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

loveR

AggregateMC(GeneSelector)
AggregateMC()所属R语言包：GeneSelector

                                        Aggregation of repeated rankings using a Markov chain approach
                                         利用马尔可夫链方法反复的排名聚集

                                         译者：生物统计家园网 机器人LoveR

描述----------Description----------

All obtained rankings are aggregated on the basis of Markov chain model, in which each gene constitutes an element of the state space. For details, see DeConde et al. (2006).
所有获得的排名是马尔可夫链模型，其中每个基因构成的状态空间的元素的基础上汇总。有关详情，请参阅DeConde等。 （2006年）。


用法----------Usage----------


  AggregateMC(RR, maxrank, type=c("MC4", "MCT"), epsilon = 0.15)



参数----------Arguments----------

参数：RR
An object of class RepeatedRanking.
对象类RepeatedRanking。


参数：maxrank
Due to time- and memory requirements, the computation is limited to a reduced set of candidate genes. A gene is selected as candidate only if at least of one its ranks is smaller than or equal to maxrank. The remainder is assigned the rank maxrank+1 as rank after aggregation.
由于时间和内存的要求，是有限的计算减少了候选基因。被选中作为候选基因，只有在至少一个队伍是小于或等于maxrank。其余被分配maxrank+1排名后聚集的排名。


参数：type
Specifies the computation of the matrix of transition probabilities. If type = "MC4", the transition probabilities are forced to be binary, while they may principally range from zero to one if type = "MCT", see DeConde et al. (2006) for details.
指定的转移概率矩阵的计算。如果type = "MC4"，被迫转移概率是二进制，而他们可能主要范围是从零到type = "MCT"，看到DeConde等。 （2006年）。


参数：epsilon
A second parameter concerning the computation of the transition matrix, necessary to guarantee ergodicity and hence existence of a unique stationary distribution of the Markov chain. The value epsilon = 0.15, 0 < epsilon < 1, is recommended in DeConde et al. (2006).
第二个参数有关的过渡矩阵的计算，要保证遍历性，因而存在一个独特的马尔可夫链的平稳分布。值epsilon = 0.15，0 < epsilon < 1，在DeConde等建议。 （2006年）。


值----------Value----------

An object of class AggregatedRanking.
对象类AggregatedRanking。


作者（S）----------Author(s)----------


Martin Slawski  <br>
Anne-Laure Boulesteix



参考文献----------References----------

Combining results of microarray experiments: a rank aggregation approach. Statistical Applications in Genetics and

参见----------See Also----------

RepeatRanking, AggregateSVD, AggregatePenalty, AggregateSimple
RepeatRanking，AggregateSVD的，AggregatePenalty AggregateSimple


举例----------Examples----------


## Load toy gene expression data[＃加载玩具基因表达数据]
data(toydata)
### class labels[＃＃类的标签]
yy <- toydata[1,]
### gene expression[＃＃基因表达]
xx <- toydata[-1,]
### run RankingTstat[＃运行RankingTstat的]
ordT <- RankingTstat(xx, yy, type="unpaired")
### Generate Leave-one-out Foldmatrix[＃生成留出Foldmatrix]
loo <- GenerateFoldMatrix(y = yy, k=1)
### Get all rankings[＃获取所有排名]
loor_ordT <- RepeatRanking(ordT, loo)
### aggregate rankings[＃总排名]
agg_MC_ordT <- AggregateMC(loor_ordT, type = "MCT", maxrank = 100)
toplist(agg_MC_ordT)

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。