Suite

Vecteur vers raster à l'aide de GDAL (gdal.RasterizeLayer) : erreur dans le raster en sortie (génération du raster en sortie avec des valeurs NAN)

Vecteur vers raster à l'aide de GDAL (gdal.RasterizeLayer) : erreur dans le raster en sortie (génération du raster en sortie avec des valeurs NAN)


Pour rastériser un calque vectoriel, j'ai essayé la méthode gdal.RasterizeLayer pour convertir le vecteur (shapefile) en raster (tiff). Mais cela donne une sortie raster avec des valeurs NAN (image noire complète). J'ai besoin d'aide là où je me trompe. Et je souhaite imprimer une valeur d'attribut du fichier de formes vers le raster et les valeurs restantes doivent être égales à zéro dans outRaster.

Mon code (en utilisant Gdal) est

NoDataVal = -9999 # Ouvrez la source de données et lisez l'étendue inPolygonShp = r"E:polygons.shp" outputRaster=r"E:OutRaster.tif" inGridSize=float(2)/110575 # presque je suis en train de convertir en Grille de 2 mètres depuis ses coordonnées GCS (couche vectorielle) shpDS = ogr.Open(inPolygonShp) shpLayer = shpDS.GetLayer() # Créer la source de données de destination xMin, xMax, yMin, yMax = shpLayer.GetExtent() xRes = int( (xMax - xMin) / inGridSize) yRes = int((yMax - yMin) / inGridSize) rasterDS = gdal.GetDriverByName('GTiff').Create(outputRaster, xRes, yRes, 1, gdal.GDT_Byte) # Définir le rasterDS de référence spatiale .SetProjection(shpLayer.GetSpatialRef().ExportToWkt()) rasterDS.SetGeoTransform((xMin, inGridSize, 0, yMax, 0, -inGridSize)) rBand = rasterDS.GetRasterBand(1) rBand.SetNoDataValue(NoDataValll) rB NoDataVal) # Rasterize err = gdal.RasterizeLayer(rasterDS, [1], shpLayer, burn_values=[200], options = ["ALL_TOUCHED=TRUE"]) # pour rastériser avec une valeur d'attribut de polygone # err = gdal.RasterizeLaye r(rasterDS, [1], shpLayer, burn_values=[0], options = ["ATTRIBUTE= Height"])

Ici, je sens qu'il génère un fichier raster mais qu'il n'a pas réussi à écraser les valeurs du fichier de formes. J'ai besoin d'aide à cet égard.


Je pense que vous y êtes à peu près… mais vous n'avez peut-être pas besoin de burn_values, essayez ceci :

err = gdal.RasterizeLayer(rasterDS, [1], shpLayer, options = ["ALL_TOUCHED=TRUE", "ATTRIBUT=POLYNUMB"])

où POLYNUMB n'est qu'un exemple de nom de colonne dans votre fichier de formes que vous souhaitez pixelliser. Notez que all_touched=true peut ou non être ce que vous voulez… testez-le et regardez vos bords.


Courbes de dommages et de coûts de protection pour les inondations côtières dans les 600 plus grandes villes européennes

L'évaluation économique des impacts des ondes de tempête et de l'élévation du niveau de la mer dans les villes côtières nécessite des informations de haut niveau sur les dommages et les coûts de protection associés aux différentes hauteurs d'inondation. Nous fournissons un ensemble de données calculé de manière systématique et cohérente des courbes de dommages et de coûts de protection à grande échelle pour les 600 plus grandes villes côtières européennes, ouvrant la perspective à un large éventail d'applications. Offrant le premier ensemble de données complet pour inclure les coûts de la protection des digues, nous fournissons les informations sous-jacentes pour effectuer des évaluations comparatives des coûts et des avantages de l'adaptation côtière. Les courbes de coûts agrégées pour les inondations côtières au niveau de la ville sont généralement considérées comme des sous-produits des évaluations d'impact et ne sont généralement pas publiées comme un ensemble de données autonome. Par conséquent, notre travail vise également à lancer une discussion plus critique sur la disponibilité et la dérivation des courbes de coûts.

Type(s) de conception objectif d'intégration des données • objectif d'analyse des données basées sur la source
Type(s) de mesure L'évaluation des risques
Type(s) de technologie technique de modélisation informatique
Type(s) de facteur(s)
Exemple de caractéristique(s) Europe • caractéristique géographique • côte maritime • caractéristique géographique anthropique • inondations côtières

1.2. La couche d'abstraction des E/S¶

Afin que l'API soit la plus flexible possible nous avons généralisé les notions d'entrée et de sortie. Les données qui résident déjà dans la mémoire d'une application peuvent servir d'entrée à un module GMT et nous les appelons « fichiers virtuels » 8221. D'autres sources d'entrée peuvent être des pointeurs de fichiers et des descripteurs de fichiers (ainsi que le mécanisme standard de transmission des noms de fichiers). Pour les E/S de table de données standard, l'API GMT se charge d'assembler n'importe quelle combinaison de fichiers, de pointeurs et d'emplacements de mémoire dans un seul ensemble de données virtuelles à partir de laquelle le module GMT peut lire (a) tous les enregistrements à la fois dans la mémoire, ou (b) lire un enregistrement à la fois. De même, les fonctions GMT peuvent écrire leur sortie dans une destination virtuelle, qui peut être un emplacement mémoire dans l'application de l'utilisateur (un autre fichier virtuel), un pointeur ou un descripteur de fichier, ou un fichier de sortie. Les modules GMT ne sont pas au courant de ces détails et lisent simplement à partir d'une “source” et écrivent vers une “destination”. Ainsi, le concept standard d'entrée/sortie basé sur des fichiers, si familier à tout utilisateur GMT, se retrouve dans l'API, à l'exception de la généralisation selon laquelle les fichiers peuvent être des fichiers virtuels déjà en mémoire. En raison de cette conception, nous verrons que nous devons associer ces fichiers virtuels à des noms de fichiers spéciaux que nous pouvons passer aux modules, et les modules les traiteront fidèlement comme de vrais fichiers. Cependant, sous le capot, la couche API s'occupera des différences entre les fichiers réels et virtuels.

Les utilisateurs qui souhaitent conserver leurs propres types de données et leur propre gestion de la mémoire peuvent également utiliser les modules GMT, mais certaines limitations et exigences s'appliquent : , par exemple, flottant, entier, etc.) et dans n'importe quelle configuration de disposition de mémoire (par exemple, disposition de ligne principale ou principale de colonne) ou comme (2) un ensemble de vecteurs de colonne qui peuvent chacun être de n'importe quel type. Ces tableaux personnalisés devront être accrochés aux conteneurs GMT GMT_MATRIX et GMT_VECTOR , respectivement. De tels objets peuvent ensuite être traités comme des fichiers virtuels pour l'une ou l'autre entrée ou sortie.


Vecteur vers raster à l'aide de GDAL (gdal.RasterizeLayer) : Erreur dans le raster en sortie (génération du raster en sortie avec des valeurs NAN) - Systèmes d'information géographique

Titre: Interface ordonnée vers 'data.table'
La description: Interface ordonnée vers 'data.table'. Compatible 'rlang', ce qui permet à l'utilisateur de créer des fonctions personnalisées comme ils le feraient dans le tidyverse.
Auteur: Mark Fairbanks [aut, cre], Tyson Barrett [ctb], Ivan Leung [ctb], Ross Kennedy [ctb], Lionel Henry [ctb], Matt Carlson [ctb]
Mainteneur: Mark Fairbanks [email protected]>

Différence entre les versions rangeables 0.5.1 du 29-05-2020 et 0.5.2 du 26-06-2020

Titre: Logiciel de planification approximatif POMDP
La description: Une boîte à outils pour les processus de décision de Markov partiellement observés (POMDP). Fournit des liaisons aux bibliothèques C++ implémentant l'algorithme SARSOP (Successive Approximations of the Reachable Space under Optimal Policies) et décrit dans Kurniawati et al (2008), <doi:10.15607/RSS.2008.IV.009>. Ce package fournit également une interface de haut niveau pour générer, résoudre et simuler des problèmes POMDP et leurs solutions.
Auteur: Carl Boettiger [cre, aut, cph] (<https://orcid.org/0000-0002-1642-628X>), Jeroen Ooms [aut], Milad Memarzadeh [aut], Hanna Kurniawati [ctb, cph], David Hsu [ctb, cph], Hanna Kurniawati [ctb, cph], Wee Sun Lee [ctb, cph], Yanzhu Du [ctb], Xan Huang [ctb], Trey Smith [ctb, cph], Tony Cassandra [ctb, cph] , Lee Thomason [ctb, cph], Carl Kindman [ctb, cph], Le Trong Dao [ctb, cph], Amit Jain [ctb, cph], Rong Nan [ctb, cph], Ulrich Drepper [ctb], Logiciels libres Fondation [cph], Tyge Lovset [ctb, cph], Yves Berquin [ctb, cph], Benjamin Grüdelbach [ctb], RSA Data Security, Inc. [cph]
Mainteneur: Carl Boettiger [email protected]>

Différence entre les versions sarsop 0.6.2 du 26-06-2020 et 0.6.3 du 26-06-2020

Titre: construit des modèles de Markov cachés asymétriques
La description: Apprentissage du modèle de Markov caché asymétrique (HMM-A). Les HMM-A sont similaires aux HMM classiques, mais utilisent des réseaux bayésiens (BN) dans leur distribution d'émission. Le HMM-As peut donc offrir plus d'informations sur les problèmes [Bueno et al. 2017, <doi:10.1016/j.ijar.2017.05.011>].
Auteur: Marcos LP Bueno [aut], Arjen Hommersom [aut, cre], Joop Thibaudier [aut], Marco Scutari [ctb], Robert Ness [ctb], Robert Gentleman et Ross Ihaka [cph], The R Development Core Team [cph ], La Fondation R [cph]
Mainteneur: Arjen Hommersom [email protected]>

Différence entre les versions hmma 1.0.0 du 08-04-2020 et 1.1.0 du 26-06-2020

Titre: accéder aux données réactives de manière interactive
La description: Le dépannage des données réactives dans 'shiny' peut être difficile. Ces fonctions convertiront les trames de données réactives en fonctions et chargeront tous les objets affectés dans votre environnement local. Si vous créez un objet d'entrée factice, comme la fonction le suggérera, vous pourrez tester vos fonctions serveur et ui de manière interactive.
Auteur: Jake Riley [aut, cré]
Mainteneur: Jake Riley [email protected]>

Différence entre les versions de shinyobjects 0.1.0 du 2020-05-12 et 0.1.1 du 2020-06-26

Titre: Fonctions pour analyser les données d'un système unique
La description: Fonctions pour analyser visuellement et statistiquement les données d'un système unique.
Auteur: Charles Auerbach [aut, cre], Wendy Zeitlin [aut]
Mainteneur: Charles Auerbach [email protected]>

Différence entre les versions SSDforR 1.5.16 du 09/06/2020 et 1.5.17 du 26/06/2020

Titre: Retrait maximum de vraisemblance à l'aide des méthodes de régression généralisée de crête ou de moindre angle
La description: Des fonctions sont fournies pour calculer et afficher les traces de crête pour divers chemins de retrait. Ils déterminent l'étendue m du rétrécissement le plus susceptible, selon la théorie normale, de produire des estimations biaisées de manière optimale des coefficients bêta de régression avec un risque MSE minimum. La nouvelle fonction unr.ridge() implémente le "Chemin illimité" introduit dans "Ridge TRACE Diagnostics" <arXiv:2005.14291>. Ce chemin semble plus efficace que les chemins utilisés par les fonctions qm.ridge(), aug.lars() et uc.lars(). Des prédictions dans l'échantillon peuvent être effectuées à l'aide de RXpredict() pour les cinq types de diagnostics TRACE du modèle linéaire RXshrink. Les nouvelles fonctions MLboot(), MLcalc(), MLhist() et MLtrue() fournissent des informations sur le véritable biais et les caractéristiques de risque MSE des estimateurs de retrait non linéaires. La fonction correct.signs() fournit des estimations avec des signes numériques « corrects » lorsque des modèles mal conditionnés (presque multicolinéaires) produisent des estimations OLS qui ne correspondent pas aux signes des corrélations observées entre le résultat y et les variables prédictives x sélectionnées.
Auteur: Bob Obenchain
Mainteneur: Bob Obenchain [email protected]>

