y=None, lower_is_better=False)

Bases: _Consensus

最大值模型

fit(X: DataFrame, y: Series | None = None, ignore_nan: bool = True)

取得最大值

class pyCADD.Dance.algorithm.consensus.Mean(lower_is_better=False)

Bases: Average

算术平均值模型 Mean作为Average的别称

class pyCADD.Dance.algorithm.consensus.Minimum(lower_is_better=False)

Bases: _Consensus

最小值模型

fit(X: DataFrame, y: Series | None = None, ignore_nan: bool = True)

取得最小值

pyCADD.Dance.algorithm.consensus.average(data: DataFrame, method: Literal['ave', 'geo'] = 'ave')

平均值算法 : 计算并生成DataFrame对接数据的平均值列 ave 算数平均 geo 几何平均

Parameters

dataDataFrame

待计算数据

methodstr

平均值计算方法 ( 算术平均值ave | 几何平均值geo )

Return

Series

平均值结果数据列

pyCADD.Dance.algorithm.consensus.maximum(data: DataFrame)

最大值 : 提取DataFrame数据列中的最大值

Parameters

dataDataFrame

待计算数据

Return

Series

最大值结果数据列

pyCADD.Dance.algorithm.consensus.minimum(data: DataFrame)

最小值(最优评分) : 提取DataFrame数据列中的最小值(如最佳对接分数)

Parameters

dataDataFrame

待计算数据

Return

Series

最小值结果数据列

pyCADD.Dance.algorithm.consensus.std(data: DataFrame, axis: int = 1)

计算标准偏差

Parameters

dataDataFrame

待计算数据

axisint

计算坐标轴 row: 0, column: 1

Return

Series

标准差结果数据列

pyCADD.Dance.algorithm.default_params module

Module contents