文献信息
Title: NeuroSuites: An online platform for running neuroscience, statistical, and machine learning tools
Year: 2023
Journal Name/Impact Factor: Frontiers in Neuroinformatics/3.739
DOI: 10.3389/fninf.2023.1092967
导读
如今,神经科学领域有大量的高维数据,这使数据分析变得十分复杂。为解决这一问题,本文开发了NeuroSuites,这是一个强大开源web应用平台,具有大量专门用于神经科学领域的、用于统计分析和机器学习的软件工具。本文对平台优势、平台框架和上述三类工具进行了详细介绍。
目录
1. 背景
2. 平台优势
3. 平台框架
3.1 架构3.2 主要功能及工作流程
4. 神经科学工具
4.1 需要设置神经元的工具4.2 不需要设置神经元的工具
5. 统计分析工具
5.1 针对离散数据的工具5.2 针对连续数据的工具
6. 机器学习工具
6.1 数据处理6.2 无监督分类6.3 贝叶斯网络6.4 有监督分类6.5 多维分类器
7. 结论
1. 背景
如今,神经科学领域有大量的高维数据,这使数据分析变得十分复杂,其中一些数据集甚至可能有数万个变量,因此需要开发强大有效的工具来处理这些高维问题。这促使我们开发了NeuroSuites,这是一个具有众多工具的web应用平台,可以帮助数据科学家和神经科学家处理问题。
NeuroSuites中有一些神经科学领域的特定工具,如形态重建和显微数据可视化。此外,也有一些通用目的的工具,用于统计分析和机器学习,可供其他领域的科学家使用。NeuroSuites被设计为web应用程序,不需要在本地安装,所有算法均在后端服务器执行,并可用不同设备进行访问。
2. 平台优势
本文筛选了与NeuroSuites目的类似的平台如下:
(1)BigML2机器学习平台,功能包括构建应用程序、执行实时预测。
(2)KNIME分析平台,为数据科学家提供的企业级解决方案,功能包括工作流差异化、大数据扩展、元节点链接、统计分析和数据混合。
(3)RapidMiner,提供集中式解决方案的工具集,功能包括预测分析、应用集成、数据集成、统计分析和机器学习。
(4)Weka软件平台,使用机器学习算法来运行数据挖掘任务,可直接应用于数据集。
(5)Azure Machine Learning Studio,微软支持的专业预测分析编程解决方案,可构建机器学习模型用于分析。
(6)Orange,用于数据挖掘和机器学习的开源软件,可用于可视化大数据。
编辑切换为居中
添加图片注释,不超过 140 字(可选)
表1 不同机器学习软件解决方案的比较
上述解决方案和NeuroSuites的比较如图1所示。NeuroSuites平台包含了一些用于神经科学数据的统计分析和机器学习工具,与其他平台相比,NeuroSuites不需要在本地安装任何软件,算法均运行在独立服务器上,用户可通过网页在线访问。此外,本平台完全免费,且在GitLab开源。综上,NeuroSuites类似平台中是最完整的解决方案。
3. 平台框架 3.1 架构
NeuroSuites是一个用户友好的应用程序,不需要在本地安装软件,不需要计算机和编程知识,使用响应式网页设计方法,可在各种设备上运行。NeuroSuites架构的特征如图1所示,遵循模型-视图-控制器架构。在工作量非常大时,排队系统会自动分配工作量,因此,NeuroSuites可在后端繁重运行的同时,保持快速、轻量级的前端体验。
编辑
添加图片注释,不超过 140 字(可选)
图1 Neu