R语言 nem包 network.AIC()函数中文帮助文档(中英文对照)

loveR

network.AIC(nem)
network.AIC()所属R语言包：nem

                                        AIC/BIC criterion for network graph
                                         AIC / BIC准则网络图

                                         译者：生物统计家园网 机器人LoveR

描述----------Description----------

Calclate AIC/BIC for a given network graph (should be transitively closed). The number of free parameters equals the number of unknown edges in the network graph.
Calclate AIC / BIC，对于一个给定的网络图（应传递关闭）。自由参数的数目等于在网络图中的未知的边的数目。


用法----------Usage----------


        network.AIC(network,Pm=NULL,k=length(nodes(network$graph)),verbose=TRUE)



参数----------Arguments----------

参数：network
a nem object (e.g. 'pairwise')
1的NEM对象（例如“成对”）


参数：Pm
prior over models (n x n matrix). If NULL, then a matrix of 0s is assumed
在模型前（N×N的矩阵）。如果为NULL，则假设0矩阵


参数：k
penalty per parameter in the AIC/BIC calculation. k = 2 for classical AIC
在AIC / BIC的计算每个参数的罚款。古典AIC的K = 2


参数：verbose
print out the result   
打印出结果


Details

详情----------Details----------

For k = log(n) the BIC (Schwarz criterion) is computed. Usually this function is not called directly but from nemModelSelection
对于k =log（N）BIC（施瓦茨准则）计算。通常这个函数不直接调用，但是从nemModelSelection


值----------Value----------

AIC/BIC value
AIC / BIC值


作者（S）----------Author(s)----------


Holger Froehlich



参见----------See Also----------

nemModelSelection
nemModelSelection


举例----------Examples----------


   data("BoutrosRNAi2002")
   D = BoutrosRNAiDiscrete[,9:16]
   control = set.default.parameters(unique(colnames(D)), para=c(0.13,0.05))
   res1 <- nem(D, control=control)
   network.AIC(res1)
   control$lambda=100 # enforce sparsity[执行稀疏]
   res2 <- nem(D,control=control)
   network.AIC(res2)

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。