R语言 SpatioTemporal包 SVD.miss()函数中文帮助文档(中英文对照)

loveR

SVD.miss(SpatioTemporal)
SVD.miss()所属R语言包：SpatioTemporal

                                         Replace Missing Values in a Data Matrix Using Iterative svd.
                                         替代缺失值，在使用迭代奇异值分解的数据矩阵。

                                         译者：生物统计家园网 机器人LoveR

描述----------Description----------

Function that completes a data matrix using iterative svd as described in Fuentes et. al. (2006). The function iterates between computing the svd for the matrix and replacing the missing values by linear regression of the columns onto the first ncomp svd components. As initial replacement for the  missing values regression on the column averages are used.  The function will fail if entire rows and/or columns are missing  from the data matrix.
函数使用迭代SVD所描述的富恩特斯等完成数据矩阵。人。 （2006年）。之间的功能重复计算的矩阵的奇异值分解和更换的遗漏值通过线性回归的列到第一ncomp奇异值分解的成分。初始置换列平均遗漏值的回归。如果整个行和/或列中缺少的数据矩阵，该函数将失败。


用法----------Usage----------


SVD.miss(X, niter = 25, ncomp = 4, conv.reldiff = 0.001)



参数----------Arguments----------

参数：X
Data matrix, with missing values marked by NA.  
数据矩阵，缺失值标记NA。


参数：niter
Maximum number of iterations to run before exiting, Inf will run until the conv.reldiff criteria is fulfilled.  
最大数量的迭代运行在退出之前，Inf运行，直到conv.reldiff条件满足。


参数：ncomp
Number of svd components to use in the reconstruction.  
SVD组件使用在重建数目。


参数：conv.reldiff
Assume the iterative procedure has converged when the relative difference between two consecutive iterations is less than conv.reldiff.  
假定在迭代过程收敛，当连续两次迭代之间的相对差小于conv.reldiff。


值----------Value----------

Returns a list with the following components
返回与以下组件的列表


参数：Xfill
The completed data matrix with missing values replaced by fitting the data to the ncomp most important svd components
完整的数据矩阵缺失值的拟合数据的ncomp最重要的SVD组件所取代


参数：svd
The result of svd on the completed data matrix, i.e. svd(Xfill)
结果SVD完整的数据矩阵，即svd(Xfill)


参数：status
A vector of status variables: diff contains the absolute difference between the two last iterations, rel.diff contains the relative difference, and the number of iterations run are contained in n.iter
状态变量：一种向量，diff包含最后两个迭代之间的绝对差值的，rel.diff包含的相对差，并且被包含在n.iter中运行的迭代的数量


（作者）----------Author(s)----------



Paul D. Sampson and Johan Lindstr枚m




参考文献----------References----------

Analyze Space-Time Processes in Statistical methods for spatio-temporal systems (B. Finkenst盲dt, L. Held, V. Isham eds.) 77-150

参见----------See Also----------

See also SVD.smooth, SVD.smooth.cv, and svd.
请参阅SVD.smooth，SVD.smooth.cv，svd。

create.data.matrix can be used to create a data matrix from a mesa.data object.
create.data.matrix从mesa.data对象，可用于创建一个数据矩阵。

Used by calc.smooth.trends to compute smooth trends for mesa.data.
calc.smooth.trends来计算平滑的趋势mesa.data使用。


实例----------Examples----------


#create a data matrix[创建一个数据矩阵]
t <- seq(0,4*pi,len=50)
X.org <- matrix(cbind(cos(t),sin(2*t)),length(t),2) %*%
  matrix(rnorm(20),2,10)
#add some normal errors[添加一些正常的错误]
X <- X.org + .25*rnorm(length(X.org))
#and mark some data as missing[并标记为丢失一些数据]
X[runif(length(X))<.25] <- NA

#run the missing data svd[运行丢失的数据奇异值分解（SVD）]
res <- SVD.miss(X, niter=100, ncomp=2)
#look at the status[看状态]
res$status
#plot the first column of the data matrix[绘制数据矩阵的第一列]
plot(t,X[,1])
lines(t,res$Xfill[,1])
lines(t,X.org[,1],col=2)


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。