R语言 fabia包 extractPlot()函数中文帮助文档(中英文对照)

loveR

extractPlot(fabia)
extractPlot()所属R语言包：fabia

                                        Plotting of Biclustering Results
                                         绘制的双分群结果

                                         译者：生物统计家园网 机器人LoveR

描述----------Description----------

extractPlot: R implementation of  extractPlot.
extractPlot：R的extractPlot实施。


用法----------Usage----------



extractPlot(fact,thresZ=0.5,ti="",thresL=NULL,Y=NULL,which=c(1,2,3,4,5,6,7,8))




参数----------Arguments----------

参数：fact
object of the class Factorization.
对象类Factorization。


参数：thresZ
threshold for sample belonging to bicluster; default 0.5.
属于样品到bicluster，默认0.5的阈值。


参数：thresL
threshold for loading belonging to bicluster (estimated if not given).
为属于到bicluster估计，如果不给予负荷阈值。


参数：ti
plot title; default "".
图称号;默认“。


参数：Y
noise free data matrix.
无噪音数据矩阵。


参数：which
which plot is shown: 1=noise free data (if available), 2=data, 3=reconstructed data, 4=error, 5=absolute factors, 6=absolute loadings, 7=reconstructed matrix sorted,8=original matrix sorted; default c(1,2,3,4,5,6,7,8).
图显示：1 =无噪音数据（如果可用），2 =数据，3 =重建数据，4 =错误，5 =绝对因素，绝对负荷= 6，7 =重建矩阵排序，8 =原矩阵排序;默认为C（1,2,3,4,5,6,7,8）。


Details

详情----------Details----------

Essentially the model is the sum of outer products of vectors:
模型本质上是向量外产品的总和：

where the number of summands  p is the number of biclusters. The matrix factorization is
加数p是的biclusters数量。矩阵分解

Here λ_i are from R^n, z_i from R^l, L from R^{n \times p}, Z from R^{p \times l}, and X, U from R^{n \times l}.
这里λ_iR^n，z_iR^l，LR^{n \times p}，ZR^{p \times l} X，UR^{n \times l}。

The hidden dimension p is used for kmeans clustering of λ_i and z_i .
隐藏维度p用KMEANS聚类λ_i和z_i 。

The λ_i  and z_i  are used to extract the bicluster i, where a threshold determines which observations and which samples belong the the bicluster.
λ_i 和z_i 用于提取biclusteri，阈值确定的意见和样品所属的bicluster，。

The method produces following plots depending what plots are chosen by the "which" variable:
该方法可产生下列图取决于什么图“，”变量选择：

“Y”: noise free data (if available), “X”: data, “LZ”: reconstructed data, “LZ-X”: error, “abs(Z)”: absolute factors, “abs(L)”: absolute loadings, “pmL*L*z*pmZ”: reconstructed matrix sorted, “pmL*X*pmZ”: original matrix sorted.
“Y”，无噪音的数据（如果可用），“X”的数据，“LZ”：重建数据，“LZ-X的”错误“，ABS（z）”：绝对的因素，“ ABS（L）“的：绝对的负荷，PML *长* Z * PMZ”：重建矩阵排序“，PML * x * PMZ”：原始矩阵排序。

For sorting first kmeans is performed on the p dimensional space and then the vectors which belong to the same cluster are put together.
排序第一kmeansp三维空间，然后放在一起属于同一聚类的向量。

This sorting is in general not able to  visualize all biclusters as blocks if they overlap.
这个排序是一般无法想象成块所有biclusters如果它们重叠。

The kmeans clusters are given by biclust with components biclustx (the clustered observations) and biclusty (the clustered samples).
该的KMEANS聚类biclust与组件biclustx（聚集意见）和biclusty（聚集样品）。

Implementation in R.
R中的实现


作者（S）----------Author(s)----------


Sepp Hochreiter



参见----------See Also----------

fabia, fabias, fabiap, fabi, fabiasp, spfabia, mfsc, nmfdiv, nmfeu, nmfsc, plot, extractPlot, extractBic, plotBicluster, Factorization, projFuncPos, projFunc, estimateMode, makeFabiaData, makeFabiaDataBlocks, makeFabiaDataPos, makeFabiaDataBlocksPos, matrixImagePlot, summary, show, showSelected, fabiaDemo, fabiaVersion
fabia，fabias，fabiap，fabi，fabiasp，spfabia，mfsc，nmfdiv，nmfeu，nmfsc，plot，extractPlot，extractBic，plotBicluster，Factorization，projFuncPos，projFunc ，estimateMode，makeFabiaData，makeFabiaDataBlocks，makeFabiaDataPos，makeFabiaDataBlocksPos，matrixImagePlot，summary，show showSelected，fabiaDemo，fabiaVersion


举例----------Examples----------



#---------------[---------------]
# TEST[试验]
#---------------[---------------]

dat <- makeFabiaDataBlocks(n = 100,l= 50,p = 3,f1 = 5,f2 = 5,
  of1 = 5,of2 = 10,sd_noise = 3.0,sd_z_noise = 0.2,mean_z = 2.0,
  sd_z = 1.0,sd_l_noise = 0.2,mean_l = 3.0,sd_l = 1.0)

X <- dat[[1]]
Y <- dat[[2]]


resEx <- fabia(X,3,0.1,20)

extractPlot(resEx,ti="FABIA",Y=Y)



## Not run: [＃无法运行：]
#---------------[---------------]
# DEMO1[DEMO1]
#---------------[---------------]

dat <- makeFabiaDataBlocks(n = 1000,l= 100,p = 10,f1 = 5,f2 = 5,
  of1 = 5,of2 = 10,sd_noise = 3.0,sd_z_noise = 0.2,mean_z = 2.0,
  sd_z = 1.0,sd_l_noise = 0.2,mean_l = 3.0,sd_l = 1.0)

X <- dat[[1]]
Y <- dat[[2]]


resToy <- fabia(X,13,0.01,200)

extractPlot(resToy,ti="FABIA",Y=Y)

#---------------[---------------]
# DEMO2[DEMO2]
#---------------[---------------]

avail <- require(fabiaData)

if (!avail) {
    message("")
    message("")
    message("#####################################################")[＃＃＃＃＃＃＃＃＃＃＃＃＃＃＃＃＃＃＃＃＃＃＃＃＃＃＃＃＃＃＃＃＃＃＃＃＃＃＃＃＃＃＃＃＃＃＃＃＃＃ ＃＃“）]
    message("Package 'fabiaData' is not available: please install.")
    message("#####################################################")[＃＃＃＃＃＃＃＃＃＃＃＃＃＃＃＃＃＃＃＃＃＃＃＃＃＃＃＃＃＃＃＃＃＃＃＃＃＃＃＃＃＃＃＃＃＃＃＃＃＃ ＃＃“）]
} else {

data(Breast_A)

X <- as.matrix(XBreast)

resBreast <- fabia(X,5,0.1,200)

extractPlot(resBreast,ti="FABIA Breast cancer(Veer)")

#sorting of predefined labels[预定义的标签排序]
CBreast
}


## End(Not run)[＃结束（不运行）]

转载请注明:出自 生物统计家园网(http://www.biostatistic.net)。


注：
注1：为了方便大家学习，本文档为生物统计家园网机器人LoveR翻译而成，仅供个人R语言学习参考使用，生物统计家园保留版权。
注2：由于是机器人自动翻译，难免有不准确之处，使用时仔细对照中、英文内容进行反复理解，可以帮助R语言的学习。
注3：如遇到不准确之处，请在本贴的后面进行回帖，我们会逐渐进行修订。