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

loveR

bootstrap-methods(Rtreemix)
bootstrap-methods()所属R语言包：Rtreemix

                                        Method for fitting a mutagenetic trees mixture model and analyzing its variance
                                         装修致突变树木混合模型，并分析其差异的方法

                                         译者：生物统计家园网 机器人LoveR

描述----------Description----------

This method fits an RtreemixModel to a given dataset and then analyzes its variance with the bootstrap method. The data and the number of trees K have to be specified.
这种方法适合一个给定的数据集RtreemixModel，然后分析其方差与引导方法。 data和树木的数量K必须指定。


用法----------Usage----------


bootstrap(data, K, ...)



参数----------Arguments----------

参数：data
An RtreemixData object giving the dataset used for learning the trees mixture model.  
RtreemixData对象提供学习的树木混合模型使用的数据集。


参数：K
An integer larger than 0 specifying the number of branchings in the mixture model.  
integer大于0指定的分枝的混合模型。


参数：...
no.start.sol is an integer larger than 0 specifying the number of starting solutions for the k-means algorithm. The default value is 100. eps is a numeric giving the minimum conditional probability to include edge. The default value is 0. weighing is a logical specifying whether to use special weights log(Pr(v)) for the edges (root, v). The default value is FALSE. equal.edgeweights is a logical specifying whether to use equal edge weights in the noise component. The default value is TRUE. When you have few data samples always use its default value  (TRUE) to ensure nonzero probabilities for all possible  patterns (sets of events). seed is a positive integer specifying the random generator seed. The default value is (-1) and then the time is used as a random generator. B is an integer larger than 0 specifying the number of bootstrap samples. Its default value is 1000. conf.interval is a numeric specifying the Confidence level for the intervals. Its default value is 0.05.  
no.start.sol是integer大于0指定的k-means算法的初始解决方案的数量。默认值是100。 eps是numeric给予最低的条件概率，包括边缘。默认值是0。 weighing是logical指定是否使用边特别重的log（PR（V））（根，V）。默认值是FALSE。 equal.edgeweights是logical指定是否使用噪声分量相等的边权重。默认值是TRUE。当你有几个数据样本始终使用其默认值（TRUE），以确保所有可能的模式（事件集）非零概率。 seed是一个积极的integer指定的随机生成器的种子。默认值是（-1），然后使用时间作为随机数发生器。 B是integer大于0指定举样品的数量。其默认值是1000。 conf.interval是numeric指定的时间间隔的置信水平。其默认值是0.05。


值----------Value----------

The function returns an object from the class RtreemixModel. This is the mixture model learned on the given data. Besides the edge weights it also contains their confidence intervals resulting from the bootstrap analysis. Confidence intervals for the mixture parameters are also comupted and available.  
该函数返回一个对象，类RtreemixModel。这是给定的data学到的混合模型。除了边权重，它也包含了他们的置信区间，引导分析。混合物参数的置信区间也comupted和可用。


注意----------Note----------

The bootstrap examples are time consuming. They are commented out because of the time restrictions of the check of the package. For trying out the code please copy it and uncomment it.
自举的例子是费时。他们注释掉，因为包检查的时间限制。试图代码请复制并取消它。


作者（S）----------Author(s)----------


Jasmina Bogojeska



参考文献----------References----------



参见----------See Also----------

RtreemixData-class, RtreemixModel-class, fit-methods
RtreemixData-class，RtreemixModel-class，fit-methods


举例----------Examples----------


## Create an RtreemixData object from a randomly generated RtreemixModel object.[＃创建一个RtreemixData对象从随机产生RtreemixModel对象。]
#rand.mod &lt;- generate(K = 2, no.events = 7, noise.tree = TRUE, prob = c(0.2, 0.8))[rand.mod < - 生成（k = 2，no.events = 7，noise.tree = TRUE，概率= C（0.2，0.8））]
#data &lt;- sim(model = rand.mod, no.draws = 300)[数据< -  SIM卡（型号= rand.mod，no.draws = 300）]

## Create a RtreemixModel and analyze its variance with the bootstrap method.[＃创建一个RtreemixModel与引导方法，并分析其方差。]
#mod.boot &lt;- bootstrap(data = data, K = 2, equal.edgeweights = TRUE, B = 10) ## time consuming computation[mod.boot < - 引导（数据=数据，钾= 2，equal.edgeweights = TRUE时，乙= 10）＃耗时计算]

## See the confidence intervals for the mixture parameters (the weights).[＃混合参数（重量）的置信区间。]
#WeightsCI(mod.boot)[WeightsCI（mod.boot）]
## See the confidence intervals of the conditional probabilities assigned to the edges.[＃分配给边缘的条件概率的置信区间。]
#edgeData(getTree(mod.boot, 2), attr = "ci")[edgeData（getTree“（mod.boot，2），ATTR =”CI“）]

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。