R语言 CMA包 compBoostCMA-methods()函数中文帮助文档(中英文对照)

loveR

compBoostCMA-methods(CMA)
compBoostCMA-methods()所属R语言包：CMA

                                        Componentwise Boosting
                                         的分支推进

                                         译者：生物统计家园网 机器人LoveR

描述----------Description----------

Roughly speaking, Boosting combines 'weak learners' in a weighted manner in a stronger ensemble.
粗略地讲，在一个更强有力的合奏加权方式提高联合收割机的薄弱学习者。

'Weak learners' here consist of linear functions in one component (variable), as proposed by Buehlmann and Yu (2003).
“弱的学习者在这里的一个组成部分（可变）由Buehlmann和玉（2003）提出，由线性函数。

It also generates sparsity and can as well be as used for variable selection alone. (s. GeneSelection.)
它还产生稀疏，也可以作为变量选择单独使用。 （S.GeneSelection）。


方法----------Methods----------




X = "matrix", y = "numeric", f = "missing" signature 1
=“矩阵”，Y =“数字”，F =“失踪”的签名1




X = "matrix", y = "factor", f = "missing" signature 2
=“矩阵”，Y =“因素”，F =“失踪”的签名2




X = "data.frame", y = "missing", f = "formula" signature 3
=“数据框”，Y =“失踪”，F =“公式”签名3




X = "ExpressionSet", y = "character", f = "missing" signature 4
=“ExpressionSet”，Y =“字符”=“失踪”的签名4

For further argument and output information, consult compBoostCMA.
为进一步论证和输出信息，咨询compBoostCMA.

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。