pnnCMA(CMA)
pnnCMA()所属R语言包：CMA
Probabilistic Neural Networks
概率神经网络
译者：生物统计家园网 机器人LoveR
描述----------Description----------
Probabilistic Neural Networks is the term Specht (1990) used for a Gaussian kernel estimator for the conditional class densities.
概率神经网络是有条件类密度为高斯核估计术语施佩希特（1990）。
For S4 method information, see pnnCMA-methods.
S4方法的详细信息，请参阅pnnCMA方法。
用法----------Usage----------
pnnCMA(X, y, f, learnind, sigma = 1,models=FALSE)
参数----------Arguments----------
参数：X
Gene expression data. Can be one of the following:
基因表达数据。可以是下列之一：
A matrix. Rows correspond to observations, columns to variables.
Amatrix。行对应的观察，列变量。
A data.frame, when f is not missing (s. below).
一个data.frame时f不缺少（S.下面）。
An object of class ExpressionSet. Each variable (gene) will be scaled for unit variance and zero mean. </ul>
对象类ExpressionSet。每个变量（基因）将缩减为单位方差和零均值。 </ UL>
参数：y
Class labels. Can be one of the following:
类的标签。可以是下列之一：
A numeric vector.
一个numeric向量。
A factor.
Afactor。
A character if X is an ExpressionSet that specifies the phenotype variable.
一个如果character X是一个ExpressionSet指定的表型变量。
missing, if X is a data.frame and a proper formula f is provided.
missing，X是data.frame和适当的公式f提供。
WARNING: The class labels will be re-coded to range from 0 to K-1, where K is the total number of different classes in the learning set.
警告：类标签将被重新编码范围从0K-1，K是在学习集不同类别的总数。
参数：f
A two-sided formula, if X is a data.frame. The left part correspond to class labels, the right to variables.
一个双面的公式，如果X是data.frame。左边部分对应类的标签，对变量的权利。
参数：learnind
An index vector specifying the observations that belong to the learning set. For this method, this must not be missing.
索引向量指定属于学习集的意见。对于这种方法，这绝不能是missing。
参数：sigma
Standard deviation of the Gaussian Kernel used. This hyperparameter should be tuned, s. tune. The default is 1, but this generally does not lead to good results. Actually, this method reacts very sensitively to the value of sigma. Take care if warnings appear related to the particular choice.
使用高斯核的标准偏差。这hyperparameter应调整的。 tune。默认1，但是这通常不会导致好的结果。其实，这种方法的反应非常敏感的西格玛值。照顾警告，如果出现与特定的选择。
参数：models
a logical value indicating whether the model object shall be returned
一个逻辑值，该值指示是否应归还模型对象
值----------Value----------
An object of class cloutput.
对象类cloutput。
注意----------Note----------
There is actually no strong relation of this method to Feed-Forward
其实是有没有这种方法有很大关系，前馈
作者（S）----------Author(s)----------
Martin Slawski <a href="mailto:ms@cs.uni-sb.de">ms@cs.uni-sb.de</a>
Anne-Laure Boulesteix <a href="mailto:boulesteix@ibe.med.uni-muenchen.de">boulesteix@ibe.med.uni-muenchen.de</a>
参考文献----------References----------
参见----------See Also----------
compBoostCMA, dldaCMA, ElasticNetCMA, fdaCMA, flexdaCMA, gbmCMA, knnCMA, ldaCMA, LassoCMA, nnetCMA, pknnCMA, plrCMA, pls_ldaCMA, pls_lrCMA, pls_rfCMA, qdaCMA, rfCMA,
compBoostCMA，dldaCMA，ElasticNetCMA，fdaCMA，flexdaCMA，gbmCMA，knnCMA，ldaCMA，LassoCMA，nnetCMA，pknnCMA，plrCMA，pls_ldaCMA，pls_lrCMA，pls_rfCMA，qdaCMA，rfCMA ，
举例----------Examples----------
### load Golub AML/ALL data[＃负载戈卢布反洗钱/所有数据]
data(golub)
### extract class labels[＃提取类标签]
golubY <- golub[,1]
### extract gene expression from first 10 genes[＃提取从第10个基因的基因表达]
golubX <- as.matrix(golub[,2:11])
### select learningset[＃选择learningset]
ratio <- 2/3
set.seed(111)
learnind <- sample(length(golubY), size=floor(ratio*length(golubY)))
### run PNN[＃运行PNN的]
pnnresult <- pnnCMA(X=golubX, y=golubY, learnind=learnind, sigma = 3)
### show results[＃显示结果]
show(pnnresult)
ftable(pnnresult)
plot(pnnresult)
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。
|
发表于 2012-2-25 15:25:23
