19 Учебное пособие «ЭМУСЫ» Статистические методы

Представлено Крисом Фулоном

Препринт: https://arxiv.org/abs/2406.14309

EMUSES преобразует научные данные в прогнозные идеи, поддерживая исследовательские процессы — от индивидуального анализа до сотрудничества в масштабах всего сообщества. Создан для исследователей, которым требуются как быстрые результаты, так и глубокий аналитический контроль в различных областях, включая нейровизуализацию, астрономию, генетику, социологию, экономику и другие.

🚀 Быстрый старт (5 минут)

Необходимые условия
Python 3.11+ (рекомендуется для оптимальной производительности)
Базовые навыки работы с командной строкой
Установка и первый анализ
Рекомендуется: использование Conda (лучше всего подходит для научных вычислений)
1. Создайте изолированную среду
conda create -n emuses-env python=3.11
conda activate emuses-env

2. ТОЛЬКО ДЛЯ macOS: установите OpenMP (однократная настройка)
Требуется для XGBoost и других библиотек машинного обучения
conda install -c conda-forge llvm-openmp # только для macOS

3. Установите EMUSES
pip install git+https://github.com/chrisfoulon/emuses...

4. Проверьте установку
python -m emuses.cli --help

5. Выполните первый анализ (с примером data)
python -m emuses.cli полная папка_вывода docs/examples/sample_data/hcp_input_data.csv --scores docs/examples/sample_data/hcp_labels.csv
Альтернатива: использование pip + venv (облегченная)
1. Создание изолированной среды
python -m venv emuses-env
source emuses-env/bin/activate # Linux/macOS
emuses-env\Scripts\activate # Windows

2. ТОЛЬКО macOS: Установка OpenMP через Homebrew (однократная установка)
brew install libomp # Требуется для XGBoost на macOS

3. Установка EMUSES
pip install git+https://github.com/chrisfoulon/emuses...

4. Проверка установки
python -m emuses.cli --help

5. Запустите свой первый анализ (с демонстрационными данными)
python -m emuses.cli full output_folder docs/examples/sample_data/hcp_input_data.csv --scores docs/examples/sample_data/hcp_labels.csv
📝 Пользователи macOS: XGBoost требует OpenMP для многопоточности. Установите с помощью brew install libomp (pip/venv) или conda install -c conda-forge llvm-openmp (conda). Это одноразовая установка, которая включает высокопроизводительные библиотеки машинного обучения. Важно: пользователи Conda должны использовать установку conda (llvm-openmp) — версия brew не будет найдена в окружении conda.

✅ Успех: Ваша первая модель научного прогнозирования готова в output_folder/!

📊 Понимание ваших результатов: ваш анализ включает в себя модели прогнозирования, статистические тепловые карты, корреляционный анализ и карты размера эффекта.