微型統計分析系統

MSAS

Mini Statistical Analysis System

項目地址

由于某種原因，項目已經改為私有。
如果有技術方面的問題，請聯系我。

• github: https://github.com/tbyouth/TCM_MSAS

• gitee: https://gitee.com/tbyouth/TCM_MSAS

項目預覽

簡介

本項目是基于PyQt框架開發的一個微型的數據統計分析系統。

該項目目前已經完成了版本v1.0的開發工作,

并且以偏最小二乘的多功能統計分析系統v1.0版本打包發布，

該發布版本有幸作為JXUTCM杜教授的論著《偏最小二乘法優化及其在中醫藥領域的應用研究》的配套軟件。

本項目后續的的功能開發和算法集成工作正在進行中…

功能:

• 支持excel表格數據基本的預處理：

  • 數據增刪改;

  • 數據剪切復制粘貼；

  • 數據檢索高亮顯示;

  • 數據查找替換；

  • 數據的導入導出等功能；

• 支持優化的偏最小二乘(PLS)數據分析功能,集成的PLS相關算法有11個:

  • 數據預處理模型2個：

    DSA-PLS：Denoising Sparse Autoencoder（降噪稀疏自編碼器）融合降噪稀疏自編碼器的偏最小二乘算法

    SBMPLS：Slacks Based Measure（非徑向 DEA 模型）融合非徑向數據包絡分析的偏最小二乘算法

  • 特征選擇模型3個：

    PLSCF：PLS feature selection based on feature correlation 基于特征相關的偏最小二乘特征選擇算法

    LAPLS：Feature Selection Method Based on Patial Least Squares 基于偏最小二乘的特征選擇算法

    GRA-PLS：Grey Relation Analysis-Partial Least Square 灰色關聯的偏最小二乘輔助分析算法

  • 非線性特征提取模型3個：

    RBM-PLS：Restricted Boltzmann Machine（受限玻爾茲曼機）融合受限玻爾茲曼機的偏最小二乘優化模型

    SEA-PLS：融合稀疏自編碼器的偏最小二乘優化模型

    DBN-PLS：Deep Belief Nets（深度置信網絡）融合深度置信網絡的偏最小二乘優化模型

  • 非線性回歸模型3個：

    Mtree-PLS：Partial least squares method based on fusion model tree 融合模型樹的偏最小二乘算法

    RF-PLS：PLS method for fusion of random forests 融合隨機森林的偏最小二乘算法

    PLS-S-DA：Partial least squares discriminant analysis based on softmax 融合 softmax 的偏最小二乘判別分析算法

• 支持多線程運行算法模型

• 支持可視化分析功能：

  繪制可視化圖形，圖形的移動，放縮查看，圖形的導出；

  由于時間倉促，學業繁忙（準備考研ing）等原因目前版本只集成了折線圖，散點圖，柱狀圖這三種可視化模型，

  更多可視化分析模型將在后續的開發中加入。

安裝

直接下載本項目zip文件源碼或使用git下載項目源碼

$ git clone git@github.com:tbyouth/TCM_MSAS.git

安裝好python并配置好環境，打開命令行工具，

使用 pip install -r requirements.txt 安裝相關依賴模塊；

如果您使用pip安裝依賴模塊時下載太慢，建議您使用：

pip install -i https://pypi.douban.com/simple -r requirements.txt

調用python 執行項目目錄下的runApp.py:

python runApp.py

此外，你可以下載本項目打包發布的Release v1.0使用（構建好的exe文件），

也可以自己使用pyinstaller進行編譯打包成exe后使用，

編譯打包成exe語句：pyinstaller -i logo.ico -F src/MainWindow.py

功能TODO

• 軟件皮膚設置.
• 數據庫導入導出數據（已寫demo暫未集成）.
• 數據預處理操作撤銷回退.
• 數據可視化模框重構.
• 集成更多數據分析算法.
• 集成更多可視化分析模型.
• 加入啟動界面（已寫demo暫未集成））.
• 軟件在線更新.
• 代碼優化…

開發TODO

• 加入日志方便調試.

說明

本項目由我獨立開發，所以部分界面的設計和功能的實現可能存在不足。

（特別是算法運行結果展示和可視化分析的界面我覺得需要重新設計…）

11個PLS相關算法由學姐（兩個交叉的圓）和學長（LOVE）提供并進行初步整理,

當前版本(v1.0)集成的部分算法從運行效果來看不是特別滿意，

所以部分算法可能還存在很多不足，后期如果有機會將進行修改和優化。

后續

歡迎大家加入本項目的開發和維護工作!

歡迎為本項目提供寶貴的建議！！

歡迎一起學習交流！！！

聯系我

作者：tbyouth

QQ： 2638961251

郵箱：tbyouth@gmail.com or 2638961251@qq.com

項目其他截圖

總結

以上是生活随笔為你收集整理的微型统计分析系统README的全部內容，希望文章能夠幫你解決所遇到的問題。

如果覺得生活随笔網站內容還不錯，歡迎將生活随笔推薦給好友。