Praca licencjacka o zastosowaniu uczenia maszynowego w badaniach metagenomicznych
- dataset:
- fragmenty_plstd.fasta - losowa wybrana próbka 500 fragmnetów genomów mitochondrialnych
- fragmenty_prcr.fasta - losowo wybrana próbka 500 fragmentów genomów prokariotycznych
- fragmenty_wszystkie.fasta - plik ze wszystkimi fragmentami
- sample.txt - plik roboczy stworzony podczas formowania modelu dnavec
- dnavec.model.bin - zapisany model dnavec
- dnaveccorpus.txt - korpus stworzony z fragmentów
- representation:
- dnavec.py - tworzy metodę dnavec, do podziału na bazowy fragmenter i samą metodę
- randomtake.py - wybiera losowe fragmenty ze zbioru danych
- visualization:
- visualization.py - plik zawiera wszystkie 3 metody wizualizacji tsne, pca i tsne + redukcja wymiaru z pca, w przyszłości podział na oddzielne pliki
- classification:
- test.py - Plik służący do testowego uruchamiania poszczególnych fragmentów projektu
- main.py - plik odpowiadający za kontakt z używtkownikiem - główny plik (wciąż w fazie produkcji)