lasso.stability(lol)
lasso.stability()所属R语言包：lol
Stability and randomised lasso
稳定和随机套索
译者：生物统计家园网 机器人LoveR
描述----------Description----------
point-wise controled lasso stability selection
聪明点程控选择套索稳定
用法----------Usage----------
lasso.stability(y, x=NULL, alpha=.5, subsampling=.5, nSubsampling=200, model='linear', pi_th=.6, alpha.fwer=1, lambda1=NULL, steps=10, track=FALSE, standardize=FALSE, ...)
参数----------Arguments----------
参数：y
A vector of gene expression of a probe, or a list object if x is NULL. In the latter case y should a list of two components y and x, y is a vector of expression and x is a matrix containing copy number variables
一个向量基因表达的探针，或一个列表对象，如果x是NULL。在后者情况下，y应列表两部分组成Y和X，Y是一个表达向量，并拷贝数变量，x是一个矩阵
参数：x
Either a matrix containing CN variables or NULL
无论是矩阵点数变量或NULL
参数：alpha
weakness parameter: control the shrinkage of regulators, if alpha = 1 then no randomisation, if NULL then a randomly generated vector is used
弱点参数：控制监管机构的收缩，如果α= 1，则没有随机，如果为NULL，然后一个随机生成的向量使用
参数：subsampling
fraction of samples to use in the sampling process, default to 0.5
部分样品在采样过程中，默认情况下使用0.5
参数：nSubsampling
The number of subsampling to do, default to 200
的欠采样做数，默认为200
参数：model
which model to use, one of "cox", "logistic", "linear", or "poisson". Default to 'linear'
模型使用，“考克斯”，“MF”，“线性”或“泊松”。默认为“线性”
参数：pi_th
The threshold of the stability probablity for selecting a regulator. It is to determine whether a coefficient is non-zero based on the frequency it is subsampled to be non-zero, default to 0.6
为选择调节的阈值稳定probablity。它是确定是否非零系数是基于频率二次取样是非零，默认0.6
参数：alpha.fwer
Parameter to control for the FWER, choosing alpha.fwer and alpha control the E(V), V being the number of noise variables, eg. when alpha=0.9, alpha.fwer = 1 control the E(V)<=1
参数控制的FWER的，，选择alpha.fwer和α控制的E（V）V属于噪声变量的数量，如。当α= 0.9，alpha.fwer = 1控制的E（五）<= 1
参数：lambda1
minimum lambda to use
最低的lambda使用
参数：steps
parameter to be passed on to penalized
参数被传递到处罚
参数：track
track the progress, 0 none tracking, 1 minimum amount of information and 2 full information
跟踪进度，没有跟踪，信息的最低金额的1和2的全部信息
参数：standardize
standardize the data or not?
规范的数据或没有？
参数：...
Details
详情----------Details----------
The function first selects lambda that approximately give maximum sqrt(.8*p) predictors, while p is the number of total predictors. Then it runs lasso a number of times keeping lambda fixed. These runs are randomised with scaled predictors and subsamples. At the end, the non-zero coefficients are determined by their frequencies of selections.
函数的第一选择，约给予最大的sqrt（0.8 * P）预测，而P是预测总数的lambda。然后，它运行拉索保持拉姆达固定时间的一个数字。这些运行随机规模预测和子样本。在最后，非零系数确定其频率的选择。
值----------Value----------
A list object of class 'lol', consisting of:
一类“LOL”组成，列表中的对象：
参数：beta
coefficients
系数
参数：beta.bin
binary beta vector as thresholded by pi_th
二进制测试向量阈值值由pi_th
参数：mat
the sampling matrix, each column is the result of one sampling
采样矩阵，每一列是一个采样的结果
参数：residuals
residuals of regression model
回归模型的残差
作者（S）----------Author(s)----------
Yinyin Yuan
参考文献----------References----------
参见----------See Also----------
lasso
套索
举例----------Examples----------
data(chin07)
data <- list(y=chin07$ge[1,], x=t(chin07$cn))
res <- lasso.stability(data, nSubsampling=50)
res
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。
|
发表于 2012-2-25 23:37:28
