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

loveR

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

                                        Generation of Bicluster Data with Bicluster Blocks
                                         代Bicluster块Bicluster数据

                                         译者：生物统计家园网 机器人LoveR

描述----------Description----------

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


用法----------Usage----------



makeFabiaDataBlocksPos(n,l,p,f1,f2,of1,of2,sd_noise,sd_z_noise,
              mean_z,sd_z,sd_l_noise,mean_l,sd_l)





参数----------Arguments----------

参数：n
number of observations.
观测数。


参数：l
number of samples.
样本数。


参数：p
number of biclusters.
对biclusters。


参数：f1
nn/f1 max. additional samples are active in a bicluster.
nn/f1最大。额外样品活跃在bicluster的。


参数：f2
n/f2 max. additional observations that form a pattern in a bicluster.
n/f2最大。补充意见，形成了一个模式在bicluster。


参数：of1
minimal active samples in a bicluster.
在bicluster最小有效样本。


参数：of2
minimal observations that form a pattern in a bicluster.
最小的意见，形成了一个模式在bicluster。


参数：sd_noise
Gaussian zero mean noise std on data matrix.
高斯零均值噪声对数据矩阵性病。


参数：sd_z_noise
Gaussian zero mean noise std for deactivated hidden factors.
高斯零平均噪声STD停用隐性因素。


参数：mean_z
Gaussian mean for activated factors.
高斯意味着活化因子。


参数：sd_z
Gaussian std for activated factors.
高斯STD激活因素。


参数：sd_l_noise
Gaussian zero mean noise std if no observation patterns are present.
高斯零均值噪声性病，如果没有观察模式存在。


参数：mean_l
Gaussian mean for observation patterns.
高斯的意思是观察模式。


参数：sd_l
Gaussian std for observation patterns.
高斯STD观察模式。


Details

详情----------Details----------

Bicluster data is generated for visualization because the biclusters are now in block format. That means observations and samples that belong to a bicluster are consecutive. This allows visual inspection because the use can identify blocks and whether they have been found or reconstructed.
bicluster数据生成可视化的，因为biclusters块格式。这意味着，意见和样本属于一个bicluster的是连续的。这使得目视检查，因为使用可识别块，以及他们是否已发现或重建。

Essentially the data generation model is the sum of outer products of sparse vectors:
数据生成模型本质上是稀疏向量外产品的总和：

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

and noise free
无噪音

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, Y from R^{n \times l}.
这里λ_iR^n，z_iR^l，LR^{n \times p}，ZR^{p \times l}和X，U，YR^{n \times l}。

Sequentially L_i are generated using n, f2, of2, sd_l_noise, mean_l, sd_l. of2 gives the minimal observations participating in a bicluster to which between 0 and n/f2 observations are added, where the number is uniformly chosen. sd_l_noise gives the noise of observations not participating in the bicluster. mean_l and sd_l determines the Gaussian from which the values are drawn for the observations that participate in the bicluster. "POS": The sign of the mean is fixed.
顺序L_i使用n，f2，of2，sd_l_noise，mean_l，sd_l生成。 of2给在参与bicluster的最小意见，介于0和n/f2意见加入，这里的数字是一致的选择。 sd_l_noise给人不在参加bicluster的意见噪音。 mean_l和sd_l决定高斯值绘制为在参与bicluster的意见。 “POS机”：平均标志是固定的。

Sequentially Z_i are generated using l, f1, of1, sd_z_noise, mean_z, sd_z. of1 gives the minimal samples participating in a bicluster to which between 0 and l/f1 samples are added, where the number is uniformly chosen. sd_z_noise gives the noise of samples not participating in the bicluster. mean_z and sd_z determines the Gaussian from which the values are drawn for the samples that participate in the bicluster.
顺序Z_i使用l，f1，of1，sd_z_noise，mean_z，sd_z生成。 of1给在参与bicluster的最小样品，介于0和l/f1样品添加，这里的数字是一致选择。 sd_z_noise给人不在参加bicluster的样本噪声。 mean_z和sd_z决定在参与bicluster的样品得出的高斯值。

U is the overall Gaussian zero mean noise generated by sd_noise.
U是sd_noise产生整体的高斯零均值噪声。

Implementation in R.
R中的实现


值----------Value----------


参数：Y
the noise data from R^{n \times l}.
R^{n \times l}噪声数据。


参数：X
the noise free data from R^{n \times l}.
从R^{n \times l}无噪音数据。


参数：ZC
list where i-th element gives samples belonging to i-th bicluster.
第i个元素列表，其中给出样本属于第i bicluster。


参数：LC
list where i-th element gives observations belonging to i-th bicluster.
第i个元素列表，其中给出意见属于第i bicluster。


作者（S）----------Author(s)----------


Sepp Hochreiter



参见----------See Also----------

fabia, fabias, fabiap, fabi, fabiasp, 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，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 <- makeFabiaDataBlocksPos(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]]

matrixImagePlot(Y)
x11()
matrixImagePlot(X)


## Not run: [＃无法运行：]
#---------------[---------------]
# DEMO[演示]
#---------------[---------------]

dat <- makeFabiaDataBlocksPos(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)

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

matrixImagePlot(Y)
x11()
matrixImagePlot(X)


## 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。