Différence entre les versions RXshrink 1.3.3 du 26-04-2020 et 1.4 du 26-06-2020

Titre: Échantillonnage du rapport des uniformes pour l'analyse bayésienne des valeurs extrêmes
La description: Fournit des fonctions pour l'analyse bayésienne des modèles de valeurs extrêmes. Le package 'rust' <https://cran.r-project.org/package=rust> est utilisé pour simuler un échantillon aléatoire de la distribution postérieure requise. La fonctionnalité de 'revdbayes' est similaire à celle du package 'evdbayes' <https://cran.r-project.org/package=evdbayes>, qui utilise les méthodes Markov Chain Monte Carlo ('MCMC') pour la simulation postérieure. Des fonctions sont également fournies pour faire des inférences sur l'indice extrémal, en utilisant le modèle K-gaps de Suveges et Davison (2010) <doi:10.1214/09-AOAS292>. Des fonctions d,p,q,r sont également fournies pour les distributions Generalized Extreme Value ('GEV') et Generalized Pareto ('GP') qui traitent de manière appropriée les cas où le paramètre de forme est très proche de zéro.
Auteur: Paul J. Northrop [aut, cre, cph]
Mainteneur: Paul J. Northrop [email protected]>

Différence entre les versions revdbayes 1.3.6 du 02/12/2019 et 1.3.7 du 26/06/2020

Titre: Moyennes marginales estimées, alias moyennes des moindres carrés
La description: Obtenez des moyennes marginales estimées (EMM) pour de nombreux modèles linéaires, linéaires généralisés et mixtes. Calculez les contrastes ou les fonctions linéaires des EMM, les tendances et les comparaisons des pentes. Parcelles et autres affichages. Les moyennes des moindres carrés sont discutées et le terme « moyennes marginales estimées » est suggéré dans Searle, Speed ​​et Milliken (1980) Moyennes marginales de la population dans le modèle linéaire : une alternative aux moyennes des moindres carrés, The American Statistician 34(4) , 216-221 <doi:10.1080/00031305.1980.10483031>.
Auteur: Russell Lenth [aut, cre, cph], Henrik Singmann [ctb], Jonathon Love [ctb], Paul Buerkner [ctb], Maxime Herve [ctb]
Mainteneur: Russell Lenth [email protected]>

Différence entre emmeans versions 1.4.7 du 25-05-2020 et 1.4.8 du 26-06-2020

Titre: Tracé interactif de l'analyse d'expression différentielle à trois voies
La description: L'analyse de l'expression différentielle (DE) peut être utilisée pour découvrir des changements quantitatifs dans les niveaux d'expression entre les groupes expérimentaux. De tels résultats sont généralement visualisés à l'aide de tracés volcaniques, mais dans les cas où plus de deux groupes expérimentaux sont impliqués, la visualisation des résultats peut devenir compliquée et il devient rapidement difficile de voir le bois des arbres. Ce package fournit des fonctions faciles à utiliser pour extraire et visualiser les sorties de DE entre trois groupes (principalement destinés aux sorties 'limma' et 'DESeq2'). Nous présentons de nouvelles méthodes pour mapper les résultats DE en coordonnées polaires afin de permettre aux utilisateurs de combiner et de visualiser simultanément trois ensembles de résultats. Ces graphiques possèdent également des sorties « plotly » optionnelles pour des fonctionnalités interactives et tridimensionnelles, comme on le voit dans Lewis et. Al. (2019) <doi:10.1016/j.celrep.2019.07.091>.
Auteur: Katriona Goldmann [aut, cre], Myles Lewis [aut, ctb]
Mainteneur: Katriona Goldmann [email protected]>

Différence entre les versions de volcano3D 1.0.0 du 04-06-2020 et 1.0.1 du 26-06-2020

Titre: Réseaux de canaux optimaux
La description: Générer et analyser des réseaux de canaux optimaux (OCN) : arbres couvrants orientés reproduisant toutes les caractéristiques d'échelle caractéristiques des réseaux fluviaux naturels réels. En tant que tels, ils peuvent être utilisés dans une variété d'expériences numériques dans les domaines de l'hydrologie, de l'écologie et de l'épidémiologie. Voir Carraro et al. (2020) <doi:10.1101/2020.02.17.948851> pour une présentation du package Rinaldo et al. (2014) <doi:10.1073/pnas.1322700111> pour un aperçu théorique sur le concept OCN Furrer et Sain (2010) <doi:10.18637/jss.v036.i10> pour le construit utilisé.
Auteur: Luca Carraro [aut, cre], Florian Altermatt [ctb], Emanuel A. Fronhofer [ctb], Reinhard Furrer [ctb], Isabelle Gounand [ctb], Andrea Rinaldo [ctb], Enrico Bertuzzo [aut]
Mainteneur: Luca Carraro [email protected]>

Différence entre les versions OCNet 0.3.0 du 2020-05-12 et 0.3.1 du 2020-06-26

Titre: Calcul et visualisation de la mesure de la taille de l'effet d'impact
La description: Une mesure de taille d'effet non paramétrique capturant les changements de tendance centrale ou de forme des distributions de données. Le progiciel fournit les fonctions nécessaires pour calculer et tracer la mesure de la taille de l'effet d'impact entre deux groupes.
Auteur: Jorn Lotsch[aut,cre], Alfred Ultsch[aut]
Mainteneur: Jorn Lotsch [email protected]>

Différence entre les versions ImpactEffectsize 0.4.1 du 04/06/2020 et 0.5.0 du 26/06/2020

Titre: Rendre les intrigues 'ggplot2' interactives avec 'loon' et vice-versa
La description: Il fournit un pont entre les packages 'loon' et 'ggplot2'. Les analystes de données qui apprécient le pipeline de grammaire fourni par « ggplot2 » peuvent transformer ces tracés statiques en tracés « loon » interactifs. À l'inverse, les analystes de données qui explorent les données de manière interactive avec « loon » peuvent transformer n'importe quel tracé « loon » en une structure de tracé « ggplot2 ». La fonction 'loon.ggplot()' appliquée à une structure de tracé renverra l'autre.
Auteur: Zehao Xu [aut, cre], R. Wayne Oldford [aut]
Mainteneur: Zehao Xu [email protected]>

Différence entre les versions loon.ggplot 1.0.0 du 17-06-2020 et 1.0.1 du 26-06-2020

Titre: Modèles d'interaction graphique
La description: Fournit les types de modèles suivants : Modèles pour tableaux de contingence (c'est-à-dire modèles log-linéaires) Modèles graphiques gaussiens pour données normales multivariées (c'est-à-dire modèles de sélection de covariance) Modèles d'interaction mixte. La documentation sur 'gRim' est fournie par les vignettes incluses dans ce package et le livre de Højsgaard, Edwards et Lauritzen (2012, <doi:10.1007/978-1-4614-2299-0>) voir 'citation("gRim")' pour plus de détails .
Auteur: Søren Højsgaard [email protected]>
Mainteneur: Søren Højsgaard [email protected]>

Différence entre les versions gRim 0.2.3 du 20-06-2020 et 0.2.4 du 26-06-2020

Titre: Ajustement de modèles à effets mixtes censurés autorégressifs
La description: Il s'adapte à un modèle linéaire à effets mixtes censuré à gauche, à droite ou par intervalles avec des erreurs autorégressives d'ordre p en utilisant l'algorithme EM. Il fournit des estimations, des erreurs standard des paramètres et la prédiction des observations futures. Florin Vaida et Lin Liu (2009) <doi:10.1198/jcgs.2009.07130>.
Auteur: Rommy C. Olivari,Aldo M. Garay et Victor H. Lachos
Mainteneur: Rommy C. Olivari [email protected]>

Différence entre les versions ARpLMEC 1.0 du 09-01-2019 et 1.1 du 26-06-2020

Titre: Connecteur vers 'CouchDB'
La description: Fournit une interface à la base de données 'NoSQL' 'CouchDB' (<http://couchdb.apache.org>). Des méthodes sont fournies pour gérer les bases de données dans 'CouchDB', y compris la création/suppression/la mise à jour/le transfert et la gestion des documents dans les bases de données. On peut se connecter avec une instance 'CouchDB' locale, ou une base de données 'CouchDB' distante telle que 'Cloudant'. Les documents peuvent être insérés directement à partir de vecteurs, de listes, de data.frames et de 'JSON'. Ciblé sur 'CouchDB' v2 ou supérieur.
Auteur: Scott Chamberlain [aut, cre] (<https://orcid.org/0000-0003-1444-9135>), rOpenSci [fnd] (https://ropensci.org/)
Mainteneur: Scott Chamberlain [email protected]>

Différence entre les versions de canapé 0.3.0 du 03-01-2018 et 0.4.0 du 26-06-2020

Titre: Analyse et modélisation de données géographiques
La description: Lecture, écriture, manipulation, analyse et modélisation de données spatiales. Le package implémente des fonctions de base et de haut niveau pour les données raster et pour les opérations de données vectorielles telles que les intersections. Consultez le manuel et les didacticiels sur <https://rspatial.org/> pour commencer.
Auteur: Robert J. Hijmans [cre, aut] (<https://orcid.org/0000-0001-5872-2872>), Jacob van Etten [ctb], Michael Sumner [ctb], Joe Cheng [ctb], Dan Baston [ ctb], Andrew Bevan [ctb], Roger Bivand [ctb], Lorenzo Busetto [ctb], Mort Canty [ctb], David Forrest [ctb], Aniruddha Ghosh [ctb], Duncan Golicher [ctb], Josh Gray [ctb] , Jonathan A. Greenberg [ctb], Paul Hiemstra [ctb], Kassel Hingee [ctb], Institute for Mathematics Applied Geosciences [cph], Charles Karney [ctb], Matteo Mattiuzzi [ctb], Steven Mosher [ctb], Jakub Nowosad [ctb], Edzer Pebesma [ctb], Oscar Perpinan Lamigueiro [ctb], Etienne B. Racine [ctb], Barry Rowlingson [ctb], Ashton Shortridge [ctb], Bill Venables [ctb], Rafael Wueest [ctb]
Mainteneur: Robert J. Hijmans [email protected]>

Différence entre les versions raster 3.1-5 du 2020-04-19 et 3.3-6 du 2020-06-26

Titre: Estimation des effets marginaux du traitement à l'aide de variables instrumentales locales
La description: Dans le modèle de Roy généralisé, l'effet de traitement marginal (MTE) peut être utilisé comme un bloc de construction pour construire des paramètres causaux conventionnels tels que l'effet de traitement moyen (ATE) et l'effet de traitement moyen sur les traités (ATT). Étant donné une équation de sélection de traitement et une équation de résultat, la fonction mte() estime la MTE via la méthode des variables instrumentales locales semi-paramétriques ou le modèle de sélection normale. La fonction mte_at() évalue le MTE à différentes valeurs de la résistance latente u avec un X = x donné, et la fonction mte_tilde_at() évalue le MTE projeté sur le score de propension estimé. La fonction ace() estime les effets causaux moyens au niveau de la population tels que ATE, ATT ou l'effet de traitement marginal pertinent pour la politique.
Auteur: Xiang Zhou [aut, cré]
Mainteneur: Xiang Zhou [email protected]>

Différence entre les versions 0.3.0 de localIV du 01-04-2020 et 0.3.1 du 26-06-2020

Titre: R sur la ligne de commande via 'r'
La description: Une interface de script et de ligne de commande est fournie par 'r' (alias 'littler') en tant que wrapper binaire léger autour du langage et de l'environnement GNU R pour le calcul statistique et les graphiques. Alors que R peut être utilisé en mode batch, le binaire r ajoute une prise en charge complète des scripts de style 'shebang' (c'est-à-dire en utilisant une expression hash-mark-exclamation-path comme première ligne dans les scripts) ainsi que l'utilisation de la ligne de commande dans pipelines Unix standard. En d'autres termes, r fournit le langage R sans l'environnement.
Auteur: Dirk Eddelbuettel et Jeff Horner
Mainteneur: Dirk Eddelbuettel [email protected]>

Différence entre les versions plus petites 0.3.10 du 03/06/2020 et 0.3.11 du 26-06-2020

