抄録/ポイント:
抄録/ポイント
文献の概要を数百字程度の日本語でまとめたものです。
部分表示の続きは、JDreamⅢ(有料)でご覧頂けます。
J-GLOBALでは書誌(タイトル、著者名等)登載から半年以上経過後に表示されますが、医療系文献の場合はMyJ-GLOBALでのログインが必要です。
Summary Nominalデータは「ラベル付け」であり,多くの非重複非規則化グループに指定できるデータである。この型のデータの解析は,この種のデータに対して広範な数値法を実施することは不可能であるので,しばしば自明である。他方,グラフまたはネットワークは,名目変数とみなすことができるノードとエッジの集合から成る。グラフ理論とデータマイニングアプローチを統合することにより,RパッケージNIMAAを提供し,より多くの情報を探索するための名目上のデータマイニングパイプラインを定義した。データセットにおける名目上の変数を用いて,NIMAAは,重み付けおよび非加重二分グラフを構築するための機能を提供し,名目変数,クラスタリングラベルまたはカテゴリーにおけるラベルの類似性を,スーパーラベル,クラスタリング結果を検証し,重みを欠測し,そして,多様な可視化ツールを提供することによって,二部エッジを予測する。ここではまた,十分に豊富な名目変数を有する生物学的データセットにおける名目上のデータマイニングの適用を示した。アベイラビリティNIMAAs公式放出とベータ更新は,それぞれCRANとGithubで利用可能である。URLs:https://CRAN.R project.org/package=NIMAAとhttps://github.com/jafarilab/NIMAAの接触mohiodin.jafari@helsinki.fi;jing.tang@ヘリセンキ.fi貢献sは,研究を考案し,モデル,MJおよびCCを採用して,方法,MM改良方法,JTは,資金提供,MJ,CC,MMおよびJTを,論文に提供した。【JST・京大機械翻訳】