该函数采用一个 3 维表，其中包含来自不同方法的结果， 实例并复制并返回一个二维表弗里德曼测试。 此外，它会询问您是否要运行测试并比较结果。 结果：3维矩阵的格式： （方法编号、实例编号、复制编号） 可选输入： display：布尔值，用于确定是否要执行测试isreplicate ：将多次运行视为复制（1）或重复（2） 名称：带有方法名称的单元格变量Friedman_table : 弗里德曼测试格式的二维表（块，方法） 例子： % 生成数据对于 i=1：方法对于 j=1：实例对于k = 1：重复如果我 == 1 fos(i,j,k) = 遗传算法（问题）； 否则如果我 == 2 fos(i,j,k) = local_search(problem); 结尾结尾结尾结尾% 比较方法并得到表Friedman_table = fos2friedman(fos); friedman_table =

Friedman 优化算法 群智能算法 函数测试 统计分析

算法关键距离可视化 在弗里德曼和 post-hoc Nemenyi 测试之后快速可视化方法之间的关键距离的 Python 代码，如 Gj 中介绍的那样。 Madjarov 等人，多标签学习方法的广泛实验比较，模式识别 (2012)，doi:10.1016/j.patcog.2012.03.004

土 Jerome Friedman的scikit-learn样式的Multivariate Adaptive Regression Splines算法的Python实现。 py-earth包使用Cython实现了多元自适应回归样条，并提供了与scikit-learn的Estimator，Predictor，Transformer和Model接口兼容的接口。 有关多变量自适应回归样条曲线的更多信息，请参见下面的参考。 现在有了缺少的数据支持！ py-earth包现在支持其预测变量中的缺失。 构造Earth对象时只需设置allow_missing=True 。 要求反馈 如果您希望在py-earth中看到其他功能或改进，请给我发送电子邮件或打开或评论问题。 特别是，请让我知道以下任何一项对您是否很重要： 速度提高 将模型导出为其他格式 在安装过程中支持共享内存多处理 支持周期预测器（例如

snRNAseq_bulkRNAseq_DEG_analysis RNAseq数据元分析的管道（Mathys-Grubman-GSE95587）

by Daniel P. Friedman, Mitchell Wand Hardcover: 416 pages Publisher: The MIT Press; 3 edition (April 30, 2008) ISBN-10: 0262062798 ISBN-13: 978-0262062794 This book provides students with a deep, working understanding of the essential concepts of programming languages. Most of these essentials relate to the semantics, or meaning, of program elements, and the text uses interpreters (short programs that directly analyze an abstract representation of the program text) to express the semantics of many essential language elements in a way that is both clear and executable.