Titre: Fonctions de manipulation de données implémentées en C
La description: Fonctions de base, implémentées en C, pour la manipulation de données volumineuses. Fonctions ifelse()/imbriquées if()/switch(), fonctions psum()/pprod() équivalentes à pmin()/pmax() plus d'autres qui manquent à la base R. La plupart de ces fonctions sont appelables en C niveau.
Auteur: Morgan Jacob [aut, cre, cph]
Mainteneur: Morgan Jacob [email protected]>

Différence entre les versions du kit 0.0.2 du 24-05-2020 et 0.0.3 du 26-06-2020

Titre: Tableaux d'équilibre des covariables et graphiques
La description: Générez des tableaux d'équilibre et des graphiques pour les covariables de groupes prétraités par appariement, pondération ou sous-classification, par exemple, à l'aide de scores de propension. Comprend l'intégration avec 'MatchIt', 'twang', 'Matching', 'optmatch', 'CBPS', 'ebal', 'WeightIt', 'cem', 'sbw' et 'designmatch' pour évaluer l'équilibre sur la sortie de leurs fonctions de prétraitement. Les utilisateurs peuvent également spécifier des données pour l'évaluation du solde non générées par les packages ci-dessus. Sont également incluses des méthodes d'évaluation de l'équilibre dans des ensembles de données groupées ou à imputation multiple ou des ensembles de données avec des traitements longitudinaux.
Auteur: Noah Greifer [aut, cre] (<https://orcid.org/0000-0003-3067-7154>)
Mainteneur: Noah Greifer [email protected]>

Différence entre les versions cobalt 4.2.1 du 20-06-2020 et 4.2.2 du 26-06-2020

Titre: Quelques distributions supplémentaires
La description: Fournit les fonctions de densité, de distribution, de quantile et de génération de certaines distributions de probabilité obscures, y compris les distributions doublement non centrales t, F, Beta et Eta le lambda-prime et K-prime la distribution upsilon la somme (pondérée) des non -les chi-carrés centraux à une puissance la somme (pondérée) des logs des chi-carrés non centraux le produit des chi-carrés non centraux pour donner aux puissances le produit des variables F doublement non centrales le produit des normales indépendantes.
Auteur: Steven E. Pav [aut, cre] (<https://orcid.org/0000-0002-4197-6195>)
Mainteneur: Steven E. Pav [email protected]>

Diff entre les versions sadiques 0.2.3 du 20/03/2017 et 0.2.4 du 26/06/2020

Titre: Recherche de motif modifié récursif sur Hyper-Rectangle
La description: Optimisation de toute fonction Black-Box/Non-Convex sur l'espace de paramètres hyper-rectangulaire. Il utilise une variante de la technique de recherche de motifs. Décrit dans l'article : Das (2016) <arXiv:1604.08616> .
Auteur: Priyam Das [cre, aut], Debsurya De [aut]
Mainteneur: Priyam Das [email protected]>

Différence entre les versions RMPSH 1.1.0 du 25-06-2020 et 1.1.1 du 26-06-2020

Titre: Système d'analyse prédictive des données
La description: Effectuer une analyse de données supervisée sur une base de données via une interface graphique « brillante ». Il comprend des méthodes telles que les voisins les plus proches, les arbres de décision, l'amplification ADA, l'amplification de gradient extrême, la forêt aléatoire, les réseaux de neurones, l'apprentissage en profondeur, les machines à vecteurs de support et les méthodes bayésiennes.
Auteur: Oldemar Rodriguez R. avec les contributions de Diego Jimenez A. et Andres Navarro D.
Mainteneur: Oldemar Rodriguez [email protected]>

Différence entre les versions de predictoR 1.1.0 du 24/06/2019 et 1.1.2 du 26/06/2020

Titre: Fonction Lambert-W
La description: Implémente les deux branches à valeur réelle de la fonction Lambert-W (Corless et al, 1996) <doi:10.1007/BF02124750> sans avoir besoin d'installer l'intégralité du GSL.
Auteur: Avraham Adler [aut, cph, cre] (<https://orcid.org/0000-0002-3039-0703>)
Mainteneur: Avraham Adler [email protected]>

Différence entre les versions 1.3.2 de lamW du 25-05-2020 et 1.3.3 du 26-06-2020

Titre: Analyse d'inventaire et calculs de coûts
La description: Simulez les politiques d'inventaire, facilitez les calculs d'analyse d'inventaire tels que les niveaux de stock et les points de réapprovisionnement, les calculs de prix et de promotions. Le package comprend des calculs de mesures d'inventaire, des calculs de rupture de stock et des calculs d'analyse ABC. Le package comprend des techniques de gestion des revenus telles que l'optimisation multi-produits, l'optimisation du modèle logit. Les fonctions sont référencées dans : 1-Harris, Ford W. (1913). "Combien de pièces à fabriquer à la fois". Factory, le magazine de la gestion. <isbn10 : 135-136, 152>. 2- Nahmias, S. Analyse de la production et des opérations. Édition internationale McGraw-Hill. <isbn: 0-07-2231265-3. Chapitre 4>. 3-Silver, E.A., Pyke, D.F., Peterson, R. Gestion des stocks et planification et planification de la production. <isbn: 978-0471119470>. 4-Ballou, R.H. Gestion Logistique d'Entreprise. <isbn: 978-0130661845>. Chapitre 9. Programme 5-MIT Micromasters. 6- Cours de l'Université Columbia pour l'analyse de l'offre et de la demande. 8- Élasticité des prix de la demande MATH 104,Mark Mac Lean (avec l'aide de Patrick Chan) 2011W Pour plus de détails ou correspondance :<www.linkedin.com/in/haythamomar>, <www.rescaleanalytics.com>.
Auteur: Haytham Omar [aut, cre]
Mainteneur: Haytham Omar [email protected]>

Différence entre les versions d'inventaire 1.0.4 du 25-06-2020 et 1.0.5 du 26-06-2020

Titre: Identification et classification des nœuds les plus influents
La description: Contient des fonctions pour la classification et le classement des principales fonctionnalités candidates, la reconstruction de réseaux à partir de matrices d'adjacence et de trames de données, l'analyse de la topologie du réseau et le calcul des mesures de centralité, et l'identification des nœuds les plus influents. En outre, une fonction est fournie pour exécuter le modèle SIRIR, qui est la combinaison de la technique de validation croisée Leave-one-out et du modèle SIR conventionnel, sur un réseau pour classer sans supervision la véritable influence des sommets. De plus, certaines fonctions ont été fournies pour l'évaluation de la dépendance et de la corrélation de deux mesures de centralité du réseau ainsi que la probabilité conditionnelle d'écart par rapport à leurs moyennes correspondantes dans la direction opposée. Fred Viole et David Nawrocki (2013, ISBN:1490523995). Csardi G, Nepusz T (2006). "Le progiciel igraph pour la recherche de réseaux complexes." InterJournal, Complex Systems, 1695. Les algorithmes et les sources adoptés sont référencés dans le document de fonction.
Auteur: Adrian (Abbas) Salavaty [aut, cre], Mirana Ramialison [ths], Peter D. Currie [ths]
Mainteneur: Adrian Salavaty [email protected]>

Différence entre les versions influentes 1.1.1 du 24/06/2020 et 1.1.2 du 26/06/2020

Titre: Un package R pour la simulation stochastique de la propagation de la maladie dans les réseaux dynamiques
La description: Simule des modèles hybrides stochastiques pour la transmission de maladies infectieuses dans des réseaux dynamiques. Il s'agit d'un modèle de métapopulation dans lequel chaque nœud du réseau est une sous-population et la maladie se propage au sein des nœuds et entre eux, combinant deux approches : l'algorithme de simulation stochastique (<doi:10.1146/annurev.physchem.58.032806.104637>) et approche, respectivement. Les équations que les modèles diffusent au sein des nœuds sont personnalisables et il existe deux types de liens entre les nœuds : la migration et l'influence (commutation). Plus d'informations dans Fernando S. Marques, Jose H. H. Grisi-Filho, Marcos Amaku et al. (2020) <doi:10.18637/jss.v094.i06>.
Auteur: Fernando S. Marques [aut, cre], Jose H. H. Grisi-Filho [aut], Marcos Amaku [aut]
Mainteneur: Fernando S. Marques [email protected]>

Différence entre les versions hybridModels 0.3.6 du 16-04-2020 et 0.3.7 du 26-06-2020

Titre: Système d'analyse de données exploratoire
La description: Effectue une analyse exploratoire des données via une interface « brillante ». Il comprend des méthodes de base telles que la moyenne, la médiane, le mode, le test de normalité, entre autres. Il comprend également des techniques de clustering telles que l'analyse en composantes principales, le clustering hiérarchique et la méthode K-Means.
Auteur: Oldemar Rodriguez R. avec les contributions de Diego Jimenez A. et Andres Navarro D.
Mainteneur: Oldemar Rodriguez [email protected]>

Différence entre les versions DiscoverR 1.2.4 du 13/01/2020 et 1.2.7 du 26/06/2020

Titre: Calculs efficaces des mesures de comparaison de clustering standard
La description: Implémente un algorithme O(n) efficace basé sur le tri par compartiment pour un calcul rapide des mesures de comparaison de clustering standard. Les mesures disponibles comprennent l'indice de Rand ajusté (ARI), la distance d'information normalisée (NID), l'information mutuelle normalisée (NMI), l'information mutuelle ajustée (AMI), l'information de variation normalisée (NVI) et l'entropie, comme décrit dans Vinh et al (2009) <doi :10.1145/1553374.1553511>. Incluez l'AMI (Adjusted Mutual Information) depuis la version 0.1.2, une version modifiée de l'ARI (MARI) et la distance Chi-deux simple depuis la version 1.0.0.
Auteur: Julien Chiquet [aut, cre] (<https://orcid.org/0000-0002-3629-3429>), Guillem Rigail [aut], Martina Sundqvist [aut], Valentin Dervieux [ctb]
Mainteneur: Julien Chiquet [email protected]>

Différence entre les versions aricode 0.1.2 du 29/06/2019 et 1.0.0 du 26/06/2020

Titre: Suite de problèmes de clustering fondamentaux
La description: De nombreux algorithmes de clustering conventionnels sont fournis dans ce package avec une entrée et une sortie cohérentes, ce qui permet à l'utilisateur d'essayer des algorithmes rapidement. De plus, 26 approches statistiques pour l'estimation du nombre de clusters ainsi que le graphique de densité en miroir (MD-plot) de la capacité de cluster sont mis en œuvre. De plus, la suite de problèmes de clustering fondamentaux (FCPS) offre une variété de défis de clustering que tout algorithme doit gérer lorsqu'il est confronté à des données du monde réel, voir Thrun, MC, Ultsch A.: "Clustering Benchmark Datasets Exploiting the Fundamental Clustering Problems" (2020), Data en bref, <DOI:10.1016/j.dib.2020.105501>.
Auteur: Michael Thrun [aut, cre, cph] (<https://orcid.org/0000-0001-9542-5543>), Quirin Stier [ctb, rev], Peter Nahrgang [ctr, ctb], Felix Pape [ctr, ctb ], Vasyl Pihur [ctb], Guy Brock [ctb], Susmita Datta [ctb], Somnath Datta [ctb], Luis Winckelmann [com], Alfred Ultsch [dtc, ctb]
Mainteneur: Michael Thrun [email protected]>

Différence entre les versions FCPS 1.2.2 du 07-06-2020 et 1.2.3 du 26-06-2020

Titre: R Évaluation de la similarité du code source
La description: Une implémentation d'une nouvelle méthode pour quantifier la similarité de la base de code des fonctions R au moyen de graphes de dépendance de programme. Les cas d'utilisation possibles incluent la détection de clones de code pour améliorer la qualité du logiciel et de plagiat parmi les devoirs des étudiants.
Auteur: Maciej Bartoszuk [aut, cre] (<https://orcid.org/0000-0001-6088-8273>), Marek Gagolewski [aut] (<https://orcid.org/0000-0003-0637-6028>)
Mainteneur: Maciej Bartoszuk [email protected]>

