R语言 wle包 mle.cv()函数中文帮助文档(中英文对照)

loveR

mle.cv(wle)
mle.cv()所属R语言包：wle

                                        Cross Validation Selection Method
                                         交叉验证选择方法

                                         译者：生物统计家园网 机器人LoveR

描述----------Description----------

The Cross Validation selection method is evaluated for each submodel.
为每个子模型的交叉验证选择评估方法。


用法----------Usage----------


mle.cv(formula, data=list(), model=TRUE, x=FALSE,
       y=FALSE, monte.carlo=500, split,
       contrasts=NULL, verbose=FALSE)



参数----------Arguments----------

参数：formula
a symbolic description of the model to be fit. The details of model specification are given below.
一个象征性的模型来描述是合适的。模型规范的细节在下面给出。


参数：data
an optional data frame containing the variables in the model.  By default the variables are taken from the environment which mle.cv is called from.
一个可选的数据框包含在模型中的变量。默认情况下，变量是从mle.cv被称为从环境。


参数：model, x, y
logicals.  If TRUE the corresponding components of the fit (the model frame, the model matrix, the response.)
的逻辑。如果TRUE拟合的相应部件（模型框架，模型矩阵，响应。）


参数：monte.carlo
the number of Monte Carlo replication we use to estimate the average prediction error.
我们估计的平均预测误差的蒙特卡罗复制。


参数：split
the size of the costruction sample. When the suggested value is outside the possible range, the split size is let equal to max(round(size^{(3/4)}),nvar+2).
施工，样品的大小。建议值的可能范围外时，分割大小是，让等于max(round(size^{(3/4)}),nvar+2)。


参数：contrasts
an optional list. See the contrasts.arg of model.matrix.default.
可选列表。请参阅contrasts.argmodel.matrix.default。


参数：verbose
if TRUE warnings are printed.
如果TRUE警告被打印出来。


Details

详细信息----------Details----------

Models for mle.cv are specified symbolically.  A typical model has the form response ~ terms where response is the (numeric) response vector and terms is a series of terms which specifies a linear predictor for response.  A terms specification of the form first+second indicates all the terms in first together with all the terms in second with duplicates removed. A specification of the form first:second indicates the the set of terms obtained by taking the interactions of all terms in first with all terms in second. The specification first*second indicates the cross of first and second.  This is the same as first+second+first:second.
模型mle.cv的符号。典型的模型形式response ~ terms其中response是响应向量（数字）和terms是一系列的条款，指定一个线性预测response。一个术语规范的形式first+second表示first一起在second重复删除的所有条款中的所有条款。一个规范的形式first:second的表示的术语集firstsecond的所有条款的相互作用的所有条款。规格first*second表明first和second交叉的。这是相同first+second+first:second。


值----------Value----------

mle.cv returns an object of class "mle.cv".
mle.cv返回一个对象的class"mle.cv"的。

The function summary is used to obtain and print a summary of the results.
函数summary用于获取和打印结果的摘要。

The object returned by mle.cv are:
对象返回mle.cv是：

<table summary="R valueblock"> <tr valign="top"><td>cv</td> <td> the estimated prediction error for each submodels</td></tr> <tr valign="top"><td>call</td> <td> the match.call().</td></tr> <tr valign="top"><td>contrasts</td> <td> </td></tr> <tr valign="top"><td>xlevels</td> <td> </td></tr> <tr valign="top"><td>terms</td> <td> the model frame.</td></tr> <tr valign="top"><td>model</td> <td> if model=TRUE a matrix with first column the dependent variable and the remain column the explanatory variables for the full model.</td></tr> <tr valign="top"><td>x</td> <td> if x=TRUE a matrix with the explanatory variables for the full model.</td></tr> <tr valign="top"><td>y</td> <td> if y=TRUE a vector with the dependent variable.</td></tr> <tr valign="top"><td>info</td> <td> not well working yet, if 0 no error occurred.</td></tr> </table>
<table summary="R valueblock"> <tr valign="top"> <TD> cv</ TD> <TD>估计各子模型的预测误差</ TD> </ TR> <TR VALIGN =“”> <TD>call </ TD> <TD> match.call（）。</ TD> </ TR> <tr valign="top"> <TD>contrasts </ TD> <TD> </ TD> </ TR> <tr valign="top"> <TD>xlevels </ TD> <TD> </ TD> </ TR> <TR VALIGN =“顶”> <TD>terms </ TD> <TD>的模型框架。</ TD> </ TR> <tr valign="top"> <TD>model</ TD> <TD> model=TRUE第一列因变量和列矩阵的完整模型的解释变量。</ TD> </ TR> <tr valign="top"> <TD> x </ TD> <TD>x=TRUE的是整个模型的解释变量矩阵。</ TD> </ TR> <tr valign="top"> <TD>y </ TD> <TD>如果y=TRUE与因变量的向量。</ TD> </ TR> <tr valign="top"> <TD>info</ TD > <TD>不能很好地工作，但如果没有错误发生。</ TD> </ TR> </ TABLE>


（作者）----------Author(s)----------


Claudio Agostinelli



参考文献----------References----------

Shao, J., (1993) Linear model selection by Cross-Validation. Journal American Statistical Association, 88, 486-494.

实例----------Examples----------


library(wle)

data(hald)

cor(hald)

result <- mle.cv(y.hald~x.hald)

summary(result)

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。