build.mim(minet)
build.mim()所属R语言包：minet
Build Mutual Information Matrix
建立相互信息矩阵
译者：生物统计家园网 机器人LoveR
描述----------Description----------
build.mim takes the dataset as input and computes the mutual information beetween all pair of variables according to the mutual inforamtion estimator estimator. The results are saved in the mutual information matrix (MIM), a square matrix whose (i,j) element is the mutual information between variables Xi and Xj.
build.mim作为输入的数据集和计算互信息beetween对所有变量根据相互inforamtion估计estimator。结果被保存在互信息矩阵（MIM），（I，J）元素是变量之间的相互信息Xi和Xj一个方阵。
用法----------Usage----------
build.mim(dataset, estimator = "spearman", disc = "none", nbins = sqrt(NROW(dataset)))
参数----------Arguments----------
参数：dataset
data.frame containing gene expression data or any dataset where columns contain variables/features and rows contain outcomes/samples.
数据框包含的基因表达数据或列包含任何数据集变量/功能和行包含结果/样品。
参数：estimator
The name of the entropy estimator to be used. The package implements four estimators for discrete data: "mi.empirical", "mi.mm", "mi.shrink", "mi.sg" and three estimators based on correlation (can be used with continuous data): "pearson","spearman","kendall"(default:"spearman") - see details.
熵估计的名称使用。离散数据包实现四个估计：“mi.empirical”，“mi.mm”，的“mi.shrink”，“mi.sg”和三个基于相关估计（可以使用连续数据） ：“培”，“矛”，“肯德尔”（默认：“矛”） - 看到细节。
参数：disc
The name of the discretization method to be used with one of the discrete estimators: "none", "equalfreq", "equalwidth" or "globalequalwidth" (default : "none") - see infotheo package.
“无”，“equalfreq”，“equalwidth”或“globalequalwidth”（默认是：“无”）的离散化方法可用于离散估计的名字 - 看到infotheo软件包。
参数：nbins
Integer specifying the number of bins to be used for the discretization if disc is different from "none". By default the number of bins is set to sqrt(m) where m is the number of samples.
整数，指定离散箱的数量，如果光盘是从“无”的不同。默认情况下，箱数设置为sqrt(m)其中m为样本数。
Details
详情----------Details----------
"mi.empirical" : This estimator computes the entropy of the empirical probability distribution.
的“mi.empirical”：这个估计计算的经验概率分布的熵。
"mi.mm" : This is the Miller-Madow asymptotic bias corrected empirical estimator.
“mi.mm”：这是米勒Madow渐近偏差矫正的经验估计。
"mi.shrink" : This is a shrinkage estimate of the entropy of a Dirichlet probability distribution.
“mi.shrink”：这是一类Dirichlet概率分布的熵收缩估计。
"mi.sg" : This is the Schurmann-Grassberger estimate of the entropy of a Dirichlet probability distribution.
“mi.sg”：这是Schurmann的Grassberger估计一类Dirichlet概率分布的熵。
"pearson" : This computes mutual information for normally distributed variable.
“培”：这计算正态分布变量的互信息。
"spearman" : This computes mutual information for normally distributed variable using Spearman's correlation instead of Pearson's correlation.
“矛”：这计算使用斯皮尔曼的Pearson相关关系，而不是正态分布变量的相互信息。
"kendall" : This computes mutual information for normally distributed variable using Kendall's correlation instead of Pearson's correlation.
“肯德尔”：这计算使用肯德尔的Pearson相关关系，而不是正态分布变量的相互信息。
值----------Value----------
build.mim returns the mutual information matrix.
build.mim返回互信息矩阵。
作者（S）----------Author(s)----------
Patrick E. Meyer, Frederic Lafitte, Gianluca Bontempi
参考文献----------References----------
minet: A R/Bioconductor Package for Inferring Large Transcriptional Networks Using Mutual Information. BMC Bioinformatics, Vol 9, 2008.
entropy estimation : An overview. Journal of Statistics, 1997.
Master thesis of the National Institute of Applied Sciences of Lyon, 2006.
参见----------See Also----------
clr, aracne, mrnet, mrnetb
clr，aracne，mrnet，mrnetb
举例----------Examples----------
data(syn.data)
mim <- build.mim(syn.data,estimator="spearman")
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 2012-2-26 00:57:15