Différence entre les versions SimilaR 1.0.7 du 06-04-2020 et 1.0.8 du 26-06-2020

Titre: Manipulation de documents Microsoft Word et PowerPoint
La description: Accédez et manipulez les documents 'Microsoft Word' et 'Microsoft PowerPoint' de R. Le package se concentre sur les rapports tabulaires et graphiques de R, il fournit également deux fonctions qui permettent aux utilisateurs d'obtenir le contenu du document dans des objets de données. Un ensemble de fonctions permet d'ajouter et de supprimer des images, des tableaux et des paragraphes de texte dans des documents nouveaux ou existants. Lorsque vous travaillez avec des présentations « PowerPoint », des diapositives peuvent être ajoutées ou supprimées, des formes à l'intérieur des diapositives peuvent également être ajoutées ou supprimées. Lorsque vous travaillez avec des documents 'Word', un curseur peut être utilisé pour aider à insérer ou supprimer du contenu à un emplacement spécifique dans le document. Le package ne nécessite aucune installation de produits Microsoft pour pouvoir écrire des fichiers Microsoft.
Auteur: David Gohel [aut, cre], Frank Hangler [ctb] (fonction body_replace_all_text), Liz Sander [ctb] (plusieurs correctifs de documentation), Anton Victorson [ctb] (corrige les structures xml), Jon Calder [ctb] (mise à jour des vignettes) , John Harrold [ctb] (fuction annotate_base), John Muschelli [ctb] (compatibilité google doc)
Mainteneur: David Gohel [email protected]>

Différence entre les versions d'officier 0.3.11 du 2020-05-18 et 0.3.12 du 2020-06-26

Titre: Les Analyses 'jamovi'
La description: Une suite de méthodes statistiques courantes telles que les descriptifs, les tests t, les ANOVA, la régression, les matrices de corrélation, les tests de proportion, les tableaux de contingence et l'analyse factorielle. Ce package est également utilisable à partir du tableur statistique 'jamovi' (voir <https://www.jamovi.org> pour plus d'informations).
Auteur: Ravi Selker, Jonathon Love, Damian Dropmann
Mainteneur: Jonathon Love [email protected]>

Différence entre les versions jmv 1.2.5 du 17-02-2020 et 1.2.23 du 26-06-2020

Titre: Analyse des tableaux à double entrée
La description: Effectue des analyses de tableaux à double entrée avec une observation par cellule, ainsi que des affichages graphiques pour un ajustement additif et un tracé de diagnostic pour la « non-additivité » amovible via une transformation de puissance de la réponse. Il implémente les méthodes d'analyse exploratoire des données de Tukey (1973) <ISBN: 978-0201076165>, y compris un test à 1 degré de liberté pour la "non-additivité" ligne * colonne, linéaire dans les effets ligne et colonne.
Auteur: Michael Friendly [aut, cre] (<https://orcid.org/0000-0002-3237-0941>), Richard M. Heiberger [aut], John Fox [ctb]
Mainteneur: Michael Friendly [email protected]>

Différence entre les versions bidirectionnelles 0.6.2 du 24-08-2018 et 0.6.3 du 26-06-2020

Titre: Liaisons pour la bibliothèque d'abstraction de données « géospatiales »
La description: Fournit des liaisons à la bibliothèque d'abstraction de données 'Geospatial' ('GDAL') (>= 1.11.4) et un accès aux opérations de projection/transformation à partir de la bibliothèque 'PROJ'. On utilise des classes définies dans le package 'sp'. Les données de carte raster et vectorielle peuvent être importées dans R, et les objets 'sp' raster et vectoriels exportés. Les bibliothèques 'GDAL' et 'PROJ' sont externes au package et, lors de l'installation du package à partir des sources, elles doivent d'abord être correctement installées, il est important que 'GDAL' < 3 corresponde à 'PROJ' < 6. A partir de 'rgdal ' 1.5-8, installé avec to 'GDAL' >=3, 'PROJ' >=6 et 'sp' >= 1.4, les systèmes de référence de coordonnées utilisent les chaînes 'WKT2_2019', pas les chaînes 'PROJ'. Les binaires 'Windows' et 'macOS' (y compris 'GDAL', 'PROJ' et leurs dépendances) sont fournis sur 'CRAN'.
Auteur: Roger Bivand [cre, aut] (<https://orcid.org/0000-0003-2392-6140>), Tim Keitt [aut], Barry Rowlingson [aut, ctb], Edzer Pebesma [ctb], Michael Sumner [ctb ], Robert Hijmans [ctb], Even Rouault [cph, ctb], Frank Warmerdam [cph, ctb], Jeroen Ooms [ctb], Colin Rundel [ctb]
Mainteneur: Roger Bivand [email protected]>

Différence entre les versions rgdal 1.5-10 du 09/06/2020 et 1.5-12 du 26/06/2020

Titre: Environnements de projet
La description: Une boîte à outils de gestion des dépendances pour R.En utilisant 'renv', vous pouvez créer et gérer des bibliothèques R locales au projet, enregistrer l'état de ces bibliothèques dans un 'lockfile', et plus tard restaurer votre bibliothèque si nécessaire. Ensemble, ces outils peuvent aider à rendre vos projets plus isolés, portables et reproductibles.
Auteur: Kevin Ushey [aut, cre], RStudio [cph]
Mainteneur: Kevin Ushey [email protected]>

Différence entre les versions de renv 0.10.0 du 2020-05-06 et 0.11.0 du 2020-06-26

Titre: Procédures flexibles pour le clustering
La description: Diverses méthodes de clustering et de validation de cluster. Regroupement à point fixe. Clustering par régression linéaire. Clustering en fusionnant les composants du mélange gaussien. Projections discriminantes symétriques et asymétriques pour la visualisation de la séparation des groupements. Statistiques de validation de cluster pour le clustering basé sur la distance, y compris l'indice de Rand corrigé. Standardisation des statistiques de validation des clusters par des clusters aléatoires et comparaison entre de nombreuses méthodes de clustering et le nombre de clusters sur cette base. Évaluation de la stabilité des clusters au niveau des clusters. Méthodes d'estimation du nombre de clusters : force de prédiction de Calinski-Harabasz, Tibshirani et Walther, stabilité bootstrap de Fang et Wang. Ajustement de mélange gaussien/multinomial pour les variables mixtes continues/catégorielles. Statistiques variables pour l'interprétation des clusters. Regroupement DBSCAN. Fonctions d'interface pour de nombreuses méthodes de clustering implémentées dans R, y compris l'estimation du nombre de clusters avec kmeans, pam et clara. Diagnostic de modalité pour les mélanges gaussiens. Pour un aperçu, voir package?fpc.
Auteur: Christian Hennig [email protected]>
Mainteneur: Christian Hennig [email protected]>

Différence entre les versions fpc 2.2-6 du 24/06/2020 et 2.2-7 du 26/06/2020

Titre: Familiarité avec les cadres de données avant la manipulation des données
La description: Les données réelles sont boueuses, floues et imprévisibles. Cela rend les manipulations de données fastidieuses et la mise en forme des données est à elle seule une grosse partie du travail. Les fonctions de ce package nous aident à comprendre les trames de données pour réduire considérablement le temps de codage des données.
Auteur: Ashrith Reddy [aut, cre]
Mainteneur: Ashrith Reddy [email protected]>

Différence entre les versions de dataframeexplorer 0.1.6 du 17-04-2020 et 0.1.7 du 26-06-2020

Titre: Graphique de nomogramme de régression amélioré
La description: une fonction pour tracer un nomogramme de régression d'objets de régression. Les distributions de covariables sont superposées aux échelles du nomogramme et le tracé peut être animé pour permettre des modifications à la volée de la représentation de la distribution et pour permettre le calcul des résultats.
Auteur: Roger Marshall [aut, cré]
Mainteneur: Roger Marshall [email protected]>

Différence entre les versions de regplot 1.0 du 30-01-2020 et 1.1 du 26-06-2020

Titre: Priorisation des médicaments candidats spécifiques au sous-type de cancer
La description: Un outil de biologie systématique a été développé pour prioriser les médicaments spécifiques au sous-type de cancer en intégrant la perturbation génétique, l'action du médicament, la voie biologique et le sous-type de cancer. Les capacités de cet outil incluent l'inférence des profils d'activité des sous-voies spécifiques au patient dans le contexte des profils d'expression génique avec des étiquettes de sous-type, le calcul des sous-voies différentiellement exprimées sur la base de cellules humaines cultivées traitées avec des médicaments dans la base de données « cMap » (carte de connectivité), la priorisation des sous-types de cancer médicaments spécifiques selon le score d'association inverse médicament-maladie basé sur la sous-voie et la visualisation des résultats (Castelo (2013) <doi:10.1186/1471-2105-14-7> Han et al (2019) <doi:10.1093/bioinformatics/btz894> Lamb et Justin (2006) <DOI:10.1126/science.1132939>).
Auteur: Xudong Han, Junwei Han, Chonghui Liu
Mainteneur: Junwei Han [email protected]>

Différence entre les versions de SubtypeDrug 0.1.0 du 2020-05-16 et 0.1.1 du 2020-06-26


Vecteur vers raster à l'aide de GDAL (gdal.RasterizeLayer) : Erreur dans le raster en sortie (génération du raster en sortie avec des valeurs NAN) - Systèmes d'information géographique

Titre: Analyse des données de chromatine unicellulaire
La description: Un cadre pour l'analyse et l'exploration des données de chromatine unicellulaire. Le package 'Signac' contient des fonctions pour quantifier les données de chromatine unicellulaire, calculer les métriques de contrôle qualité par cellule, la réduction et la normalisation des dimensions, la visualisation et l'analyse des motifs de séquence d'ADN. Référence : Stuart et al. (2020) <doi:10.1101/2020.11.09.373613>.
Auteur: Tim Stuart [aut, cre] (<https://orcid.org/0000-0002-3044-0897>), Avi Srivastava [aut] (<https://orcid.org/0000-0001-9798-2079>), Paul Hoffman [ctb] (<https://orcid.org/0000-0002-7693-8957>), Rahul Satija [ctb] (<https://orcid.org/0000-0001-9448-8833>)
Mainteneur: Tim Stuart [email protected]>

Différence entre les versions Signac 1.1.0 du 06-11-2020 et 1.1.1 du 03-02-2021

Titre: Réseaux analytiques interactifs
La description: Créer des réseaux analytiques interactifs. Il rejoint la puissance d'analyse de données de R pour obtenir des coïncidences, des cooccurrences et des corrélations, ainsi que les bibliothèques de visualisation de « JavaScript » dans un seul package.
Auteur: Modesto Escobar [cre, aut, cph] (<https://orcid.org/0000-0003-2072-6071>), David Barrios [aut], Carlos Prieto [aut], Luis Martinez-Uribe [aut] (<https: //orcid.org/0000-0002-7795-3972>), Pablo Cabrera-Álvarez [aut]
Mainteneur: Modesto Escobar [email protected]>

Différence entre les versions netCoin 1.1.26 du 16-12-2020 et 1.2.21 du 03-02-2121

Titre: Méthodes de sélection de variables bayésiennes pour les données multivariées
La description: Méthodes bayésiennes de sélection de variables pour les données avec réponses multivariées et covariables multiples. Le package contient des implémentations de méthodes de sélection de variables bayésiennes multivariées pour les données continues et les données de comptage gonflées à zéro.
Auteur: Kyu Ha Lee, Mahlet G. Tadesse, Brent A. Coull, Jacqueline R. Starr
Mainteneur: Kyu Ha Lee [email protected]>

Différence entre les versions 1.3 de mBvs du 28-08-2018 et 1.4 du 03-02-2021

Titre: Charge les fichiers de formes des ensembles de données spatiales officielles du Brésil
La description: Accès facile aux ensembles de données spatiales officielles du Brésil en tant qu'objets « sf » en R. Le package comprend un large éventail de données géospatiales disponibles à différentes échelles géographiques et pour plusieurs années avec des attributs, une projection et une topologie harmonisés.
Auteur: Rafael HM Pereira [aut, cre] (<https://orcid.org/0000-0003-2125-7465>), Caio Nogueira Goncalves [aut], Paulo Henrique Fernandes de Araujo [ctb], Guilherme Duarte Carvalho [ctb], Rodrigo Almeida de Arruda [ctb], Igor Nascimento [ctb], Barbara Santiago Pedreira da Costa [ctb], Welligtton Silva Cavedo [ctb], Pedro R. Andrade [ctb], Alan da Silva [ctb], Carlos Kauê Vieira Braga [ ctb], Carl Schmertmann [ctb], Ipea - Institut de recherche économique appliquée [cph, fnd]
Mainteneur: Rafael H. M. Pereira [email protected]>

