nspBuild rkk的nspBuild的社区Mod 使用Python将NCA转换为NSP格式 笔记： 该工具仅用于将NCA打包到NSP中，并且不会影响NCA（如果它们不运行，则不是此工具的故障，只是NCA不通过开关检查或它们已损坏） 文献资料 该工具获取您的NCA文件，并将标头更改为PFS0格式（还更改了其他一些内容），然后根据所做的更改构建了NSP文件。 用法 下载已编译的可执行文件（exe）或Python脚本（py） 在py / exe的目录中打开CMD并运行nspBuild out.nsp main main.npdm 示例： nspBuild out.nsp main main.npdm （显然，将（）替换为上面所说的内容） 学分 .lun文件的@ lunalik2（适用于没有Python的人）（＃5）并在GUI上工作。 （＃7） @roothorick用于使nspBui

该软件包包含基于 Dong 等人的出版物的基于生理学的药代动力学 (PBPK) 模型。 随附的代码可用于： * 计算参数估计和模型预测的置信区间（SimBiology 函数：sbioparameterci、sbiopredictionci） * 对 PK 数据集进行非房室分析 (NCA)，以及模型预测以获得临床相关参数（SimBiology 功能：sbionca） * 说明使用并行计算的理由，例如通过引入 MATLAB 函数以及它们如何与 SimBiology（MATLAB 函数：datastore、parfor、mapreduce）结合来处理内存不足模拟和提高性能在以下网络研讨会中也讨论了此模型和代码： http://www.rosaandco.com/webinars/2017/enabling-qsp-and-pk-pd-workflows-using-simbiology-and-

预算matlab代码快速NCA 该算法在Python中的快速实现。 某些选择背后的思想在硕士论文中得到了进一步扩展。 特征： 类似于Sklearn的API 与目标函数相同的梯度成本 当度量标准规模较大时，避免溢出 WIP迷你批次版本 例子 来自Python的样本用法： from nca import NCA n = NCA () n . fit ( X , y ) X = n . transform ( X ) 例如，运行脚本。 除其他外，脚本接受模型和数据集的类型： python example.py --model nca --data wine 有关可用选项的完整说明，只需调用帮助提示： python example.py -h 安装 该代码取决于通常的Python科学环境：NumPy，SciPy，Scikit-learn。 所需的软件包在requirements.txt文件中列出，可以按如下所示安装在虚拟环境中： virtualenv -p python3 venv source venv/bin/activate pip install -r requirements.txt

Jx-FFST：过滤器特征选择工具箱 -------------------------------------------------- -------------------------------------------------- -------------------------------------------------- ------------- * 此工具箱包含 4 种过滤器特征选择方法 * 显示了如何在基准数据集上使用这些过滤器功能选择的示例 * 这个 Jx-WFST 工具箱的详细信息可以在https://github.com/JingweiToo/Filter-Feature-Selection-Toolbox找到

20210806-华安证券-化学制品行业新股系列之四：布局NCA前驱体，拥抱高镍化时代.pdf

NCA与SVM一样是分类算法，但是NCA算法可以有效的分别多类问题

一种经典的机器学习算法，用以模式识别技术，主要功能是重新定义样本间的距离