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

loveR

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

                                        NIPALS PCA implemented in R
                                         NIPALS PCA的实施在R

                                         译者：生物统计家园网 机器人LoveR

描述----------Description----------

PCA by non-linear iterative partial least squares
PCA的非线性迭代偏最小二乘


用法----------Usage----------





参数----------Arguments----------

参数：Matrix
Pre-processed (centered, scaled) numerical matrix samples in rows and variables as columns.
预先处理（中心）的数值，缩放矩阵行和列作为变量样品。


参数：nPcs
Number of components that should be extracted.
应提取的元件数目。


参数：varLimit
Optionally the ratio of variance that should be explained. nPcs is ignored if varLimit < 1
可选的方差的比率，应加以解释。 nPcs被忽略如果varLimit <1


参数：maxSteps
Defines how many iterations can be done before algorithm should abort (happens almost exclusively when there were some wrong in the input data).
定义算法之前做了多少次迭代可以中止（几乎完全发生时，有一些输入数据错误）。


参数：threshold
The limit condition for judging if the algorithm has converged or not, specifically if a new iteration is done if (T_{old} - T)^T(T_{old} - T) > \code{limit}.
的判断，如果该算法收敛与否，特别是如果一个新的迭代完成的限制条件，如果(T_{old} - T)^T(T_{old} - T) > \code{limit}。


参数：verbose
Show simple progress information.
显示简单的进度信息。


参数：...
Only used for passing through arguments. </table>
仅用于通过参数传递。 </ TABLE>


Details

详情----------Details----------

Can be used for computing PCA on a numeric matrix using either the NIPALS algorithm which is an iterative approach for estimating the principal components extracting them one at a time. NIPALS can handle a small amount of missing values. It is not recommended to use this function directely but rather to use the pca() wrapper function. There is a C++ implementation given as nipalsPca
可用于计算PCA的数字矩阵使用NIPALS算法是一个迭代的方法估算的主要成分，提取他们在一次。的NIPALS可以处理少量的遗漏值。这是不建议使用此功能directely而是使用PCA（）包装功能。有一个C + +执行nipalsPca


值----------Value----------

A pcaRes object.
一个pcaRes对象。


作者（S）----------Author(s)----------


Henning Redestig



参考文献----------References----------

related models by iterative least squares. In Multivariate

参见----------See Also----------

prcomp, princomp, pca
prcomp，princomp，pca


举例----------Examples----------


mat <- prep(t(metaboliteData))
## c++ version is faster[＃C + +版本更快]
system.time(pc <- RnipalsPca(mat, method="rnipals", nPcs=2))
system.time(pc <- nipalsPca(mat, nPcs=2))
## better use pca()[＃更好地利用PCA（）]
pc <- pca(t(metaboliteData), method="rnipals", nPcs=2)

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。