找回密码
 注册
查看: 801|回复: 0

R语言 superpc包 superpc.fit.to.outcome()函数中文帮助文档(中英文对照)

  [复制链接]
发表于 2012-9-30 18:26:18 | 显示全部楼层 |阅读模式
superpc.fit.to.outcome(superpc)
superpc.fit.to.outcome()所属R语言包:superpc

                                         Fit predictive model using outcome of supervised principal components
                                         适合监督的主要组成部分的预测模型结果

                                         译者:生物统计家园网 机器人LoveR

描述----------Description----------

Fit predictive model using outcome of supervised principal components, via either coxph (for surival data) or lm (for regression data)
无论是coxph(为surival数据)或lm适合的预测模型结果监督的主要组成部分,通过(为回归数据)


用法----------Usage----------


superpc.fit.to.outcome(fit, data.test, score, competing.predictors = NULL, print=TRUE, iter.max = 5)



参数----------Arguments----------

参数:fit
Object returned by superpc.train  
返回的对象superpc.train


参数:data.test
Data object for prediction. Same form as data object documented in superpc.train.   
预测数据对象。相同的形式在superpc.train记录的数据对象。


参数:score
Supervised principal component score, from superpc.predict   
监督的主成分得分,从superpc.predict


参数:competing.predictors
Optional- list of competing predictors to be included in the model
可选列表中的竞争性的预测要包含在模型中


参数:print
Should a summary of the fit be printed? Default TRUE
应的适合的摘要被印制的?默认为true


参数:iter.max
Max number of iterations used in predictive model fit. Default 5. Currently only relevant for Cox PH model
最大数量的迭代中使用的预测模型拟合。默认值5。目前,只有相关的考克斯PH模式


值----------Value----------

Returns summary of coxph or lm fit
返回coxph或lm适合的总结


(作者)----------Author(s)----------


Eric Bair and Robert Tibshirani



参考文献----------References----------

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。
回复

使用道具 举报

您需要登录后才可以回帖 登录 | 注册

本版积分规则

手机版|小黑屋|生物统计家园 网站价格

GMT+8, 2024-11-23 14:59 , Processed in 0.033990 second(s), 15 queries .

Powered by Discuz! X3.5

© 2001-2024 Discuz! Team.

快速回复 返回顶部 返回列表