xpred.rpart(rpart)
xpred.rpart()所属R语言包：rpart
Return Cross-Validated Predictions
返回交叉验证的预测
译者：生物统计家园网 机器人LoveR
描述----------Description----------
Gives the predicted values for an rpart fit, under cross validation, for a set of complexity parameter values.
给rpart合适的预测值，交叉验证，下了一套复杂的参数值。
用法----------Usage----------
xpred.rpart(fit, xval=10, cp)
参数----------Arguments----------
参数：fit
a rpart object.
rpart对象。
参数：xval
number of cross-validation groups. This may also be an explicit list of integers that define the cross-validation groups.
交叉验证组的数量。这也可能是一个明确的定义交叉验证组的整数列表。
参数：cp
the desired list of complexity values. By default it is taken from the cptable component of the fit. </table>
所需的复杂度值的列表。默认情况下，它取自cptable合适的组件。 </ TABLE>
Details
详情----------Details----------
Complexity penalties are actually ranges, not values. If the cp values found in the table were .36, .28, and .13, for instance, this means that the first row of the table holds for all complexity penalties in the range [.36, 1], the second row for cp in the range [.28, .36) and the third row for [.13,.28). By default, the geometric mean of each interval is used for cross validation.
复杂的处罚范围，而不是值。如果cp值在表中找到.36，.28，.13，例如，这意味着表的第一行持有的所有复杂的处罚范围[.36, 1]，cp范围内[.28, .36)和[.13,.28)第三排第二排。默认情况下，每个区间的几何平均数用于交叉验证。
值----------Value----------
A matrix with one row for each observation and one column for each complexity value.
与一列每个观测，并为每个复杂度值的一列的矩阵。
参见----------See Also----------
rpart
rpart
举例----------Examples----------
fit <- rpart(Mileage ~ Weight, car.test.frame)
xmat <- xpred.rpart(fit)
xerr <- (xmat - car.test.frame$Mileage)^2
apply(xerr, 2, sum) # cross-validated error estimate[交叉验证误差估计]
# approx same result as rel. error from printcp(fit)[大约相同的结果为rel。从printcp错误（FIT）]
apply(xerr, 2, sum)/var(car.test.frame$Mileage)
printcp(fit)
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 2012-2-16 21:09:34
