hypogenic
Automatyczne generowanie i testowanie hipotez naukowych na danych tabelarycznych
Instalacja
Wybierz klienta i sklonuj repozytorium do odpowiedniego katalogu skilli.
Instalacja
O skillu
Hypogenic to narzędzie do szybkiego odkrywania wzorców w danych empirycznych. Łączy wiedzę z literatury naukowej z analizą danych, aby automatycznie generować i testować hipotezy badawcze. Idealne do detekcji oszustw, analizy treści lub innych zadań wymagających systematycznego badania hipotez. Obsługuje trzy podejścia: generowanie oparte na danych, integrację literatury z danymi oraz kombinacje mechanistyczne. Zainstaluj pakiet, przygotuj dane w formacie YAML i uruchom generowanie hipotez w kilka minut.
Jak używać
Zainstaluj pakiet Hypogenic za pomocą menedżera pakietów: uv pip install hypogenic. Upewnij się, że masz zainstalowany Python i dostęp do wiersza poleceń.
Przygotuj swoje dane i konfigurację. Sklonuj przykładowe zbiory danych z repozytorium ChicagoHAI (git clone https://github.com/ChicagoHAI/HypoGeniC-datasets.git ./data) lub przygotuj własny plik konfiguracyjny w formacie YAML zawierający ścieżkę do danych tabelarycznych i parametry zadania.
Wygeneruj hipotezy za pomocą wiersza poleceń: hypogenic_generation --config ./data/your_task/config.yaml --method hypogenic --num_hypotheses 20. Parametr num_hypotheses określa liczbę hipotez do wygenerowania. Wyniki zostaną zapisane w pliku output/hypotheses.json.
Alternatywnie użyj Python API, importując BaseTask, ładując konfigurację i wywołując task.generate_hypotheses(method="hypogenic", num_hypotheses=20) bezpośrednio w swoim skrypcie.
Przetestuj wygenerowane hipotezy za pomocą: hypogenic_inference --config ./data/your_task/config.yaml --hypotheses output/hypotheses.json. Narzędzie automatycznie oceni każdą hipotezę względem danych i zwróci wyniki testowania.
Przeanalizuj wyniki w pliku wyjściowym, aby zidentyfikować hipotezy o najwyższym wsparciu empirycznym i wykorzystać je w dalszych badaniach.