R语言 qpgraph包 qpIPF()函数中文帮助文档(中英文对照)

loveR

qpIPF(qpgraph)
qpIPF()所属R语言包：qpgraph

                                         Iterative proportional fitting algorithm
                                         迭代比例拟合算法

                                         译者：生物统计家园网 机器人LoveR

描述----------Description----------

Performs maximum likelihood estimation of a covariance matrix given the independence constraints from an input list of (maximal) cliques.
执行从输入列表（最大）拉帮结派的独立性约束的协方差矩阵的最大似然估计。


用法----------Usage----------


qpIPF(vv, clqlst, tol = 0.001, verbose = FALSE, R.code.only = FALSE)



参数----------Arguments----------

参数：vv
input matrix, in the context of this package, the sample covariance matrix.
输入矩阵，在这个包的情况下，样本协方差矩阵。


参数：clqlst
list of maximal cliques obtained from an undirected graph by using the function qpGetCliques.
通过使用功能qpGetCliques从一个无向图的最大派系的名单。


参数：tol
tolerance under which the iterative algorithm stops.
宽容下的迭代算法停止。


参数：verbose
show progress on calculations.
显示在计算方面取得的进展。


参数：R.code.only
logical; if FALSE then the faster C implementation is used (default); if TRUE then only R code is executed.
逻辑;如果为FALSE则更快的C实现使用（默认）;如果TRUE，那么只有R代码被执行。


Details

详情----------Details----------

The Iterative proportional fitting algorithm (see, Whittaker, 1990, pp. 182-185) adjusts the input matrix to the independence constraints in the undirected graph from where the input list of cliques belongs to, by going through each of the cliques fitting the marginal distribution over the clique for the fixed conditional distribution of the clique. It stops when the adjusted matrix at the current iteration differs from the matrix at the previous iteration in less or equal than a given tolerance value.
迭代比例拟合算法（见，惠特克，1990年，第182-185）调整输入矩阵在其中输入列表的派系属于无向图的独立约束，通过各派系装修边际分布在固定的条件分布的集团集团。它停止时，在当前迭代的调整矩阵矩阵不同，在上一次迭代小于或等于给定的公差值。


值----------Value----------

The input matrix adjusted to the constraints imposed by the list of cliques, i.e., a maximum likelihood estimate of the sample covariance matrix that includes the independence constraints encoded in the undirected graph formed by the given list of cliques.
输入矩阵调整到列表拉帮结派，即最大似然估计的样本协方差矩阵，其中包括在给定列表中的派系形成的无向图的独立编码约束的限制。


作者（S）----------Author(s)----------


R. Castelo and A. Roverato



参考文献----------References----------

Gaussian graphical model search from microarray data with p larger than n. J. Mach. Learn. Res., 7:2621-2650, 2006.
Wiley, 1990.

参见----------See Also----------

qpGetCliques qpPAC
qpGetCliquesqpPAC


举例----------Examples----------


require(graph)
require(mvtnorm)

nVar <- 50  ## number of variables[＃变量]
nObs <- 100 ## number of observations to simulate[＃号观测到模拟]

set.seed(123)

g <- randomEGraph(as.character(1:nVar), p=0.15)

Sigma <- qpG2Sigma(g, rho=0.5)
X <- rmvnorm(nObs, sigma=as.matrix(Sigma))

## MLE of the sample covariance matrix[＃MLE的样本协方差矩阵]
S <- cov(X)

## more efficient MLE of the sample covariance matrix using IPF[＃MLE的更有效的利用IPF的样本协方差矩阵]
clqs <- qpGetCliques(g, verbose=FALSE)
S_ipf <- qpIPF(S, clqs)

## get the adjacency matrix and put the diagonal to one[＃得到的邻接矩阵和一个对角线]
A <- as(g, "matrix")
diag(A) <- 1

## entries in S and S_ipf for present edges in g should coincide[在S和S_ipf＃项目目前在G边缘应一致]
max(abs(S_ipf[A==1] - S[A==1]))

## entries in the inverse of S_ipf for missing edges in g should be zero[＃G的边失踪中的S_ipf的逆的条目应该为零]
max(solve(S_ipf)[A==0])

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。