R版本可在CRAN找到，网址为 https://github.com/neurodata/r-mgc。MATLAB版本可在 https://github.com/neurodata/mgc-matlab 找到。

mgcpy

mgcpy 是一个Python包，包含用于使用多尺度图相关性和其他统计测试进行独立性测试的工具，能够处理高维和多变量数据。

• 概述
• 文档
• 系统要求
• 安装指南
• 设置开发环境
• 许可证
• 问题

概述

mgcpy旨在成为一个全面的独立性测试包，包括常用的独立性测试以及如双样本独立性测试和基于随机森林的独立性测试等附加功能。这些测试不仅包含以比较MGC，还为用户提供一个方便的位置，以便他们可以选择使用这些测试。该包使用简单的类结构来提高易用性，同时允许开发人员轻松扩展包。该包可以在所有主要平台（例如BSD、GNU/Linux、OS X、Windows）上从Python包索引（PyPI）和GitHub安装。

文档

官方文档及用法请访问：https://mgc.neurodata.io/ ReadTheDocs：https://mgcpy.readthedocs.io/en/latest/

系统要求

硬件要求

mgcpy包只需要一台标准的计算机，并拥有足够的RAM来支持内存操作。

软件要求

操作系统要求

此包支持macOS和Linux。该包已在以下系统上进行了测试：

• macOS：Mojave（10.14.1）
• Linux：Ubuntu 16.04

Python依赖项

mgcpy主要依赖于Python科学栈。

numpy
scipy
Cython
scikit-learn
pandas
seaborn

安装指南

从PyPI安装

pip3 install mgcpy

从GitHub安装

git clone https://github.com/neurodata/mgcpy
cd mgcpy
python3 setup.py install

• 如果需要，使用sudo
• 如果想要就地测试，首先执行以下操作：python3 setup.py build_ext --inplace # for cython

设置开发环境

• 从头开始构建镜像并运行

  • 安装docker
  • 构建docker镜像：docker build -t mgcpy:latest .
    • 构建过程需要10-15分钟
  • 启动容器进入mgcpy的开发环境：docker run -it --rm --name mgcpy-env mgcpy:latest

• 从Dockerhub拉取镜像并运行

  • docker pull tpsatish95/mgcpy:latest或docker pull tpsatish95/mgcpy:development
  • docker run -it --rm -p 8888:8888 --name mgcpy-env tpsatish95/mgcpy:latest或docker run -it --rm -p 8888:8888 --name mgcpy-env tpsatish95/mgcpy:development

• 在Docker内运行演示笔记本

  • cd demos
  • jupyter notebook --ip 0.0.0.0 --no-browser --allow-root
  • 然后复制生成的url，看起来像这样：http://(0de284ecf0cd or 127.0.0.1):8888/?token=e5a2541812d85e20026b1d04983dc8380055f2d16c28a6ad
  • 将此：(0de284ecf0cd or 127.0.0.1)更改为：127.0.0.1，在上面的链接中，并在您的浏览器中打开它
  • 然后打开mgc.ipynb

• 将本地文件挂载/加载到docker容器中

  • 执行docker run -it --rm -v <local_dir_path>:/root/workspace/ -p 8888:8888 --name mgcpy-env tpsatish95/mgcpy:latest，将<local_dir_path>替换为您的本地目录路径。
  • 在容器内部时，执行cd ../workspace以查看挂载的文件。mgcpy包代码位于/root/code目录。

MGC算法流程

功率曲线

• 重新创建https://arxiv.org/abs/1609.05148中的图2，增加了MDMR和快速MGC

许可证

本项目受Apache 2.0许可保护。