Différence entre les versions de geobr 1.4 du 04-10-2020 et 1.5 du 03-02-2021

Titre: Calculez les scores et les notes pour les épreuves combinées d'athlétisme
La description: Comprend des fonctions pour calculer les scores et les notes pour les compétitions d'athlétisme combinés. Les fonctions sont basées sur les tables de notation pour les épreuves combinées établies par l'Association internationale des fédérations d'athlétisme (2001).
Auteur: Katie Frank [aut, cre] (<https://orcid.org/0000-0002-0353-0328>)
Mainteneur: Katie Frank [email protected]>

Différence entre les versions d'événements combinés 0.1.0 du 23/09/2020 et 0.1.1 du 03-02-2021

Titre: Forêt aléatoire avec analyse de corrélation canonique
La description: Random Forest with Canonical Correlation Analysis (RFCCA) est une méthode de forêt aléatoire pour estimer les corrélations canoniques entre deux ensembles de variables en fonction des covariables liées au sujet. Les arbres sont construits avec une règle de division spécialement conçue pour partitionner les données afin de maximiser l'hétérogénéité de corrélation canonique entre les nœuds enfants. La méthode est décrite dans Alakus et al. (2020) <arXiv:2011.11555>. RFCCA utilise le package 'randomForestSRC' (Ishwaran et Kogalur, 2020) en gelant à la version 2.9.3. La fonction de règle de fractionnement personnalisée est utilisée pour appliquer la règle de fractionnement proposée.
Auteur: Cansu Alakus [aut, cre], Denis Larocque [aut], Aurelie Labbe [aut], Hemant Ishwaran [ctb] (Auteur des codes randomForestSRC inclus), Udaya B. Kogalur [ctb] (Auteur des codes randomForestSRC inclus)
Mainteneur: Cansu Alakus [email protected]>

Différence entre les versions RFCCA 1.0.3 du 04/01/2021 et 1.0.4 du 03-02-2021

Titre: Tests de comparaison par paires multiples
La description: Plusieurs tests de comparaison par paires sur des données ordonnées pour une analyse unidirectionnelle de la variance pour les plans inter-sujets et intra-sujets. Actuellement, il ne prend en charge que les types d'analyses et de tests statistiques les plus courants : paramétriques (test t de Welch et Student), non paramétriques (test de Durbin-Conover et Dunn), robuste (test des moyennes ajustées de Yuen) et facteur de Bayes (test t de Student test).
Auteur: Indrajeet Patil [cre, aut, cph] (<https://orcid.org/0000-0003-1995-6531>, @patilindrajeets)
Mainteneur: Indrajeet Patil [email protected]>

Différence entre les versions pairwiseComparisons 3.1.2 du 15-01-2121 et 3.1.3 du 03-02-2121

Titre: Moyennes marginales estimées, alias moyennes des moindres carrés
La description: Obtenez des moyennes marginales estimées (EMM) pour de nombreux modèles linéaires, linéaires généralisés et mixtes. Calculez les contrastes ou les fonctions linéaires des EMM, les tendances et les comparaisons des pentes. Parcelles et autres affichages. Les moyennes des moindres carrés sont discutées et le terme « moyennes marginales estimées » est suggéré dans Searle, Speed ​​et Milliken (1980) Moyennes marginales de la population dans le modèle linéaire : une alternative aux moyennes des moindres carrés, The American Statistician 34(4) , 216-221 <doi:10.1080/00031305.1980.10483031>.
Auteur: Russell V. Lenth [aut, cre, cph], Paul Buerkner [ctb], Maxime Herve [ctb], Jonathon Love [ctb], Hannes Riebl [ctb], Henrik Singmann [ctb]
Mainteneur: Russell V. Lenth [email protected]>

Différence entre emmeans versions 1.5.3 du 09/12/2020 et 1.5.4 du 03-02-2021

Titre: Un back-end 'dplyr' pour les bases de données
La description: un back-end 'dplyr' pour les bases de données qui vous permet de travailler avec des tables de bases de données distantes comme s'il s'agissait de trames de données en mémoire. Les fonctionnalités de base fonctionnent avec n'importe quelle base de données dotée d'un back-end 'DBI'. Les fonctionnalités plus avancées nécessitent une traduction 'SQL' fournie par l'auteur du package.
Auteur: Hadley Wickham [aut, cre], Maximilian Girlich [aut], Edgar Ruiz [aut], RStudio [cph, fnd]
Mainteneur: Hadley Wickham [email protected]>

Différence entre les versions de dbplyr 2.0.0 du 03-11-2020 et 2.1.0 du 03-02-2121

Titre: Interface vers 'Digital Ocean'
La description: Fournit un ensemble de fonctions pour interagir avec l'API 'Digital Ocean' <https://www.digitalocean.com/>, y compris la création d'images, leur destruction, le redémarrage, l'obtention de détails sur les régions et les images disponibles.
Auteur: Scott Chamberlain [aut, cre] (<https://orcid.org/0000-0003-1444-9135>), Hadley Wickham [aut], Winston Chang [aut], Bob Rudis [ctb], Bryce Mecum [ctb] ( <https://orcid.org/0000-0002-0381-3766>), RStudio [cph]
Mainteneur: Scott Chamberlain [email protected]>

Différence entre les versions analogsea 0.9.0 du 08-10-2020 et 0.9.4 du 03-02-2021

Titre: Mélange d'échelle de modèles mixtes linéaires asymétriques-normaux
La description: Il s'adapte à un mélange d'échelles de modèles mixtes linéaires asymétriques à l'aide d'un algorithme de type espérance-maximisation (EM), y compris certaines possibilités de modélisation de la dépendance intra-sujet. Des détails peuvent être trouvés dans Schumacher, Lachos et Matos (2021) <doi:10.1002/sim.8870>.
Auteur: Fernanda L. Schumacher [aut, cre] (<https://orcid.org/0000-0002-5724-8918>), Larissa A. Matos [aut] (<https://orcid.org/0000-0002-2635- 0901>), Victor H. Lachos [aut] (<https://orcid.org/0000-0002-7239-2459>)
Mainteneur: Fernanda L. Schumacher [email protected]>

Différence entre les versions de skewlmm 0.2.2 du 08-07-2020 et 0.2.3 du 03-02-2021

Titre: Évaluation des performances des modèles de régression
La description: utilitaires de calcul de mesures pour évaluer la qualité du modèle, qui ne sont pas directement fournis par les packages 'base' ou 'stats' de R. Ceux-ci incluent par ex. des mesures telles que le r carré, le coefficient de corrélation intraclasse (Nakagawa, Johnson & Schielzeth (2017) <doi:10.1098/rsif.2017.0213>), l'erreur quadratique moyenne quadratique ou des fonctions pour vérifier les modèles pour la surdispersion, la singularité ou l'inflation nulle et plus encore. Les fonctions s'appliquent à une grande variété de modèles de régression, y compris les modèles linéaires généralisés, les modèles à effets mixtes et les modèles bayésiens.
Auteur: Daniel Lüdecke [aut, cre] (<https://orcid.org/0000-0002-8895-3206>), Dominique Makowski [aut, ctb] (<https://orcid.org/0000-0001-5375-9967>) , Philip Wagoner [aut, ctb] (<https://orcid.org/0000-0002-7825-7573>), Indrajeet Patil [aut, ctb] (<https://orcid.org/0000-0003-1995-6531>) , Mattan S. Ben-Shachar [aut, ctb] (<https://orcid.org/0000-0002-4287-4801>)
Mainteneur: Daniel Lüdecke [email protected]>

Différence entre les versions de performances 0.6.1 du 09-12-2020 et 0.7.0 du 03-02-2121

Titre: Client pour l'API Comprehensive Knowledge Archive Network ('CKAN')
La description: Client pour l'API 'CKAN' (<https://ckan.org/>). Comprend une interface vers les "API" 'CKAN' pour la recherche, la liste, l'affichage des packages, des organisations et des ressources. En outre, fournit une interface à l'API « datastore ».
Auteur: Scott Chamberlain [aut, cre] (<https://orcid.org/0000-0003-1444-9135>), Imanuel Costigan [aut], Wush Wu [aut] (<https://orcid.org/0000-0001- 5180-0567>), Florian Mayer [aut] (<https://orcid.org/0000-0003-4269-4242>), Sharla Gelfand [aut]
Mainteneur: Scott Chamberlain [email protected]>

Différence entre les versions de ckanr 0.5.0 du 30/07/2020 et 0.6.0 du 03-02-2021

Titre: Cacher les objets R avec élagage automatique
La description: magasins de valeurs-clés avec élagage automatique. Les caches peuvent limiter soit leur taille totale, soit l'âge de l'objet le plus ancien (ou les deux), en élaguant automatiquement les objets pour maintenir les contraintes.
Auteur: Winston Chang [aut, cre], RStudio [cph, fnd]
Mainteneur: Winston Chang [email protected]>

Différence entre les versions cachem 1.0.1 du 21-01-2121 et 1.0.2 du 03-02-2121

Titre: Évaluation cinétique des données de dégradation chimique
La description: Routines de calcul basées sur le rapport FOCUS Kinetics (2006, 2014). Comprend une fonction pour définir facilement des modèles d'équations différentielles, une solution de modèle basée sur des valeurs propres si possible ou à l'aide de solveurs numériques. Si un compilateur C (sous Windows : 'Rtools') est installé, les modèles d'équations différentielles sont résolus à l'aide de fonctions C générées automatiquement. Veuillez noter qu'aucune garantie n'est implicite quant à l'exactitude des résultats ou à l'adéquation à un usage particulier.
Auteur: Johannes Ranke [aut, cre, cph] (<https://orcid.org/0000-0003-4371-6538>), Katrin Lindenberger [ctb] (contribué à mkinresplot()), René Lehmann [ctb] (ilr() et invilr()), Eurofins Regulatory AG [cph] (droit d'auteur pour certaines des contributions de JR 2012-2014)
Mainteneur: Johannes Ranke [email protected]>

Différence entre les versions de mkin 0.9.50.3 du 08-10-2020 et 1.0.0 du 03-02-2121

Titre: Widgets d'entrées personnalisés pour Shiny
La description: Collection de contrôles d'entrée personnalisés et de composants d'interface utilisateur pour les applications « Shiny ». Donnez à vos applications un style unique et coloré !
Auteur: Victor Perrier [aut, cre, cph], Fanny Meyer [aut], David Granjon [aut], Ian Fellows [ctb] (Méthodes de mutation des onglets verticaux & updateMultiInput), Wil Davis [ctb] (fonction numericRangeInput), Spencer Matthews [ctb] (méthodes autoNumeric), auteurs des bibliothèques JavaScript et CSS [ctb, cph] (Tous les auteurs sont répertoriés dans LICENSE.md)
Mainteneur: Victor Perrier [email protected]>

Différence entre les versions de shinyWidgets 0.5.6 du 20-01-21 et 0.5.7 du 03-02-2121

Titre: Fonctions de lecture d'ontologies dans R
La description: Fonctions de lecture d'ontologies dans R sous forme de listes et de manipulation d'ensembles de termes ontologiques - 'ontologyX: A suite of R packages for working with ontological data', Greene et al 2017 <doi:10.1093/bioinformatics/btw763>.
Auteur: Daniel Greene [email protected]>
Mainteneur: Daniel Greene [email protected]>

Différence entre les versions 2.5 d'ontologyIndex du 08/01/2019 et 2.7 du 03-02-2021

