unibodifabiophysics / wisdom_reports Goto Github PK
View Code? Open in Web Editor NEWVarious reports on WISDoM Classifier project, including complete thesis.
Various reports on WISDoM Classifier project, including complete thesis.
Non ricordo dove avevo trovato questa informazione, ma credo che i priori coniugati fossero definiti soltanto per le distribuzioni della famiglia esponenziale (tutte quelle che trovi normalmente associate a dei priori coniugati sono distribuzione della famiglia esponenziale).
Non è importante, ma potrebbe valere la pena trovare una referenza a proposito.
figura:
https://github.com/UniboDIFABiophysics/WISDOM/blob/master/Tesi-Completa/RC2-timeVsize.png
Se non prende troppo tempo, aggiungerei due cose a questa figura:
bisogna scrivere meglio la descrizione dei macrovoxel per far capire meglio che non sei stato tu a decidere il metodo o a fare i calcoli a proposito, quindi se non gli piace non ti possono rompere le scatole a proposito.
manca una spiegazione di cosa siano NC ed AD
non ricordo se nel report era indicato o meno, ma il rapporto fra le medie delle deviazioni standard dei due gruppi è molto vicina a radice di 2 (ovvero uno ha la varianza che è la metà dell'altro).
L'ipotesi di lavoro quindi è che in una delle due metà siano stati inseriti come dati i risultati della media di due osservazioni.
potrebbe valere la pena aggiungere una o due frasi in più a proposito della regressione logistica, per farla capire meglio.
non credo che la fonte dalla figura vada citata nel testo, sarebbe da mettere fra le referenze anche quella.
nella sezione 1.3 usi i nomi di emoglobina e compari in corsivo, che non credo sia una pratica standard, io li lascerei in formato ordinario
l'immagine delle ellissi generate dalle wishart mi piace molto, ma sarebbe utile inserire una descrizione di quale sia la matrice di scala usata per generare la figura a destra.
introduci la descrione generale del metodo di ordine p-n, ed in particolare il p-2, ma non spieghi il fatto che questo risulti equivalente alla matrice di correlazione originaria a meno di una trasformazione affine,
Secondo me è un dettagli interessante.
Potrebbe valere la pena spendere anche due parole nello spiegare come questo possa essere usato per analizzare subset di variabili che derivano da altri metodi di feature selection.
non credo che tu possa parlare delle likelihood ratio come di distanze: in teoria una distanza ha una serie di proprietà precise fra cui la non negatività.
Sarebbe da pensare ad un altro termine oppure evitarlo del tutto e parlare solo di misura.
a pagina 2, quando dici che l'assunto era che il modello di base fosse random, ci potrebbe stare una citazione
Le frasi devono essere tutte inserite una in fila all'altra.
i paragrafi sono separati da uno spazion bianco nel sorgente.
togli la separazione esplicita della distanza, perchè si può configurare esplicitamente come opzione generale dol documento invece che paragrafo per paragrafo.
all'apertura del capitolo fai ancora riferimento al database ABIDE, anche se poi non ne parliamo più
In tutte le rappresentazioni di matrici di covarianza (come la visualizzazione di matrici random) lo zero della colormap dovrebbe essere il bianco (o quale altro sia il colore neutro del caso).
vedi:
https://github.com/UniboDIFABiophysics/WISDOM/blob/master/Tesi-Completa/randmatr.png
secondo me non si capisce benissimo dove vuoi andare a parare con questa sezione, magari ne riparliamo meglio domani insieme
anche all'inizio del capitolo 4 fai riferimento sia ad adni che abide, anche se poi usi soltanto adni2
nel commento dici che non c'è una separazione apprezzabile, però le due linee sono nettamente separate.
O togliamo la figura oppure cambia la descrizione.
quando dici che ne esistono tante, sarebbe il caso di citarne alcune, oppure una review che le elenchi
non ho ancora visto se lo non sia presente in seguito, ma nel dubbio lo inserisco: sarebbe utile aggiungere una paginetta di appendice alla tesi in cui spieghi come usare la libreria di scipy.stats per genrare le wishart in modo che in futuro l'informazione sia ancora lì.
la descrivi in una sola frase: o la espandi leggermente (ad esempio almeno con una formula di definizione), oppure la eliminirei direttamente
A declarative, efficient, and flexible JavaScript library for building user interfaces.
🖖 Vue.js is a progressive, incrementally-adoptable JavaScript framework for building UI on the web.
TypeScript is a superset of JavaScript that compiles to clean JavaScript output.
An Open Source Machine Learning Framework for Everyone
The Web framework for perfectionists with deadlines.
A PHP framework for web artisans
Bring data to life with SVG, Canvas and HTML. 📊📈🎉
JavaScript (JS) is a lightweight interpreted programming language with first-class functions.
Some thing interesting about web. New door for the world.
A server is a program made to process requests and deliver data to clients.
Machine learning is a way of modeling and interpreting data that allows a piece of software to respond intelligently.
Some thing interesting about visualization, use data art
Some thing interesting about game, make everyone happy.
We are working to build community through open source technology. NB: members must have two-factor auth.
Open source projects and samples from Microsoft.
Google ❤️ Open Source for everyone.
Alibaba Open Source for everyone
Data-Driven Documents codes.
China tencent open source team.