← Back to branch summary

~ubuntu-branches/ubuntu/natty/python-cogent/natty

« back to all changes in this revision

Viewing changes to doc/examples/hmm_par_heterogeneity.rst

  • Committer: Bazaar Package Importer
  • Author(s): Steffen Moeller
  • Date: 2010-12-04 22:30:35 UTC
  • mfrom: (1.1.1 upstream)
  • Revision ID: james.westby@ubuntu.com-20101204223035-j11kinhcrrdgg2p2
Tags: 1.5-1
* Bumped standard to 3.9.1, no changes required.
* New upstream version.
  - major additions to Cookbook
  - added AlleleFreqs attribute to ensembl Variation objects.
  - added getGeneByStableId method to genome objects.
  - added Introns attribute to Transcript objects and an Intron class.
  - added Mann-Whitney test and a Monte-Carlo version
  - exploratory and confirmatory period estimation techniques (suitable for
    symbolic and continuous data)
  - Information theoretic measures (AIC and BIC) added
  - drawing of trees with collapsed nodes
  - progress display indicator support for terminal and GUI apps
  - added parser for illumina HiSeq2000 and GAiix sequence files as 
    cogent.parse.illumina_sequence.MinimalIlluminaSequenceParser.
  - added parser to FASTQ files, one of the output options for illumina's
    workflow, also added cookbook demo.
  - added functionality for parsing of SFF files without the Roche tools in
    cogent.parse.binary_sff
  - thousand fold performance improvement to nmds
  - >10-fold performance improvements to some Table operations

Show diffs side-by-side

added added

removed removed

Lines of Context:
doc/examples/hmm_par_heterogeneity.rst
 
1
.. _rate-heterogeneity-hmm:
 
2
 
1
3
Evaluate process heterogeneity using a Hidden Markov Model
2
4
==========================================================
3
5
 
42
44
 
43
45
    >>> lf_one = model.makeLikelihoodFunction(tree, digits=2, space=3)
44
46
    >>> lf_one.setAlignment(aln)
45
 
    >>> lf_one.optimise(show_progress=False)
 
47
    >>> lf_one.optimise()
46
48
    >>> lnL_one = lf_one.getLogLikelihood()
47
49
    >>> df_one = lf_one.getNumFreeParams()
48
50
    >>> print lf_one
85
87
    ...                             sites_independent=True, digits=2, space=3)
86
88
    >>> lf_bins.setParamRule('bprobs', is_const=True)
87
89
    >>> lf_bins.setAlignment(aln)
88
 
    >>> lf_bins.optimise(local=True, show_progress=False)
 
90
    >>> lf_bins.optimise(local=True)
89
91
    >>> lnL_bins = lf_bins.getLogLikelihood()
90
92
    >>> df_bins = lf_bins.getNumFreeParams()
91
93
    >>> assert df_bins == 9
133
135
    ...                         sites_independent=False, digits=2, space=3)
134
136
    >>> lf_patches.setParamRule('bprobs', is_const=True)
135
137
    >>> lf_patches.setAlignment(aln)
136
 
    >>> lf_patches.optimise(local=True, show_progress=False)
 
138
    >>> lf_patches.optimise(local=True)
137
139
    >>> lnL_patches = lf_patches.getLogLikelihood()
138
140
    >>> df_patches = lf_patches.getNumFreeParams()
139
141
    >>> print lf_patches
246
248
    >>> lf_kappa.setParamRule('bprobs',
247
249
    ...             init=array([1.0-epsilon, 0.0+epsilon]))
248
250
    >>> lf_kappa.setAlignment(aln)
249
 
    >>> lf_kappa.optimise(local=True, show_progress = False)
 
251
    >>> lf_kappa.optimise(local=True)
250
252
    >>> print lf_kappa
251
253
    Likelihood Function Table
252
254
    ==========