یادگیری ماشین در برنامه نویسی بایوپایتون

یادگیری ماشین در برنامه نویسی بایوپایتون

در این درس از آموزش های برنامه نویسی سایت سورس باران، ما در مورد یادگیری ماشین در برنامه نویسی بایوپایتون بحث خواهیم کرد.

پیشنهاد ویژه : پکیج آموزش پروژه محور پایتون

بیوانفورماتیک یک فضای عالی برای استفاده از الگوریتم های یادگیری ماشین است. در اینجا  ما اطلاعات ژنتیکی تعداد زیادی از موجودات را داریم و تجزیه و تحلیل دستی همه این اطلاعات امکان پذیر نیست. اگر از الگوریتم مناسب یادگیری ماشین استفاده شود ، می توانیم اطلاعات مفید زیادی را از این داده ها استخراج کنیم. بایوپایتون مجموعه مفیدی از الگوریتم را برای انجام یادگیری ماشین تحت نظارت فراهم می کند.

یادگیری تحت نظارت مبتنی بر متغیر ورودی (X) و متغیر خروجی (Y) است. از الگوریتمی برای یادگیری تابع نگاشت از ورودی به خروجی استفاده می کند. در زیر تعریف شده است –

Y = f(X)

هدف اصلی این روش تقریب تابع نقشه برداری است و هنگامی که داده ورودی جدید (x) دارید، می توانید متغیرهای خروجی (Y) را برای آن داده پیش بینی کنید.

مدل رگرسیون لجستیک

رگرسیون لجستیک یک الگوریتم یادگیری ماشین تحت نظارت است. برای کشف تفاوت بین کلاسهای K با استفاده از مجموع وزنی متغیرهای پیش بینی استفاده می شود. این احتمال وقوع یک واقعه را محاسبه می کند و می تواند برای تشخیص سرطان استفاده شود.

بایوپایتون ماژول Bio.LogisticRegression را برای پیش بینی متغیرهای مبتنی بر الگوریتم رگرسیون لجستیک فراهم می کند. در حال حاضر، بایوپایتون الگوریتم رگرسیون لجستیک را فقط برای دو کلاس پیاده سازی می کند (K = 2).

الگوریتم k-نزدیک‌ترین همسایه

الگوریتم k-نزدیک‌ترین همسایه نیز یک الگوریتم یادگیری ماشین تحت نظارت است. این کار با دسته بندی داده ها بر اساس نزدیکترین همسایگان کار می کند. بایوپایتون ماژول Bio.KNN را برای پیش بینی متغیرها بر اساس الگوریتم k-نزدیک‌ترین همسایه فراهم می کند.

دسته‌ بندی‌ کننده بیز ساده

دسته‌ بندی‌ کننده های بیز سادهمجموعه ای از الگوریتم های طبقه بندی بر اساس قضیه Bayes است. این یک الگوریتم واحد نیست بلکه یک خانواده از الگوریتم ها است که در آن همه یک اصل مشترک دارند، یعنی هر جفت ویژگی طبقه بندی شده مستقل از یکدیگر است. بایوپایتون ماژول Bio.NaiveBayes را برای کار با الگوریتم Naive Bayes فراهم می کند.

مدل مارکوف

مدل مارکوف یک سیستم ریاضی است که به عنوان مجموعه ای از متغیرهای تصادفی تعریف می شود، که انتقال از یک حالت به حالت دیگر را با توجه به برخی قوانین احتمالی تجربه می کند. بایوپایتون ماژول های Bio.MarkovModel و Bio.HMM.MarkovModel را برای کار با مدل های مارکوف فراهم می کند.

منبع.

لیست جلسات قبل آموزش برنامه نویسی بایوپایتون

1. آموزش برنامه نویسی بایوپایتون (Biopython)
2. معرفی برنامه نویسی بایوپایتون
3. آموزش نصب بایوپایتون
4. ایجاد یک برنامه ساده در برنامه نویسی بایوپایتون
5. آموزش دنباله در برنامه نویسی بایوپایتون
6. عملیات توالی پیشرفته در برنامه نویسی بایوپایتون
7. آموزش توالی ورودی/خروجی در برنامه نویسی بایوپایتون
8.  آموزش هم‌ترازسازی توالی در برنامه نویسی بایوپایتون
9. بررسی اجمالی BLAST در برنامه نویسی بایوپایتون
10. بررسی پایگاه داده Entrez در برنامه نویسی بایوپایتون
11. آموزش ماژول PDB در برنامه نویسی بایوپایتون
12. آموزش اشیا موتیف در برنامه نویسی بایوپایتون
13. آموزش ماژول BioSQL در برنامه نویسی بایوپایتون
14. آموزش ژنتیک جمعیت در برنامه نویسی بایوپایتون
15. آموزش آنالیز ژنوم در برنامه نویسی بایوپایتون
16. آموزش ریزآرایه فنوتیپ در برنامه نویسی بایوپایتون
17. آموزش رسم نمودار در برنامه نویسی بایوپایتون
18. آموزش تجزیه و تحلیل خوشه ای در برنامه نویسی بایوپایتون