R语言 MLInterfaces包 predict.classifierOutput()函数中文帮助文档(中英文对照)

loveR

predict.classifierOutput(MLInterfaces)
predict.classifierOutput()所属R语言包：MLInterfaces

                                         Predict method for classifierOutput objects
                                         预测classifierOutput对象的方法

                                         译者：生物统计家园网 机器人LoveR

描述----------Description----------

This function predicts values based on models trained with MLInterfaces' MLearn interface to many machine learning algorithms.
此功能基于MLInterfacesMLearn接口，许多机器学习算法训练的模型预测值。


用法----------Usage----------


## S3 method for class 'classifierOutput'
predict(object, newdata, ...)



参数----------Arguments----------

参数：object
An instance of class classifierOutput.  
实例类classifierOutput。


参数：newdata
An object containing the new input data: either a matrix, a data.frame or an ExpressionSet.  
一个对象，其中包含新的输入数据：无论是matrix，data.frame或ExpressionSet。


参数：...
Other arguments to be passed to the algorithm-specific predict methods.   
其他参数将被传递给特定于算法的预测方法。


Details

详情----------Details----------

This S3 method will extract the ML model from the classifierOutput instance and call either a generic predict method or, if available, a specficly written wrapper to do classes prediction and class probabilities.
此S3方法将提取的ML模型从classifierOutput实例，并呼吁无论是通用的预测方法，如果有的话，1 specficly书面包装做预测类和类概率。


值----------Value----------

Currently, a list with
目前，一个列表


参数：testPredictions
A factor with class predictions.
类预测的一个因素。


参数：testScores
A numeric or matrix with class probabilities.
一个numeric或matrix类的概率。


注意----------Note----------

The function output will most likely be updated in a near future to a classifierOutput (or similar) object.
函数的输出，将最有可能在不久的将来更新classifierOutput（或类似）对象。


作者（S）----------Author(s)----------



Laurent Gatto <lg390@cam.ac.uk>




参见----------See Also----------

MLearn and classifierOutput.
MLearn和classifierOutput。


举例----------Examples----------


set.seed(1234)
data(sample.ExpressionSet)
trainInd <- 1:16

clout.svm <- MLearn(type~., sample.ExpressionSet[100:250,], svmI, trainInd)
predict(clout.svm, sample.ExpressionSet[100:250,-trainInd])

clout.ksvm <- MLearn(type~., sample.ExpressionSet[100:250,], ksvmI, trainInd)
predict(clout.ksvm, sample.ExpressionSet[100:250,-trainInd])

clout.nnet <- MLearn(type~., sample.ExpressionSet[100:250,], nnetI, trainInd, size=3, decay=.01 )
predict(clout.nnet, sample.ExpressionSet[100:250,-trainInd])

clout.knn <- MLearn(type~., sample.ExpressionSet[100:250,], knnI(k=3), trainInd)
predict(clout.knn, sample.ExpressionSet[100:250,-trainInd],k=1)
predict(clout.knn, sample.ExpressionSet[100:250,-trainInd],k=3)

clout.plsda <- MLearn(type~., sample.ExpressionSet[100:250,], plsdaI, trainInd)
predict(clout.plsda, sample.ExpressionSet[100:250,-trainInd])

clout.nb <- MLearn(type~., sample.ExpressionSet[100:250,], naiveBayesI, trainInd)
predict(clout.nb, sample.ExpressionSet[100:250,-trainInd])

clout.rf <- MLearn(type~., sample.ExpressionSet[100:250,], randomForestI, trainInd)
predict(clout.rf, sample.ExpressionSet[100:250,-trainInd])

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。