Titre: Estimation et cartographie des indicateurs désagrégés
La description: Fonctions qui prennent en charge l'estimation, l'évaluation et la cartographie des indicateurs régionaux désagrégés. Jusqu'à présent, les méthodes d'estimation comprennent l'estimation directe, l'approche au niveau de l'unité basée sur un modèle La meilleure prédiction empirique (voir « -modèle de niveau (voir "Estimations of Income for Small Places: An application of James-Stein procedures to Census Data" par Fay et Herriot (1979) doi<10.1080/01621459.1979.10482505>) et diverses extensions de celui-ci (estimation de la variance ajustée méthodes, transformation logarithmique et arcsin, modèles spatiaux, robustes et erreurs de mesure), ainsi que leurs estimations de précision. L'évaluation du modèle utilisé est appuyée par un résumé et des tracés diagnostiques. Pour une présentation appropriée des estimations, des tracés cartographiques peuvent être facilement créés. De plus, les résultats peuvent facilement être exportés vers Excel. Pour une description détaillée de l'emballage et des méthodes utilisées, voir « Le Paquet for Estimating and Mapping Regionally Disaggregated Indicators" par Kreutzmann et al. (2019) <doi:10.18637/jss.v091.i07> et le deuxième package vignette "A Framework for Producing Small Area Estimates Based on Area-Level Models in ".
Auteur: Sylvia Harmening [aut], Ann-Kristin Kreutzmann [aut], Soeren Pannier [aut, cre], Natalia Rojas-Perilla [aut], Nicola Salvati [aut], Timo Schmid [aut], Matthias Templ [aut], Nikos Tzavidis [aut], Nora Würz [aut]
Mainteneur: Soeren Pannier [email protected]>

Différence entre les versions emdi 2.0.1 du 2020-07-10 et 2.0.2 du 2021-02-03

Titre: Wrap R Tools pour le débogage et la programmation paramétrique
La description: Outils pour l'écriture et le débogage du code R. Fournit : '%.>%' dot-pipe (un tube configurable 'S3'), unpack/to (affectation/retour multiple de style R), 'build_frame()'/'draw_frame()' (exemple 'data.frame' tools), 'qc()' (citant concaténer), ':=' (nommé map builder), 'let()' (convertit les interfaces d'évaluation non standard en interfaces d'évaluation standard paramétriques, inspirées de 'gtools::strmacro() ' et 'base::bquote()'), et plus encore.
Auteur: John Mount [aut, cre], Nina Zumel [aut], Win-Vector LLC [cph]
Mainteneur: John Mount [email protected]>

Différence entre les versions wrapr 2.0.6 du 06-12-2020 et 2.0.7 du 03-02-2021

Titre: Méthode automatisée pour l'autopsie verbale
La description: Implémente plusieurs algorithmes open source existants pour le codage des causes de décès à la suite d'autopsies verbales. Les méthodes mises en œuvre incluent 'InterVA4' par Byass et al (2012) <doi:10.3402/gha.v5i0.19281>, 'InterVA5' par Byass et al (2019) <doi:10.1186/s12916-019-1333-6>, 'InSilicoVA' par McCormick et al (2016) <doi:10.1080/01621459.2016.1152191>, 'NBC' par Miasnikof et al (2015) <doi:10.1186/s12916-015-0521-2>, et une réplication de la méthode 'Tariff' par James et al (2011 ) <doi:10.1186/1478-7954-9-31> et Serina, et al. (2015) <doi:10.1186/s12916-015-0527-9>. Il fournit également des outils pour les tâches de manipulation de données couramment utilisées dans l'analyse d'autopsie verbale et implémente une visualisation graphique facile des statistiques au niveau individuel et de la population. La méthode 'NBC' est implémentée par le package 'nbc4va' qui peut être installé à partir de <https://github.com/rrwen/nbc4va>. Notez que ce progiciel n'a pas été développé par des auteurs affiliés à l'Institute for Health Metrics and Evaluation et donc des divergences non intentionnelles peuvent exister dans la mise en œuvre de la méthode « Tariff ».
Auteur: Zehang Richard Li, Tyler McCormick, Sam Clark
Mainteneur: Zehang Richard Li [email protected]>

Différence entre les versions openVA 1.0.11 du 04-05-2020 et 1.0.12 du 03-02-2021

Titre: Diagrammes de chemin pour les modèles de Lavaan via DiagrammeR
La description: Trace des diagrammes de chemin à partir de modèles dans Lavaan à l'aide de la fonctionnalité de traçage du package DiagrammeR. DiagrammeR fournit de jolis diagrammes de chemin via Graphviz, et ces fonctions facilitent la génération de ces diagrammes à partir d'un modèle de chemin Lavaan sans avoir à écrire la spécification de graphe en langage DOT.
Auteur: Alex Lishinski
Mainteneur: Alex Lishinski [email protected]>

Différence entre les versions de lavaanPlot 0.5.1 du 25-04-2018 et 0.6.0 du 03-02-2021

Titre: Utilitaires pour extraire et analyser les données textuelles du forum du réseau de nutrition d'urgence
La description: Le Réseau de nutrition d'urgence ou le forum en-net est le forum en ligne pour les praticiens de terrain qui ont besoin de conseils techniques rapides pour des défis opérationnels pour lesquels les réponses ne sont pas facilement accessibles dans les directives actuelles. Les questions et les réponses correspondantes soulevées dans en-net peuvent donner un aperçu des principaux sujets de discussion dans le secteur de la nutrition. Ce package fournit des fonctions utilitaires pour l'extraction, le traitement et l'analyse des données textuelles du forum en ligne.
Auteur: Ernest Guevarra [aut, cré] (<https://orcid.org/0000-0002-4887-4415>)
Mainteneur: Ernest Guevarra [email protected]>

Différence entre les versions ennet 0.2.0 du 21-01-21 et 0.2.1 du 03-02-2121

Titre: lit les fichiers de données ASCII à largeur fixe (.txt ou .dat) accompagnés de fichiers de configuration (.sps ou .sas)
La description: vous permet d'ouvrir un fichier ASCII à largeur fixe (.txt ou .dat) accompagné d'un fichier d'installation (.sps ou .sas). Ces combinaisons de fichiers sont parfois appelées .txt+.sps, .txt+.sas, .dat+.sps ou .dat+.sas. Cela ne fonctionnera que dans une paire txt-sps ou txt-sas dans laquelle le fichier d'installation contient des instructions pour ouvrir ce fichier texte. Il n'ouvrira PAS d'autres fichiers texte, fichiers de données .sav, .sas ou .por. Les fichiers ASCII à largeur fixe avec les fichiers de configuration sont courants dans les données gouvernementales plus anciennes (avant 2000).
Auteur: Jacob Kaplan [aut, cré] (<https://orcid.org/0000-0002-0601-0387>)
Mainteneur: Jacob Kaplan [email protected]>

Différence entre les versions 2.3.2 d'asciiSetupReader du 28-11-2020 et 2.4.0 du 03-02-2021

Titre: Analysez les performances du cricket sur la base des données de Cricsheet
La description: Analyse des performances des joueurs de cricket et des équipes de cricket sur la base des données de match « yaml » de Cricsheet <https://cricsheet.org/>.
Auteur: Tinniam V Ganesh
Mainteneur: Tinniam V Ganesh [email protected]>

Différence entre les versions de yorkr 0.0.18 du 29-01-21 et 0.0.19 du 03-02-2021

Titre: Obtenez les résultats des votes fédéraux et cantonaux suisses sur Opendata.swiss
La description: S'appuie sur le service de données en temps réel ainsi que sur les archives des votes nationaux <https://opendata.swiss/api/3/action/package_show?id=echtzeitdaten-am-abstimmungstag-zu-eidgenoessischen-abstimmungsvorlagen> et des votes cantonaux <https : //opendata.swiss/api/3/action/package_show?id=echtzeitdaten-am-abstimmungstag-zu-kantonalen-abstimmungsvorlagen>. Il apporte les résultats des votes populaires suisses, agrégés au niveau géographique de choix, dans R. De plus, il permet de récupérer les données de la Swissvotes-Database, l'une des plateformes de données les plus complètes sur les référendums et les initiatives suisses <https://swissvotes .ch/page/dataset/swissvotes_dataset.csv>.
Auteur: Thomas Lo Russo [cré, aut], Thomas Willi [aut]
Mainteneur: Thomas Lo Russo [email protected]>

Différence entre les versions swissdd 1.0.4 du 25-10-2020 et 1.1.0 du 03-02-2021

Titre: Liaisons 'Rcpp' pour le 'Corpus Workbench' ('CWB')
La description: 'Rcpp' Liaisons pour le code C du 'Corpus Workbench' ('CWB'), un moteur d'indexation et de requête pour analyser efficacement les grands corpus (<http://cwb.sourceforge.net>). 'RcppCWB' est sous licence GNU GPL-3, conformément à la licence GPL-3 de la 'CWB' (<https://www.r-project.org/Licenses/GPL-3>). Le 'CWB' repose sur 'pcre' (licence BSD, voir <http://www.pcre.org/licence.txt>) et 'GLib' (licence LGPL, voir <https://www.gnu.org/licenses/lgpl -3.0.fr.html>). Voir le fichier LICENSE.note pour plus d'informations. Le package comprend le code modifié du package 'rcqp' (GPL-2, voir <https://cran.r-project.org/package=rcqp>). Le travail original des auteurs du package 'rcqp' est reconnu avec un grand respect, et ils sont répertoriés comme auteurs de ce package. Pour atteindre la portabilité multiplateforme (y compris Windows), l'utilisation de « Rcpp » pour le code wrapper est l'approche utilisée par « RcppCWB ».
Auteur: Andreas Blaette [aut, cre], Bernard Desgraupes [aut], Sylvain Loiseau [aut], Oliver Christ [ctb], Bruno Maximilian Schulze [ctb], Stefan Evert [ctb], Arne Fitschen [ctb], Jeroen Ooms [ctb ], Marius Bertram [ctb]
Mainteneur: Andreas Blaette [email protected]>

Différence entre les versions RcppCWB 0.3.1 du 03-02-2121 et 0.3.2 du 03-02-2121

Titre: Interface vers les modules « IA interprétables »
La description: Une interface vers les algorithmes de 'Interpretable AI' <https://www.interpretable.ai> du langage de programmation R. « Interpretable AI » fournit divers modules, y compris « Arbres optimaux » pour la classification, la régression, la prescription et l'analyse de survie, « Imputation optimale » pour l'imputation des données manquantes et la détection des valeurs aberrantes, et « Sélection optimale des caractéristiques » pour une régression exacte parsemée. Le package 'iai' est un projet open source. Les modules logiciels « Interpretable AI » sont des produits propriétaires, mais des licences académiques et d'évaluation gratuites sont disponibles.
Auteur: Jack Dunn [aut, cre], Ying Zhuo [aut], Interpretable AI LLC [cph]
Mainteneur: Jack Dunn [email protected]>

Différence entre les versions iai 1.4.0 du 09-12-2020 et 1.5.0 du 03-02-2121

Titre: Un ensemble complet de fonctions pour nettoyer, analyser et présenter les données sur la criminalité
La description: Un ensemble de fonctions qui facilitent la compréhension des données criminelles (ou autres) et aident les autres à les comprendre. Le package vous aide à lire les données de diverses sources, à les nettoyer, à corriger les noms de colonnes et à représenter graphiquement les données.
Auteur: Jacob Kaplan [aut, cré] (<https://orcid.org/0000-0002-0601-0387>)
Mainteneur: Jacob Kaplan [email protected]>

Différence entre les versions de crimeutils 0.2.0 en date du 30-10-2020 et 0.3.0 en date du 03-02-2121

Titre: Modèles hiérarchiques pour les analyses paramétriques et semi-paramétriques de données de risques semi-concurrents
La description: Des modèles hiérarchiques multi-états sont considérés pour effectuer l'analyse de données de risques semi-concurrentes indépendantes/groupées. Le package permet de choisir la spécification des composants du modèle parmi une gamme d'options offrant aux utilisateurs une flexibilité substantielle, notamment : des modèles de régression à temps de défaillance accéléré ou à risques proportionnels des spécifications paramétriques ou non paramétriques pour les fonctions de survie de base et la distribution des effets aléatoires spécifiques aux clusters un Markov ou spécification semi-markovienne pour un événement terminal suivant un événement non terminal. Bien que l'estimation soit principalement effectuée dans le paradigme bayésien, le progiciel fournit également l'approche d'estimation par maximum de vraisemblance pour plusieurs modèles paramétriques. Le package comprend également des fonctions d'analyse de survie univariée en tant qu'outils d'analyse complémentaires.
Auteur: Kyu Ha Lee, Catherine Lee, Danilo Alvares et Sébastien Haneuse
Mainteneur: Kyu Ha Lee [email protected]>

