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

loveR

findFinalClassifier-methods(Rmagpie)
findFinalClassifier-methods()所属R语言包：Rmagpie

                                        findFinalClassifier Method to train and build the final classifier based on an assessment
                                         findFinalClassifier方法，培养和建立最终的分类评估的基础上

                                         译者：生物统计家园网 机器人LoveR

描述----------Description----------

This method generates and stores the final classifier corresponding to an assessment. This classifier can then be used to classify new samples by calling classifyNewSamples. The final classifier is build according to the classifier selected for a given assessment, applied on the whole data considering only the genes selected by the feature selction method selected.
这种方法生成并存储相应的评估，最终的分类。这个分类，然后可以使用新的样本进行分类调用classifyNewSamples。最后的分类是根据一个给定的评估只考虑通过选择功能selction，方法选择的基因在整个数据的应用，选择分级建设。


值----------Value----------

The methods returns an object of class assessment which finalClassifier has been build.
该方法返回类评估对象哪个finalClassifier已被建立。


方法----------Methods----------




object = "assessment" This method is only applicable on objects of class
对象的“评估”这种方法只适用于类对象


参见----------See Also----------

finalClassifier, assessment
finalClassifier，assessment


举例----------Examples----------


#dataPath &lt;- file.path("C:", "Documents and Settings", "c.maumet", "My Documents", "Programmation", "Sources", "SVN", "R package", "data")[数据通路（< -  file.path的“C：”，“文件和设置”，“c.maumet”，“我的文档”，“Programmation”，“源”，“SVN的”，“R包”，“数据” ）]
#aDataset &lt;- new("dataset", dataId="vantVeer_70", dataPath=dataPath)[aDataset < - 新（“数据集”，“dataId =”vantVeer_70，数据通路=数据通路）]
#aDataset &lt;- loadData(aDataset)[aDataset < - 的LoadData（aDataset）]
data('vV70genesDataset')

# With the RFE-SVM as feature selection method[随着RFE-SVM的特征选择方法]
expeOfInterest <- new("assessment", dataset=vV70genes,
                                   noFolds1stLayer=10,
                                   noFolds2ndLayer=9,
                                   classifierName="svm",
                                   typeFoldCreation="original",
                                   svmKernel="linear",
                                   noOfRepeat=2,
                                   featureSelectionOptions=new("geneSubsets", optionValues=c(1,2,4,8,16,32,64,70)))

# Build the final classifier[建设的最终分类]
expeOfInterest <- findFinalClassifier(expeOfInterest)

# With the NSC as feature selection method[与国科会作为特征选择方法]
expeOfInterest <- new("assessment", dataset=vV70genes,
                                   noFolds1stLayer=10,
                                   noFolds2ndLayer=9,
                                   featureSelectionMethod="nsc",
                                   classifierName="nsc",
                                   typeFoldCreation="original",
                                   svmKernel="linear",
                                   noOfRepeat=2,
                                   featureSelectionOptions=new("thresholds"))

# Build the final classifier[建设的最终分类]
expeOfInterest <- findFinalClassifier(expeOfInterest)

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。