lmRob.control(robust)
lmRob.control()所属R语言包：robust
Control Parameters for Robust Linear Regression
控制参数稳健回归
译者：生物统计家园网 机器人LoveR
描述----------Description----------
Allows the users to set values affecting the estimation procedure for robust regression in lmRob.
允许用户设置的值，估算的影响在lmRob稳健回归的过程。
用法----------Usage----------
lmRob.control(tlo = 1e-4, tua = 1.5e-06, mxr = 50, mxf = 50, mxs = 50, tl = 1e-06, estim = "Final", initial.alg = "Auto", final.alg = "MM", seed = 1313, level = 0.1, efficiency = 0.9, weight = c("Optimal", "Optimal"), trace = TRUE)
参数----------Arguments----------
参数：tlo
the relative tolerance in the iterative algorithms.
相对宽容的迭代算法。
参数：tua
the tolerance used for the determination of pseudo-rank.
的公差用于测定伪秩。
参数：mxr
the maximum number of iterations in the refinement step.
的精制工序中的最大数目的迭代。
参数：mxf
the maximum number of iterations for computing final coefficient estimates.
最大的迭代次数计算最终的系数估计。
参数：mxs
the maximum number of iterations for computing scale estimate.
最大的迭代计算规模估计数。
参数：tl
the tolerance for scale denominators. If a scale estimate becomes less than tl, the scale estimate is set equal to tl.
容忍规模的分母。如果比例估计变得小于tl，规模估计设置等于tl。
参数：estim
parameter that determines the type of estimator to be computed. If estim="Initial", only the initial estimates are computed; if estim="Final", then final estimates are returned.
确定要计算的估计量的类型的参数，该参数。如果estim="Initial"，只有最初的估计计算，如果estim="Final"，然后最终估计会返回。
参数：initial.alg
parameter that determines the algorithm for initial estimates. Valid choices are "Auto" for data-dependent algorithm, "Random" for random resampling, "Exhaustive" for exhaustive resampling, "Fast" for fast procedure, and "Genetic" for genetic algorithm. By default, lmRob uses "Auto".
初步估计算法的参数，它决定。有效的选择是"Auto"依赖于数据的算法，"Random"随机重采样，"Exhaustive"详尽的重采样，"Fast"快速的程序，和"Genetic"遗传算法。默认情况下，lmRob使用"Auto"。
参数：final.alg
parameter that determines the type of the final estimates. Valid choices are "Adaptive" for the robust efficient weighted least squares as proposed in Gervini and Yohai (1999), and "MM" for MM-estimate as proposed in Yohai, Stahel and Zamar (1991). By default, lmRob uses "MM".
参数，该参数的类型决定的最终估计。有效的选择是"Adaptive"的强劲高效的加权最小二乘，提出，在Gervini和Yohai（1999），和"MM"MM估计在Yohai，Stahel和Zamar的（1991）提出的。默认情况下，lmRob使用"MM"。
参数：seed
seed parameter used in the random sampling and genetic algorithm for the computation of initial estimates.
种子使用的参数，随机抽样和遗传算法计算的初步估计。
参数：weight
a character vector that determines the type of loss functions to be used. The first determines the loss function used for the initial estimates, and the second determines the loss function used for the final M-estimates. Valid choices are "Optimal" and "Bisquare".
一个字符向量，确定要使用的类型的损失函数。首先确定用于初步估计的损失函数，第二个决定用于最终的M-估计的损失函数。有效的选择是"Optimal"和"Bisquare"。
参数：level
the level of significance of the test for bias of the final MM-estimates, if desired later on.
水平意义最终的MM估计偏压测试，如果需要购买。
参数：efficiency
the asymptotic efficiency of the final estimate.
的最终估计的渐近效率。
参数：trace
a logical flag: if TRUE, the remaining computing time will be printed.
一个逻辑标志：如果TRUE，其余的计算时间将被打印出来。
值----------Value----------
a list containing the values used for each of the control parameters.
一个列表，包含用于每个控制参数的值。
参见----------See Also----------
lmRob.
lmRob。
实例----------Examples----------
data(stack.dat)
my.control <- lmRob.control(weight=c("Bisquare","Optimal"))
stack.bo <- lmRob(Loss ~ ., data = stack.dat, control = my.control)
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。
|
发表于 2012-9-27 22:34:27