Différence entre les versions 3.3 de SemiCompRisks du 28/01/2019 et 3.4 du 03-02-2021

Titre: Coefficients de corrélation matricielle
La description: Calcul et visualisation des coefficients de corrélation matricielle. La méthode principale est l'indice de similarité des matrices, tandis que diverses mesures connexes telles que r1, r2, r3, r4, le GCD de Yanai, la RV, la RV2, la RV ajustée, la corrélation linéaire de Rozeboom et le coefficient de Coxhead sont incluses à des fins de comparaison et de flexibilité.
Auteur: Kristian Hovde Liland
Mainteneur: Kristian Hovde Liland [email protected]>

Différence entre les versions de MatrixCorrelation 0.9.4 du 03-08-2020 et 0.9.5 du 03-02-2021

Titre: Effectuez une analyse factorielle à partir de 'FactoMineR' avec une application brillante
La description: Réalisez une analyse factorielle avec un menu et tracez des graphiques de manière interactive grâce à 'FactoMineR' et une application Shiny.
Auteur: Pauline Vaissie, Astrid Monge, François Husson
Mainteneur: François Husson [email protected]>

Différence entre les versions Factoshiny 2.3 du 2020-12-11 et 2.4 du 2021-02-03

Titre: Liaisons 'Rcpp' pour le 'Corpus Workbench' ('CWB')
La description: 'Rcpp' Liaisons pour le code C du 'Corpus Workbench' ('CWB'), un moteur d'indexation et de requête pour analyser efficacement les grands corpus (<http://cwb.sourceforge.net>). 'RcppCWB' est sous licence GNU GPL-3, conformément à la licence GPL-3 de la 'CWB' (<https://www.r-project.org/Licenses/GPL-3>). Le 'CWB' repose sur 'pcre' (licence BSD, voir <http://www.pcre.org/licence.txt>) et 'GLib' (licence LGPL, voir <https://www.gnu.org/licenses/lgpl -3.0.fr.html>). Voir le fichier LICENSE.note pour plus d'informations. Le package comprend le code modifié du package 'rcqp' (GPL-2, voir <https://cran.r-project.org/package=rcqp>). Le travail original des auteurs du package 'rcqp' est reconnu avec un grand respect, et ils sont répertoriés comme auteurs de ce package. Pour atteindre la portabilité multiplateforme (y compris Windows), l'utilisation de 'Rcpp' pour le code wrapper est l'approche utilisée par 'RcppCWB'.
Auteur: Andreas Blaette [aut, cre], Bernard Desgraupes [aut], Sylvain Loiseau [aut], Oliver Christ [ctb], Bruno Maximilian Schulze [ctb], Stefan Evert [ctb], Arne Fitschen [ctb], Jeroen Ooms [ctb ], Marius Bertram [ctb]
Mainteneur: Andreas Blaette [email protected]>

Différence entre les versions RcppCWB 0.3.0 du 08-07-2020 et 0.3.1 du 03-02-2021

Titre: Analyse basée sur le rééchantillonnage de données multivariées et de plans à mesures répétées
La description: Divers tests sont mis en œuvre pour les mesures répétées semi-paramétriques et les plans généraux MANOVA qui ne supposent ni normalité multivariée ni homogénéité de covariance, c'est-à-dire que les procédures sont applicables à un large éventail de plans factoriels multivariés généraux. En plus des méthodes d'inférence asymptotique, de nouvelles approches de bootstrap et de permutation sont également mises en œuvre. Ceux-ci fournissent des résultats plus précis dans le cas d'échantillons de petite à moyenne taille. De plus, des comparaisons post-hoc sont fournies pour les analyses multivariées. Friedrich, S., Konietschke, F. et Pauly, M. (2018) <arXiv:1801.08002>.
Auteur: Sarah Friedrich, Frank Konietschke, Markus Pauly
Mainteneur: Sarah Friedrich [email protected]>

Différence entre les versions MANOVA.RM 0.4.2 du 13/10/2020 et 0.4.3 du 03-02-2021

Titre: Liaisons pour la bibliothèque d'abstraction de données « géospatiales »
La description: Fournit des liaisons à la bibliothèque d'abstraction de données 'Geospatial' ('GDAL') (>= 1.11.4) et un accès aux opérations de projection/transformation à partir de la bibliothèque 'PROJ'. On utilise des classes définies dans le package 'sp'. Les données de carte raster et vectorielle peuvent être importées dans R, et les objets 'sp' raster et vectoriels exportés. Les bibliothèques 'GDAL' et 'PROJ' sont externes au package et, lors de l'installation du package à partir des sources, elles doivent d'abord être correctement installées, il est important que 'GDAL' < 3 corresponde à 'PROJ' < 6. A partir de 'rgdal ' 1.5-8, installé avec to 'GDAL' >=3, 'PROJ' >=6 et 'sp' >= 1.4, les systèmes de référence de coordonnées utilisent les chaînes 'WKT2_2019', pas les chaînes 'PROJ'. Les binaires 'Windows' et 'macOS' (y compris 'GDAL', 'PROJ' et leurs dépendances) sont fournis sur 'CRAN'.
Auteur: Roger Bivand [cre, aut] (<https://orcid.org/0000-0003-2392-6140>), Tim Keitt [aut], Barry Rowlingson [aut, ctb], Edzer Pebesma [ctb], Michael Sumner [ctb ], Robert Hijmans [ctb], Daniel Baston [ctb], Even Rouault [cph, ctb], Frank Warmerdam [cph, ctb], Jeroen Ooms [ctb], Colin Rundel [ctb]
Mainteneur: Roger Bivand [email protected]>

Différence entre les versions rgdal 1.5-22 du 02-02-2121 et 1.5-23 du 03-02-2121

Titre: Génération de rapports de qualité pour les résultats MaxQuant et mzTab
La description: Génère des rapports de contrôle qualité (CQ) protéomique (PTX) pour les données LC-MS de fusil de chasse analysées avec la suite logicielle MaxQuant (à partir de fichiers .txt) ou de fichiers mzTab (idéalement à partir de l'outil OpenMS 'QualityControl'). Les rapports sont personnalisables (seuils cibles, sous-ensembles) et disponibles au format HTML ou PDF. Publié dans J. Proteome Res., Proteomics Quality Control: Quality Control Software for MaxQuant Results (2015) <doi:10.1021/acs.jproteome.5b00780>.
Auteur: Chris Bielow [aut, cre], Juliane Schmachtenberg [ctb], Swenja Wagner [ctb], Patricia Scheil [ctb], Tom Waschischek [ctb], Guido Mastrobuoni [dtc, rev]
Mainteneur: Chris Bielow [email protected]>

Différence entre les versions PTXQC 1.0.8 du 2020-12-12 et 1.0.9 du 2021-02-03

Titre: Apprentissage Probabiliste Supervisé pour 'mlr3'
La description: Fournit des extensions pour l'apprentissage supervisé probabiliste pour 'mlr3'. Cela comprend l'extension de la tâche de régression à la régression probabiliste et par intervalles, l'ajout d'une tâche de survie et d'autres modèles, prédictions et mesures spécialisés. mlr3extralearners est disponible sur <https://github.com/mlr-org/mlr3extralearners>.
Auteur: Raphael Sonabend [aut, cre] (<https://orcid.org/0000-0001-9225-4654>), Franz Kiraly [aut], Michel Lang [aut] (<https://orcid.org/0000-0001- 9754-0393>), Nurul Ain Toha [ctb], Andreas Bender [ctb] (<https://orcid.org/0000-0001-5628-8611>)
Mainteneur: Raphael Sonabend [email protected]>

Différence entre les versions de mlr3proba 0.3.0 du 02-02-2121 et 0.3.1 du 03-02-2121

Titre: Test et analyse des éléments via Shiny
La description: Ensemble comprenant des fonctions et une application brillante interactive pour l'analyse psychométrique des tests pédagogiques, des évaluations psychologiques, des mesures liées à la santé et d'autres types de mesures multi-items, ou des évaluations de plusieurs évaluateurs.
Auteur: Patricia Martinkova [aut, cre], Adela Hladka [aut], Ondrej Leder [ctb], Jakub Houdek [ctb], Lubomir Stepanek [ctb], Tomas Jurica [ctb], Jana Vorlickova [ctb], Jan Netik [ctb]
Mainteneur: Patricia Martinkova [email protected]>

Différence entre les versions ShinyItemAnalysis 1.3.4 du 24-08-2020 et 1.3.5 du 03-02-2021

Titre: Outils de statistiques descriptives
La description: Une collection de fonctions statistiques de base diverses et d'emballages pratiques pour décrire efficacement les données. L'intention de l'auteur était de créer une boîte à outils qui facilite les premières tâches descriptives (qui prennent beaucoup de temps) dans l'analyse des données, consistant à calculer des statistiques descriptives, à dessiner des résumés graphiques et à rendre compte des résultats. Le package contient en outre des fonctions pour produire des documents à l'aide de MS Word (ou PowerPoint) et des fonctions pour importer des données à partir d'Excel.La plupart des fonctions incluses peuvent être trouvées dispersées dans d'autres packages et d'autres sources écrites en partie par Titans of R. La raison de les collecter ici était principalement de les regrouper dans UN au lieu de dizaines de packages (qui eux-mêmes pourraient dépendre d'autres packages qui ne sont pas du tout nécessaires), et de fournir une interface commune et cohérente en ce qui concerne le nommage des fonctions et des arguments, la gestion des NA, les règles de recyclage, etc. Les guides de style de Google ont été utilisés comme règles de nommage (en l'absence d'alternatives convaincantes). Le style 'BigCamelCase' a par conséquent été appliqué aux fonctions empruntées aux packages R contribués.
Auteur: Andri Signorell [aut, cre], Ken Aho [ctb], Andreas Alfons [ctb], Nanina Anderegg [ctb], Tomas Aragon [ctb], Chandima Arachchige [ctb], Antti Arppe [ctb], Adrian Baddeley [ctb] , Kamil Barton [ctb], Ben Bolker [ctb], Hans W. Borchers [ctb], Frederico Caeiro [ctb], Stephane Champely [ctb], Daniel Chessel [ctb], Leanne Chhay [ctb], Nicholas Cooper [ctb] , Clint Cummins [ctb], Michael Dewey [ctb], Harold C. Doran [ctb], Stéphane Dray [ctb], Charles Dupont [ctb], Dirk Eddelbuettel [ctb], Claus Ekstrom [ctb], Martin Elff [ctb] , Jeff Enos [ctb], Richard W. Farebrother [ctb], John Fox [ctb], Romain Francois [ctb], Michael Friendly [ctb], Tal Galili [ctb], Matthias Gamer [ctb], Joseph L. Gastwirth [ ctb], Vilmantas Gegzna [ctb], Yulia R. Gel [ctb], Sereina Graber [ctb], Juergen Gross [ctb], Gabor Grothendieck [ctb], Frank E. Harrell Jr [ctb], Richard Heiberger [ctb], Michael Hoehle [ctb], Christian W. Hoffmann [ctb], Soeren Hojsgaard [ctb], Torsten Hothorn [ctb], Markus Huerzeler [ctb], Wallace W. Hui [ctb], Pete Hurd [ctb], Rob J. Hyndman [ctb], Christopher Jackson [ctb], Matthias Kohl [ctb], Mikko Korpela [ctb], Max Kuhn [ctb], Detlew Labes [ctb] , Friederich Leisch [ctb], Jim Lemon [ctb], Dong Li [ctb], Martin Maechler [ctb], Arni Magnusson [ctb], Ben Mainwaring [ctb], Daniel Malter [ctb], George Marsaglia [ctb], John Marsaglia [ctb], Alina Matei [ctb], David Meyer [ctb], Weiwen Miao [ctb], Giovanni Millo [ctb], Yongyi Min [ctb], David Mitchell [ctb], Franziska Mueller [ctb], Markus Naepflin [ ctb], Daniel Navarro [ctb], Henric Nilsson [ctb], Klaus Nordhausen [ctb], Derek Ogle [ctb], Hong Ooi [ctb], Nick Parsons [ctb], Sandrine Pavoine [ctb], Tony Plate [ctb] , Luke Prendergast [ctb], Roland Rapold [ctb], William Revelle [ctb], Tyler Rinker [ctb], Brian D. Ripley [ctb], Caroline Rodriguez [ctb], Nathan Russell [ctb], Nick Sabbe [ctb] , Ralph Scherer [ctb], Venkatraman E. Seshan [ctb], Michael Smithson [ctb], Greg Snow [ctb], Karline Soetaert [ctb], Werner A. Stahel [ctb], Alec Stephenson [ctb], Mark Stevenson [ctb], Ralf Stubner [ctb], Matthias Templ [ctb], Duncan Temple Lang [ctb], Terry Therneau [ctb], Yves Tille [ctb], Luis Torgo [ctb], Adrian Trapletti [ctb], Joshua Ulrich [ctb], Kevin Ushey [ctb], Jeremy VanDerWal [ctb], Bill Venables [ctb], John Verzani [ctb], Pablo J. Villacorta Iglesias [ctb], Gregory R. Warnes [ctb] , Stefan Wellek [ctb], Hadley Wickham [ctb], Rand R. Wilcox [ctb], Peter Wolf [ctb], Daniel Wollschlaeger [ctb], Joseph Wood [ctb], Ying Wu [ctb], Thomas Yee [ctb] , Achim Zeileis [ctb]
Mainteneur: Andri Signorell [email protected]>

