R语言 TPAM包 tpam.cv()函数中文帮助文档(中英文对照)

loveR

tpam.cv(TPAM)
tpam.cv()所属R语言包：TPAM

                                         Cross-validation
                                         交叉验证

                                         译者：生物统计家园网 机器人LoveR

描述----------Description----------

This function uses a form of cross-validation to estimate the optimal feature threshold.
此功能使用某种形式的交叉验证估计最优的特征阈值。


用法----------Usage----------


tpam.cv(fit, data, nfold = NULL, folds = NULL)



参数----------Arguments----------

参数：fit
The result of a call to tpam.train  
的呼叫的结果tpam.train


参数：data
Data object of form described in tpam.train documentation  
在tpam.train文档的形式描述的数据对象


参数：nfold
Number of cross-validation folds  
交叉验证的褶皱数目


参数：folds
Lists of indices of cross-validation folds (optional)  
指数的交叉验证倍数列表（可选）


值----------Value----------

list(threshold=threshold, error=error, loglik=loglik,size=size, yhat=yhat,y=y,prob=prob,folds=folds, cv.objects=cv.objects, call = this.call)
列表（阈值=阈值，错误错误，loglik = loglik，大小=大小，yhat = yhat，Y = Y，概率= PROB，层层叠叠的褶皱，cv.objects = cv.objects，调用= this.call），


参数：thresholds
Vector of thresholds considered
矢量考虑的阈值


参数：error
The number of cross-validation errors for each threshold value
每个阈值的交叉验证错误


参数：loglik
The cross-validated multinomial log-likelihood value for each threshold value
交叉验证的多项每个阈值的对数似然值


参数：size
A vector of the number of genes that survived the thresholding, for each threshold value tried.
幸存的阈值，为每个阈值的数目的基因的向量的尝试。


参数：yhat
A matrix of size n by nthreshold, containing the cross-validated class predictions for each threshold value, in each column.
矩阵的大小为n nthreshold，包含交叉验证类的每个阈值的预测，每列中。


参数：y
A vector of true class labels.
真正的类标签的矢量。


参数：prob
A matrix of size n by nthreshold, containing the cross-validated probabilities of class predictions for each threshold value, in each column.
A矩阵的大小为n通过nthreshold，含有，在每列中的交叉验证的每个阈值的类的预测概率。


参数：folds
The cross-validation folds used
交叉验证褶皱


参数：cv.objects
Train objects, from each of the CV folds
火车的对象，从每个的CV褶皱


参数：call
The calling sequence used
使用的调用序列


（作者）----------Author(s)----------



Yuping Zhang




实例----------Examples----------


x = list()
for(i in 1:2){
        set.seed(i+123)
        x[[i]] = matrix(rnorm(500*100), ncol=100)
}
y = factor(sample(c(1:2), size=100, replace=TRUE))

data = list(x = x, y=y, genenames = as.character(paste("gene", c(1:500), sep="")), geneid =         as.character(paste("gene", c(1:500), sep="")))

x = list()
for(i in 1:2){
        set.seed(i+133)
        x[[i]] = matrix(rnorm(500*100), ncol=100)
}
y = factor(sample(c(1:2), size=100, replace=TRUE))

data.test = list(x = x, y=y, genenames = as.character(paste("gene", c(1:500), sep="")), geneid =         as.character(paste("gene", c(1:500), sep="")))

obj = tpam.train(data, data.test)

cv.obj = tpam.cv(obj$fit, data=data, nfold=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。