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

loveR

optimal(selectiongain)
optimal()所属R语言包：selectiongain

                                         Searching for optimal traits
                                         寻找最佳特征

                                         译者：生物统计家园网 机器人LoveR

描述----------Description----------

Maximize trait-convergence assembly patterns (TCAP = roTE), trait-divergence assembly patterns (TDAP = roXE.T) or maximize both trait-divergence assembly patterns and trait-convergence assembly patterns (TCAP.TDAP = roXE). For more details, see syncsa.
最大化的特质收敛组装模式（TCAP =死记硬背），性状分歧组件模式（TDAP = roXE.T）或性状分歧组件模式和收敛特征组装模式（TCAP.TDAP = roXE）的最大化。有关详细信息，请参阅syncsa。


用法----------Usage----------


optimal(comm, envir, traits, subset = 3, pattern = "tcap" , dist = "euclidean", method = "pearson", scale = TRUE, scale.envir = TRUE)



参数----------Arguments----------

参数：comm
Community data, with species as columns and sampling units as rows. This matrix can contain either presence/absence or abundance data.
社区数据，列和行的抽样单位的物种。这个矩阵可以包含存在/不存在或丰度数据。


参数：traits
Matrix data of species described by traits, with traits as columns and species as rows.
矩阵数据的物种所描述的特征，列和行的物种性状。


参数：envir
Environmental variables for each community, with variables as columns and sampling units as rows.
每个社区的环境变量，变量的列和行的抽样单位。


参数：subset
Maximum of traits in each subset (Default subset=3).
最大的特征在每个子集（默认的子集= 3）。


参数：pattern
Patterns for maximize correlation, "tcap","tdap" or "tcap.tdap" (Default pattern="tcap").
为最大限度地提高相关性，“TCAP”，“TDAP”或者“tcap.tdap”的（预设模式=“TCAP”）的模式。


参数：method
Correlation method, as accepted by cor: "pearson", "spearman" or "kendall".
相关方法，接受相应：“培生”，“长枪兵”或“肯德尔”。


参数：dist
Dissimilarity index, as accepted by vegdist: "manhattan", "euclidean", "canberra", "bray", "kulczynski", "jaccard", "gower", "altGower", "morisita", "horn", "mountford", "raup" , "binomial" or "chao".
相异指数，接受vegdist：“曼哈顿”，“欧几里得”，“堪培拉”，“布雷”中，“kulczynski”，“杰卡德”，“高尔”中，“altGower”，“ morisita“，”角“，”芒福德“，”劳普“，”二项式“或”炒“。


参数：scale
Logical argument (TRUE or FALSE) to specify if the traits are measured on different scales (Default Scale = TRUE). Scale = TRUE if traits are measured on different scales, the matrix T is subjected to standardization within each trait. Scale = FALSE if traits are measured on the same scale, the matrix T is not subjected to standardization. Furthermore, if Scale = TRUE the matrix of traits is subjected to standardization within each trait, and  Gower Index is used to calculate the degree of belonging to the species, and if Scale = FALSE the matrix of traits is not subjected to standardization, and Euclidean distance is calculated to determine the degree of belonging to the species.
逻辑参数（TRUE或FALSE）指定的特性测量不同尺度上（默认的比例= TRUE）。规模= TRUE，如果性状在不同的尺度衡量，矩阵T的标准化在每个特征。规模= FALSE，如果性状测量在相同的规模，矩阵T是不会受到标准化。此外，如果量程= TRUE性状的矩阵内各性状进行标准化，高尔指数是用来计算属于该物种的程度，并且如果量程= FALSE性状的矩阵不进行标准化，并欧几里德距离被计算，以确定属于该物种的程度。


参数：scale.envir
Logical argument (TRUE or FALSE) to specify if the environmental variables are measured on different scales (Default Scale = TRUE). If the enviromental variables are measured on different scales, the matrix is subjected to centralization and standardization within each variable.
逻辑参数（TRUE或FALSE），到指定的环境变量都在不同尺度上（默认的比例= TRUE）。如果对环境之变量在不同尺度计量，每个变量矩阵内进行集中化和标准化。


值----------Value----------


参数：Subset
Subset of traits that maximizes the correlation.
的特征，最大限度地提高相关的子集。


参数：ro
Correlation for the subset of traits.
性状的子集的相关性。


警告----------Warning----------

Input data must  be of class matrix (Tip: use function as.matrix to transform the data frame).
输入数据必须是类矩阵（提示：使用的功能as.matrix转换的数据框）。

<STRONG>IMPORTANT</STRONG>: The sequence species show up in community data matrix MUST be the same as they show up in traits matrix. See organize.syncsa.
<strong>重要提示</ STRONG>：序列的物种出现在社区数据矩阵必须是相同的，因为它们显示在特征矩阵。见organize.syncsa。


（作者）----------Author(s)----------



Vanderlei J煤lio Debastiani &lt;vanderleidebastiani@yahoo.com.br&gt;




参考文献----------References----------




参见----------See Also----------

syncsa, organize.syncsa  
syncsa，organize.syncsa


实例----------Examples----------


data(flona)
optimal(flona$community,flona$environment,flona$traits,subset=5,pattern="tcap",scale=TRUE,scale.envir=TRUE)
optimal(flona$community,flona$environment,flona$traits,subset=5,pattern="tdap",scale=TRUE,scale.envir=TRUE)
optimal(flona$community,flona$environment,flona$traits,subset=5,pattern="tcap.tdap",scale=TRUE,scale.envir=TRUE)

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。