Différence entre les versions DescTools 0.99.39 datées du 2020-12-07 et 0.99.40 datées du 2021-02-03

Titre: Modèles mixtes linéaires généralisés spatiaux pour les données d'unités de surface
La description: Implémente une classe de modèles mixtes linéaires généralisés spatiaux univariés et multivariés pour les données d'unités surfaciques, avec inférence dans un cadre bayésien à l'aide d'une simulation de chaîne de Markov Monte Carlo (MCMC). La variable de réponse peut être binomiale, gaussienne, multinomiale, de Poisson ou de Poisson gonflé à zéro (ZIP), et l'autocorrélation spatiale est modélisée par un ensemble d'effets aléatoires auxquels est assignée une distribution a priori conditionnelle autorégressive (CAR). Un certain nombre de modèles différents sont disponibles pour les données spatiales univariées, y compris des modèles sans effets aléatoires ainsi que des effets aléatoires modélisés par différents types de CAR a priori, y compris le modèle BYM (Besag et al. (1991) <doi:10.1007/BF00116466>), le modèle de Leroux (Leroux et al. (2000) <doi:10.1007/978-1-4612-1284-3_4>) et le modèle localisé (Lee et al. (2015) <doi:10.1002/env.2348>). De plus, un modèle CAR multivarié (MCAR) pour les données spatiales multivariées est disponible, tout comme un modèle hiérarchique à deux niveaux pour modéliser les données relatives aux individus dans les zones. Tous les détails sont donnés dans la vignette accompagnant ce colis. La création initiale de ce package a été soutenue par la subvention RES-000-22-4256 de l'Economic and Social Research Council (ESRC), et le développement en cours a été soutenu par la subvention EP/J017442 du Engineering and Physical Science Research Council (EPSRC) /1, subvention ESRC ES/K006460/1, subvention Innovate UK / Natural Environment Research Council (NERC) NE/N007352/1 et TB Alliance.
Auteur: Duncan Lee
Mainteneur: Duncan Lee [email protected]>

Différence entre les versions CARBayes 5.2.2 du 15-01-2121 et 5.2.3 du 03-02-2121

Titre: Gestion, interrogation et analyse de texte tokenisé
La description: Fournit une analyse de texte dans R, en se concentrant sur l'utilisation d'un format de texte tokenisé. Dans ce format, les positions des jetons sont conservées et chaque jeton peut être annoté (par exemple, balises de partie de discours, relations de dépendance). Les principales fonctionnalités incluent des requêtes avancées de type Lucene pour des jetons ou des contextes spécifiques (par exemple, des documents, des phrases), des statistiques de similarité pour les mots et les documents, l'exportation vers DTM pour la compatibilité avec de nombreux packages d'analyse de texte et la possibilité de reconstruire le texte original à partir de jetons pour faciliter interprétation.
Auteur: Kasper Welbers et Wouter van Atteveldt
Mainteneur: Kasper Welbers [email protected]>

Différence entre les versions de corpustools 0.4.5 du 13-01-2121 et 0.4.6 du 03-02-2121

Titre: traite les données d'imagerie du calcium
La description: Identifie les emplacements des neurones, et estime leurs concentrations de calcium au cours du temps en utilisant la méthode SCALPEL proposée par Petersen, Ashley Simon, Noah Witten, Daniela. SCALPEL : Extraction de neurones à partir de données d'imagerie calcique. Anne. Appl. Stat. 12 (2018), n. 4, 2430--2456. <doi:10.1214/18-AOAS1159>. <https://projecteuclid.org/euclid.aoas/1542078051>.
Auteur: Ashley Petersen
Mainteneur: Ashley Petersen [email protected]>

Différence entre les versions de scalpel 1.0.2 du 13-02-2020 et 1.0.3 du 03-02-2021

Titre: Mise à l'échelle optimale
La description: La mise à l'échelle optimale d'un vecteur de données, par rapport à un ensemble de cibles, est obtenue par une transformation des moindres carrés soumise à des contraintes de mesure appropriées. Les cibles sont généralement des valeurs prédites à partir d'un modèle statistique. Si les données sont de niveau nominal, la transformation doit alors préserver l'identité. Si les données sont de niveau ordinal, la transformation doit être monotone. Si les données sont discrètes, les valeurs de données liées doivent rester liées dans la transformation optimale. Si les données sont continues, les valeurs de données liées peuvent être déliées dans la transformation optimale.
Auteur: William G. Jacoby
Mainteneur: William G. Jacoby [email protected]>

Différence entre les versions Optiscale 1.2 du 28-02-2020 et 1.2.2 du 03-02-2021

Titre: Modèles de prévision pour les séries chronologiques ordonnées
La description: Fournit une collection de modèles de prévision de séries chronologiques univariées et multivariées couramment utilisés, y compris des modèles de lissage exponentiel (ETS) sélectionnés automatiquement et de moyenne mobile intégrée autorégressive (ARIMA). Ces modèles fonctionnent dans le cadre « fable » fourni par le package « fabletools », qui fournit les outils pour évaluer, visualiser et combiner des modèles dans un flux de travail cohérent avec le tidyverse.
Auteur: Mitchell O'Hara-Wild [aut, cre], Rob Hyndman [aut], Earo Wang [aut], Gabriel Caceres [ctb] (implémentation NNETAR), Tim-Gunnar Hensel [ctb], Timothy Hyndman [ctb]
Mainteneur: Mitchell O'Hara-Wild [email protected]>

Différence entre les versions de fable 0.2.1 du 16/06/2020 et 0.3.0 du 03-02-2021

Titre: Une boîte à outils de pipeline pour le calcul reproductible à grande échelle
La description: moteur de calcul à usage général pour l'analyse des données, drake reconstruit les objets de données intermédiaires lorsque leurs dépendances changent, et il ignore le travail lorsque les résultats sont déjà à jour. Toutes les exécutions ne partent pas de zéro, il existe une prise en charge native de l'informatique parallèle et distribuée, et les projets terminés ont des preuves tangibles qu'ils sont reproductibles. Une documentation complète, allant des didacticiels adaptés aux débutants aux exemples pratiques et plus encore, est disponible sur le site Web de référence <https://docs.ropensci.org/drake/> et le manuel en ligne <https://books.ropensci.org/drake/> .
Auteur: William Michael Landau [aut, cre] (<https://orcid.org/0000-0003-1878-3253>), Alex Axthelm [ctb], Jasper Clarkberg [ctb], Kirill Müller [ctb], Ben Bond-Lamberty [ ctb] (<https://orcid.org/0000-0001-9525-4633>), Tristan Mahr [ctb] (<https://orcid.org/0000-0002-8890-5116>), Miles McBain [ctb] (<https ://orcid.org/0000-0003-2865-2548>), Noam Ross [ctb] (<https://orcid.org/0000-0002-2136-0000>), Ellis Hughes [ctb], Matthew Mark Strasiotto [ctb ], Ben Marwick [rév], Peter Slaughter [rév], Eli Lilly and Company [cph]
Mainteneur: William Michael Landau [email protected]>

Différence entre les versions de drake 7.13.0 du 04/01/2021 et 7.13.1 du 03-02-2021

Titre: Trames de données indexées
La description: Fournit des trames de données étendues, avec une colonne de trame de données spéciale qui contient deux index, avec potentiellement une structure d'imbrication.
Auteur: Yves Croissant [aut, cre]
Mainteneur: Yves Croissant [email protected]>

Différence entre les versions de dfidx 0.0-3 du 08-05-2020 et 0.0-4 du 03-02-2021

Titre: Boltzmann Bayes Apprenant
La description: Apprentissage supervisé utilisant l'inférence de modèle de Boltzmann Bayes, qui étend le modèle naïf de Bayes pour inclure les interactions. Permet de classer les données en plusieurs groupes de réponses sur la base d'un grand nombre de prédicteurs discrets pouvant prendre des valeurs de facteur de niveaux hétérogènes. L'inférence de pseudo-vraisemblance ou de champ moyen peut être utilisée avec la régularisation L2, la validation croisée et la prédiction sur de nouvelles données. Woo et al. (2016) <doi:10.1186/s12864-016-2871-3>.
Auteur: Jun Woo [aut, cre] (<https://orcid.org/0000-0003-3220-2064>)
Mainteneur: Jun Woo [email protected]>

Différence entre les versions de bbl 0.3.1 du 11/03/2020 et 0.4.0 du 03-02-2021

Titre: Fonctions actuarielles et distributions à queue lourde
La description: Fonctions et ensembles de données pour la science actuarielle : modélisation des distributions de pertes théorie du risque et théorie de la ruine simulation de modèles composés, mélanges discrets et modèles hiérarchiques composés théorie de la crédibilité. Prise en charge de nombreuses distributions de probabilité supplémentaires pour modéliser la taille et la fréquence des sinistres d'assurance : 23 distributions continues à queue lourde, la distribution discrète gaussienne inverse de Poisson, les extensions tronquées par zéro et modifiées par zéro des distributions discrètes standard. Prise en charge des distributions de type phase couramment utilisées pour calculer les probabilités de ruine.
Auteur: Vincent Goulet [cre, aut], Sébastien Auclair [ctb], Christophe Dutang [aut], Nicholas Langevin [ctb], Xavier Milhaud [ctb], Tommy Ouellet [ctb], Alexandre Parent [ctb], Mathieu Pigeon [aut] , Louis-Philippe Pouliot [ctb], Jeffrey A. Ryan [aut] (Package API), Robert Gentleman [aut] (Parties de l'interface R to C), Ross Ihaka [aut] (Parties de l'interface R to C) , R Core Team [aut] (Parties de l'interface R to C), R Foundation [aut] (Parties de l'interface R to C)
Mainteneur: Vincent Goulet [email protected]>

Différence entre les versions actuarielles 3.1-0 du 06-01-2121 et 3.1-1 du 03-02-2121

Les versions précédentes (telles que connues de CRANberries) qui devraient être disponibles via le lien Archive sont :

Les versions précédentes (telles que connues de CRANberries) qui devraient être disponibles via le lien Archive sont :


Les données sont fournies sous forme de nombres numériques, pour calibrer et convertir en dB, l'équation suivante est utilisée [1] :

Vous pouvez exécuter ce calibrage dans RSGISLib à l'aide du script Python suivant :

Alternativement, vous pouvez récupérer le script calPALSAR_dB.py pour effectuer le même calcul en utilisant RIOS (qui s'exécutera sous Windows, voir le post précédent pour plus de détails)

Les données SAR prennent un certain temps à entrer dans votre tête, mais une fois que vous l'avez fait, elles fournissent une mine d'informations.

Mise à jour – les données sont désormais disponibles à une résolution de 25 m depuis le même endroit

[1] Shimada, M. et Ohtaki, T. 2010. Génération de mosaïques SAR de haute qualité à grande échelle : application aux données PALSAR pour la surveillance mondiale. IEEE Journal of Selected Topics in Applied Earth Observations and Remote Sensing. 3(4):637-656.


Voir la vidéo: MERGE raster in Qgis GDAL algorithm