文件名称：boostsa：用于计算引导程序抽样重要性测试的工具
文件大小：194KB
文件格式：ZIP
更新时间：2024-03-01 20:21:19
Python
boostsa-pyhton中的BOOtSTrap SAmpling 介绍 boostsa-BOOtSTrap SAmpinlg-即使在复杂的实验设计流程中，也是一种用于计算自举抽样重要性测试的工具... 免费软件：MIT许可证 文档： : 。 安装 pip install -U boostsa 入门 首先，导入boostsa ： from boostsa import Bootstrap 然后，创建一个boostrap实例。 您将使用它来存储实验结果并计算引导抽样重要性检验： boot = Bootstrap () 输入项 假设您至少运行了两个要比较的分类任务实验。 一个是您的基线或对照或假设0 （ h0 ）。 另一个是希望超越基准或治疗或假设1 （ h1 ）的实验条件。 您将h0和h1预测与相同目标进行比较。 因此， h0预测， h1预测和目标将是您的Bootstr
【文件预览】：
boostsa-main
----setup.py(2KB)
----.gitignore(2KB)
----requirements.txt(67B)
----test_boot()
--------h2.0()
--------h0.1()
--------h1.1()
--------.DS_Store(14KB)
--------h0.0()
--------h2.1()
--------h1.0()
----LICENSE(1KB)
----.DS_Store(10KB)
----.github()
--------workflows()
----README.rst(6KB)
----boostsa()
--------__init__.py(56B)
--------boostsa.py(18KB)
--------.DS_Store(6KB)
--------util201217.py(5KB)
----AUTHORS.rst(264B)
----CONTRIBUTING.rst(3KB)
----readthdocs.yml(564B)
----test_boot.ipynb(17KB)
----docs()
--------requirements.txt(37B)
--------Makefile(634B)
--------index.rst(522B)
--------conf.py(3KB)
--------sampling.webp(56KB)
--------_static()
--------authors.rst(31B)
--------installation.rst(807B)
--------make.bat(795B)
--------.DS_Store(8KB)
--------milanlp90.png(26KB)
--------guide.rst(19KB)
--------license.rst(1KB)
--------contributing.rst(32B)