R语言 Rmagpie包 classifyNewSamples-methods()函数中文帮助文档(中英文对照)

loveR

classifyNewSamples-methods(Rmagpie)
classifyNewSamples-methods()所属R语言包：Rmagpie

                                         classifyNewSamples Method to classify new samples for a given assessment
                                         classifyNewSamples新样本划分为一个给定的评估方法

                                         译者：生物统计家园网 机器人LoveR

描述----------Description----------

This method classify one or several new samples provided in the file 'newSamplesFile' using the final classifier build by 'findFinalClassifier'.
这种方法分类，一个或几个新的样本文件“newSamplesFile使用的最终分类findFinalClassifier”建设提供。


参数----------Arguments----------

参数：object
object of class assessment. Object assessment of interest
object of class assessment。感兴趣的对象评估


参数：newSamplesFile
character. URL of the file containing the gene expressions of the samples to be classified. The first line of the file must corresponds to the sample names and the first column to the names of the genes.
character。文件包含要分类的样本的基因表达的网址。文件的第一行必须对应样本名和第一列的基因名称。


参数：optionValue
numeric. Size of subset (for RFE-SVM) or threshold (for NSC) to be considered, the option value  must be available in the slot featureSelectionOptions of the assessment. If not, the smallest value bigger than 'optionValue' is selected. If this argument is missing the best option value according to one-layer cross-validation is used.
numeric。大小（RFE-SVM）的子集或阈值（NSC）的需要考虑，该选项的值必须在插槽可用featureSelectionOptions评估。如果不是，最小的值大于“的OptionValue被选中。如果这种说法是错过了最好的选项值，根据一个层交叉验证。


方法----------Methods----------




object = "assessment" This method is only applicable on objects of class
对象的“评估”这种方法只适用于类对象


举例----------Examples----------



data('vV70genesDataset')

expeOfInterest <- new("assessment", dataset=vV70genes,
                                   noFolds1stLayer=10,
                                   noFolds2ndLayer=9,
                                   classifierName="svm",
                                   typeFoldCreation="original",
                                   svmKernel="linear",
                                   noOfRepeat=2,
                                   featureSelectionOptions=new("geneSubsets", optionValues=c(1,2,4,8,16,32,64,70)))

# Build the final classifier[建设的最终分类]
expeOfInterest <- findFinalClassifier(expeOfInterest)

## Not run: [＃无法运行：]
classifyNewSamples(expeOfInterest, "pathToFile/testSamples_geneExpr.txt", 4)

## End(Not run)[＃结束（不运行）]
expeOfInterest <- runOneLayerExtCV(expeOfInterest)
## Not run: [＃无法运行：]
classifyNewSamples(expeOfInterest, "pathToFile/testSamples_geneExpr.txt")

## End(Not run)[＃结束（不运行）]

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。