R语言 RPA包 hyperparameter.update()函数中文帮助文档(中英文对照)

loveR

hyperparameter.update(RPA)
hyperparameter.update()所属R语言包：RPA

                                        Update hyperparameters.
                                         更新hyperparameters。

                                         译者：生物统计家园网 机器人LoveR

描述----------Description----------

Update shape (alpha) and scale (beta) parameters of the inverse gamma distribution.
更新的形状（α）和规模（试用版）的逆伽玛分布的参数。


用法----------Usage----------


hyperparameter.update(dat, alpha, beta, th = 0.01)



参数----------Arguments----------

参数：dat
A probes x samples matrix (probeset).
一个探针x样本矩阵（probeset）的。


参数：alpha, beta
Shape and scale parameters of inverse gamma density for the probe variances.
探针方差逆伽马密度的形状和尺度参数。


参数：th
Convergence threshold.
收敛阈值。


Details

详情----------Details----------

Shape update: alpha <- alpha + T/2; Scale update: beta <- alpha * s2 where s2 is the updated variance for each probe (the mode of variances is given by beta/alpha). The variances (s2) are updated by EM type algorithm, see s2.update.
形状更新：α< - α+ / 2;规模更新：试用版< - 阿尔法* S2，S2是更新模式的差异是由β/α）为每个探针（方差。方差（S2）EM型算法更新，看到s2.update“。


值----------Value----------

A list with elements alpha, beta (corresponding to the shape and scale parameters of inverse gamma distribution, respectively).
α，β（对应逆伽玛分布，形状和尺度参数）元素的列表。


作者（S）----------Author(s)----------


Leo Lahti <a href="mailto:leo.lahti@iki.fi">leo.lahti@iki.fi</a>



参考文献----------References----------

<h3>See Also</h3>

举例----------Examples----------



# Generate and fit toydata, learn hyperparameters[生成和适应toydata，学习hyperparameters]
set.seed(11122)
P &lt;- 11   # number of probes[探针数量]
N &lt;- 5000 # number of arrays[阵列的数目]
real <- sample.probeset(P = P, n = N, shape = 3, scale = 1, mu.real = 4)
dat &lt;- real$dat # probes x samples[探针x样品]

# Set priors[设置先验]
alpha <- 1e-2
beta  <- rep(1e-2, P)

# Operate in batches[分批操作]
step <- 1000
for (ni in seq(1, N, step)) {
  batch <- nini+step-1)  
  hp <- hyperparameter.update(dat[,batch], alpha, beta, th = 1e-2)
  alpha <- hp$alpha
  beta <- hp$beta
}

# Final variance estimate[最终方差估计]
s2 <- beta/alpha

# Compare real and estimated variances[比较实际的和预计的差异]
plot(sqrt(real$variance), sqrt(s2), main = cor(sqrt(real$variance), sqrt(s2))); abline(0,1)


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。