R语言 CMA包 rfCMA()函数中文帮助文档(中英文对照)

loveR

rfCMA(CMA)
rfCMA()所属R语言包：CMA

                                        Classification based on Random Forests
                                         基于随机森林分类

                                         译者：生物统计家园网 机器人LoveR

描述----------Description----------

Random Forests were proposed by Breiman (2001) and are implemented in the package randomForest.
提出了随机森林布雷曼博士（2001年）和实施包randomForest。

In this package, they can as well be used to rank variables according to their importance, s. GeneSelection.
在这个包中，他们也可以被用来排名变量根据其重要性的。 GeneSelection。

For S4 method information, see rfCMA-methods
S4方法的详细信息，请参阅rfCMA方法


用法----------Usage----------





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.  
对象类ExpressionSet。


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. May be missing; in that case, the learning set consists of all observations and predictions are made on the learning set.
索引向量指定属于学习集的意见。可能missing;在这种情况下，学习组学习集的所有意见和预测。


参数：varimp
Should variable importance measures be computed ? Defauls to TRUE.
变量的重要性措施应如何计算？ TRUEdefauls。


参数：seed
Fix Random number generator seed to seed. This is useful to guarantee reproducibility of the results.
修正随机数发生器的种子seed。这是有用的，以保证结果的可重复性。


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


参数：...
Further arguments to be passed to randomForest from the package of the same name.
进一步的参数被传递到randomForest来自同名的软件包。


值----------Value----------

If varimp, then an object of class clvarseloutput is returned,
varimp如果，然后一个对象的类clvarseloutput返回


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----------



<h3>See Also</h3>  <code>compBoostCMA</code>, <code>dldaCMA</code>, <code>ElasticNetCMA</code>, <code>fdaCMA</code>, <code>flexdaCMA</code>, <code>gbmCMA</code>, <code>knnCMA</code>, <code>ldaCMA</code>, <code>LassoCMA</code>, <code>nnetCMA</code>, <code>pknnCMA</code>, <code>plrCMA</code>, <code>pls_ldaCMA</code>, <code>pls_lrCMA</code>, <code>pls_rfCMA</code>, <code>pnnCMA</code>, <code>qdaCMA</code>,

举例----------Examples----------


### load Khan data[＃＃负载汗数据]
data(khan)
### extract class labels[＃提取类标签]
khanY <- khan[,1]
### extract gene expression[＃提取的基因表达]
khanX <- as.matrix(khan[,-1])
### select learningset[＃选择learningset]
set.seed(111)
learnind <- sample(length(khanY), size=floor(2/3*length(khanY)))
### run random Forest[＃运行随机森林]
#rfresult &lt;- rfCMA(X=khanX, y=khanY, learnind=learnind, varimp = FALSE)[rfresult < -  rfCMA（x = khanX，Y = khanY，learnind = learnind，varimp = FALSE时）]
### show results[＃显示结果]
#show(rfresult)[展（rfresult）]
#ftable(rfresult)[ftable（rfresult）]

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。