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

loveR

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

                                        Tree-based Gradient Boosting
                                         基于树的梯度推进

                                         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. This method calls the function gbm.fit from the package gbm. The 'weak learners' are simple trees that need only very few splits (default: 1).
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。此方法调用gbm.fit包gbm功能。 “弱学习者需要简单的树木，只有极少数分裂（默认是：1）。


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 gbmCMA.
为进一步论证和输出信息，咨询gbmCMA.

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。