본문 바로가기

분류 전체보기150

Jupyter Notebook에서 가상환경 커널 연결하기 아래의 단계를 따라가 모든 설정을 완료했다면, 또다시 접속할 때는========= 서버 linux 환경 =========# STEP 1. 가상환경 활성화conda activate myenv# STEP 3. jupyter notebook 실행# .ipynb 열려 있는 폴더에서 실행 :cd workspace/nasw/downloadjupyter notebook========= 로컬 CMD 환경 =========# (STEP 4)공개키 기반 인증 SSH 서버 접속 시ssh -i C:\Users\niaaiuser05\.ssh\id_rsa -L 8888:localhost:8888 ubuntu@10.x.x.xxx========= 로컬 크롬 실행 =========STEP 3 에서 실행하던 서버의 jupyter not.. 2025. 3. 29.
[Linux] Install miniconda Conda 기반 개발 플로우 (최초 세팅 → 오프라인 사용까지)[1단계] miniconda 설치# 리눅스용 설치wget https://repo.anaconda.com/miniconda/Miniconda3-latest-Linux-x86_64.shbash Miniconda3-latest-Linux-x86_64.sh# 설치 중 경로는 ~/miniconda3로 추천# 설치 후 적용source ~/miniconda3/etc/profile.d/conda.sh * Permission denied 에러 발생 시, 아래의 '더보기' 참조더보기 [2단계] 가상환경 만들기 + 필요한 패키지 설치conda create -n myenv python=3.9 pipconda activate myenv * python vers.. 2025. 3. 28.
[Hierarchical MIL] Preprocessing Create '.h5ad' .h5ad 란?구성요소내용adata.X유전자 발현 행렬 (filtered X, shape = cells × genes)adata.obs셀 메타데이터 (meta)adata.var유전자 메타데이터 (adata.var.index = genes)📦 AnnData 객체 형태AnnData object with n_obs × n_vars = [셀 수] × [유전자 수] obs: patient, label, cell_type_annotation, ... var: gene names 즉, 각 셀(row)마다:유전자 발현 값 (X)label, patient ID, cell type 주석 등 (obs)gene names (var)이게 통합된 형태로 저장됩니다.[Hierarchical MIL] Preprocessing .. 2025. 3. 28.
Difference btw '.h5ad' and '.h5' .h5ad와 .h5는 비슷하지만 다른 포맷입니다. 둘 다 내부적으로는 HDF5 기반이지만, 목적과 구조가 다릅니다.🔸 .h5ad (AnnData format)주로 단일세포 RNA 시퀀싱 데이터 분석을 위한 포맷이에요.scanpy 또는 anndata 라이브러리에서 사용됩니다.내부에는 다음 정보가 구조화되어 저장됨:X: 유전자 발현 행렬 (cells × genes)obs: cell-wise metadata (예: 환자 ID, label, cell type 등)var: gene-wise metadatauns, obsm, varm 등 분석 결과 및 추가 정보📦 확장자: .h5ad📚 라이브러리: anndata, scanpy✅ 용도: 단일세포 데이터 저장 및 분석🔸 .h5 (일반 HDF5 format)HDF.. 2025. 3. 28.
[StratifiedKFold] Key Concepts and Descriptions StratifiedKFold(...): 라벨 비율을 유지하며 환자들을 나누는 K-fold🧾 예시로 이해해보자df = pd.DataFrame({ "patient": ["P01", "P01", "P02", "P03", "P04", "P04", "P05"], "label": [1, 1, 0, 1, 0, 0, 1], "cell_type": ["T", "B", "T", "NK", "T", "B", "T"], ... }) 이 데이터는 총 7개의 세포가 있지만,실제로 환자는 다음처럼 5명만 존재:samples = df[["patient", "label"]].drop_duplicates()→ 이렇게 하면 환자별로 한 줄씩 남긴 표가 samplespatientlabelP011P020P031P040P051그 다음: St.. 2025. 3. 27.
[Hierarchical MIL] Code ; Train.py 논문Incorporating Hierarchical Information into Multiple Instance Learning for Patient Phenotype Prediction with scRNA-seq Datahttps://www.biorxiv.org/content/10.1101/2025.02.10.637389v1.full.pdf  논문 정리2025.03.22 - [AI 및 Data Analysis/Paper] - [Hierarchical MIL] Incorporating Hierarchical Information into Multiple Instance Learning for Patient Phenotype Prediction with scRNA-seq Data [Hierarchical.. 2025. 3. 27.

티스토리툴바