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

loveR

llsImpute(pcaMethods)
llsImpute()所属R语言包：pcaMethods

                                        LLSimpute algorithm
                                         LLSimpute算法

                                         译者：生物统计家园网 机器人LoveR

描述----------Description----------

Missing value estimation using local least squares (LLS).  First, k variables (for Microarrya data usually the genes)  are selected by pearson, spearman or kendall correlation coefficients.  Then missing values are imputed by a linear combination of the k selected variables. The optimal combination is found by LLS regression.  The method was first described by Kim et al,
缺失值估计使用本地最小二乘（LLS）。首先，K变量（Microarrya数据通常的基因）的皮尔逊，斯皮尔曼或肯德尔相关系数的选择。遗漏值，然后归咎于由所选变量的K的线性组合。 LLS的回归找到最佳组合。 Kim等人第一次描述了该方法，


用法----------Usage----------


    correlation="pearson", allVariables=FALSE, maxSteps=100, xval,



参数----------Arguments----------

参数：Matrix
matrix – Data containing the variables (genes) in columns and observations (samples) in rows. The data may contain missing values, denoted as NA.
matrix - 包含列和行的意见（样品）中的变量（基因）的数据。数据可能包含缺失值，记为NA。


参数：k
numeric – Cluster size, this is the number of similar genes used for regression.
numeric - 簇的大小，这是回归使用的类似的基因数目。


参数：center
boolean – Mean center the data if TRUE
boolean - 平均中心的数据，如果为TRUE


参数：completeObs
boolean – Return the estimated complete observations if  TRUE. This is the input data with NA values replaced by the estimated values.
boolean - 返回估计，如果真正完整的观测。这是估计值取代NA值输入数据。


参数：correlation
character – How to calculate the distance between genes.  One out of pearson | kendall | spearman , see also help("cor").
character - 如何计算的基因之间的距离。一皮尔逊|肯德尔|斯皮尔曼，也有助于（“心病”）。


参数：allVariables
boolean – Use only complete genes to do the regression if TRUE, all genes if FALSE.
boolean - 只使用完整的基因做回归，如果为TRUE，所有的基因，如果为FALSE。


参数：maxSteps
numeric – Maximum number of iteration steps if allGenes = TRUE.
numeric - 最大迭代步数，如果allGenes = TRUE时。


参数：xval
numeric Use LLSimpute for cross validation. xval is the index of the gene to estimate, all other incomplete genes will be ignored if this parameter is set. We do not consider them in the cross-validation.
numeric使用交叉验证LLSimpute。 XVAL是指数估计的基因，所有其他的不完整的基因将被忽略，如果这个参数设置。我们不认为他们在交叉验证。


参数：verbose
boolean – Print step number and relative change if TRUE and  allVariables = TRUE
如TRUE和allVariables = TRUE，boolean - 打印步数和相对变化


参数：...
Reserved for parameters used in future version of the algorithm </table>
保留在未来版本的算法中使用的参数</ TABLE>


Details

详情----------Details----------

Missing values are denoted as NA<br> It is not recommended to use this function directely but rather to use the nni() wrapper function. The methods provides two ways for missing value estimation, selected by the allVariables option. The first one is to use only complete variables for the  regression. This is preferable when the number of incomplete variables is relatively small.
遗漏值表示为NA参考，不推荐使用此功能directely而是使用NNI（）包装功能。该方法提供了两种方法的缺失值估计，allVariables选项选择。第一个是使用唯一完整的回归变量。时不完全变量的数量相对较少，这是最好的。

The second way is to consider all variables as candidates for the regression.  Hereby missing values are initially replaced by the columns wise mean.  The method then iterates, using the current estimate as input for the regression until the change between new
第二种方式是考虑所有变量作为回归的候选人。最初所取代遗漏值是在此列明智的意思。然后遍历的方法，使用目前的估计，作为回归的输入，直到之间的新变化


值----------Value----------


参数：nniRes
Standard nni (nearest neighbour imputation) result object of this package. See nniRes for details. </table>
标准的NNI（近邻归集）结果这个包的对象。看到nniRes详情。 </ TABLE>


注意----------Note----------

Each step the generalized inverse of a miss x k matrix is calculated. Where miss is the number of missing values in  variable j and k the number of neighbours. This may be slow for large values of k and / or many missing
每一步missXK矩阵广义逆的计算方法。其中miss是缺失值的变量jk邻居数量。 k和/或缺少许多大值，这可能是缓慢的


作者（S）----------Author(s)----------


Wolfram Stacklies



参考文献----------References----------

estimation for DNA microarray gene expression data: local least squares imputation.  Bioinformatics, 2005; 21(2):187-198.
Hastie T. and Tibshirani R. and Botstein D. and Altman RB.  - Missing value estimation methods for DNA microarrays.

参见----------See Also----------

pca, nniRes, nni.
pca, nniRes, nni。


举例----------Examples----------


## data missing[＃数据丢失]
data(metaboliteData)
## Perform llsImpute using k = 10[＃执行llsImpute的采用k = 10]
## Set allVariables TRUE because there are very few complete variables[＃设置allVariables TRUE，因为很少有完整的变量]
result <- llsImpute(metaboliteData, k = 10, correlation="pearson", allVariables=TRUE)
## Get the estimated complete observations[＃获取估计完整的意见。]

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。