rlars(robustHD)
rlars()所属R语言包：robustHD
Robust least angle regression
强大的最小角度回归
译者：生物统计家园网 机器人LoveR
描述----------Description----------
Robustly sequence candidate predictors according to their predictive content and find the optimal model along the sequence.
鲁棒序列候选预测根据其预测的内容，并沿该序列中找到最佳的模型。
用法----------Usage----------
rlars(x, ...)
## S3 method for class 'formula'
rlars(formula, data, ...)
## Default S3 method:
rlars(x, y, sMax = NA,
centerFun = median, scaleFun = mad, const = 2,
prob = 0.95, fit = TRUE, regFun = lmrob,
regArgs = list(), crit = "BIC", model = TRUE, ...)
参数----------Arguments----------
参数：formula
a formula describing the full model.
公式描述的完整模型。
参数：data
an optional data frame, list or environment (or object coercible to a data frame by as.data.frame) containing the variables in the model. If not found in data, the variables are taken from environment(formula), typically the environment from which rlars is called.
一个可选的数据框，列表或环境（或对象转换成一个数据框由as.data.frame）包含在模型中的变量。如果没有找到，数据，变量environment(formula)，通常是rlars被称为环境。
参数：x
a matrix or data frame containing the candidate predictors.
矩阵或数据框包含的候选预测。
参数：y
a numeric vector containing the response.
一个数值向量包含响应。
参数：sMax
an integer vector of length two. If a single integer is supplied, it is recycled. The first element gives the number of predictors to be sequenced. If it is NA (the default), predictors are sequenced as long as there are no singularity issues. The second element gives the maximum number of predictors to be included in the final model. If it is NA (the default), predictors may be added to the model as long as there are twice as many observations as predictors.
的矢量的长度为2的整数。如果一个整数，它会被回收再利用。第一个元素给出的数字的预测进行测序。如果是NA（默认值），预测的顺序，只要有无奇的问题。第二元件给出的最大数量被包括在最终的模型预测。如果是NA（默认值），预测可能被添加到模型中，只要有作为预测的两倍多观察。
参数：centerFun
a function to compute a robust estimate for the center (defaults to median).
一个函数来计算一个强大的估计为中心的（默认到median）。
参数：scaleFun
a function to compute a robust estimate for the scale (defaults to mad).
一个函数来计算一个强大的规模估计（默认到mad）。
参数：const
numeric; tuning constant to be used in the initial corralation estimates based on adjusted univariate winsorization (defaults to 2).
根据调整后的单变量极值调整（默认为2）数字，时间常数要使用在初始corralation的估计。
参数：prob
numeric; probability for the quantile of the chi-squared distribution to be used in bivariate winsorization (defaults to 0.95).
数字chi-squared分布二元极值调整至0.95（默认）中要使用的分位数的概率。
参数：fit
a logical indicating whether to fit submodels along the sequence (TRUE, the default) or to simply return the sequence (FALSE).
逻辑指示是否适合子模型沿该序列（TRUE，默认值），或返回序列（FALSE），。
参数：regFun
a function to compute robust linear regressions along the sequence (defaults to lmrob).
一个功能强大的线性回归计算沿该序列（默认为lmrob）。
参数：regArgs
a list of arguments to be passed to regFun.
要传递给regFun的参数列表。
参数：crit
a character string specifying the optimality criterion to be used for selecting the final model. Currently, only "BIC" for the Bayes information criterion is implemented.
一个字符的字符串指定的最优性准则用于选择最终模型。目前，仅是"BIC"贝叶斯信息标准的实施。
参数：model
a logical indicating whether the model data should be included in the returned object.
一个逻辑指示是否应该包括在返回的对象的模型数据。
参数：...
additional arguments to be passed down. For the default method, additional arguments to be passed down to robStandardize.
其他参数得以流传下去。对于默认的方法，其他参数向下传递到robStandardize。
值----------Value----------
If fit is FALSE, an integer vector containing the indices of the sequenced predictors.
如果fit是FALSE，整数向量的测序的预测指标。
Otherwise an object of class "rlars" (inheriting from class "seqModel") with the following components:
否则，一个类的对象"rlars"（继承自类"seqModel"）以下部分组成：
参数：active
an integer vector containing the indices of the sequenced predictors.
含有测序预测变量的指数，其中的一个整数向量。
参数：coefficients
a numeric matrix in which each column contains the regression coefficients of the corresponding submodel along the sequence.
一个数值的矩阵，其中每列包含沿该序列相应的子模型的回归系数。
参数：fitted.values
a numeric matrix in which each column contains the fitted values of the corresponding submodel along the sequence.
一个数值的矩阵，其中每列包含沿该序列的相应的子模型的拟合值。
参数：residuals
a numeric matrix in which each column contains the residuals of the corresponding submodel along the sequence.
一个数字的矩阵，其中每个列中包含的相应的子模型沿该序列的残差。
参数：crit
a character string specifying the optimality criterion used for selecting the final model.
一个字符串，指定用于选择最终模型的最优标准。
参数：critValues
a numeric vector containing the values of the optimality criterion from the submodels along the sequence.
含有沿该序列从子模型的最优性准则的值的一个数值向量。
参数：df
an integer vector containing the degrees of freedom of the submodels along the sequence (i.e., the number of estimated coefficients).
一个整数的向量，含有沿该序列的子模型的自由的程度（即，估计系数的数目）。
参数：sOpt
an integer giving the optimal submodel.
一个整数，给出最优的子模型。
参数：muY
numeric; the mean of the cleaned response.
数字;的清洁的响应的平均值。
参数：sigmaY
numeric; the standard deviation of the cleaned response.
数字;清洗响应的标准偏差。
参数：muX
a numeric vector containing the means of the cleaned predictors.
一个数值向量包含的装置的清理的预测因子。
参数：sigmaX
a numeric vector containing the standard deviations of the cleaned predictors.
一个数值向量含有的清理的预测因子的标准偏差。
参数：x
the matrix of candidate predictors (if model is TRUE).
矩阵的候选预测（model如果TRUE）。
参数：y
the response (if model is TRUE).
响应（model如果是TRUE“）。
参数：call
the matched function call.
匹配的函数调用。
（作者）----------Author(s)----------
Andreas Alfons, based on code by Jafar A. Khan, Stefan
Van Aelst and Ruben H. Zamar
参考文献----------References----------
linear model selection based on least angle regression. Journal of the American Statistical Association, 102(480), 1289–1299.
参见----------See Also----------
coef.seqModel, fitted.seqModel, residuals.seqModel, predict.seqModel, plot.seqModel
coef.seqModel，fitted.seqModel，residuals.seqModel，predict.seqModel，plot.seqModel
实例----------Examples----------
## generate data[＃生成数据]
# example is not high-dimensional to keep computation time low[例如不高维的计算时间保持低]
set.seed(1234) # for reproducibility[可重复性]
n <- 100 # number of observations[的观测数]
p <- 25 # number of variables[的变量数目]
beta <- rep.int(c(1, 0), c(5, p-5)) # coefficients[系数]
sigma <- 0.5 # controls signal-to-noise ratio[控制的信号 - 噪声比]
epsilon <- 0.1 # contamination level[污染水平]
x <- replicate(p, rnorm(n)) # predictor matrix[预测矩阵]
e <- rnorm(n) # error terms[误差项]
i <- 1:ceiling(epsilon*n) # observations to be contaminated[受到污染的意见]
e[i] <- e[i] + 5 # vertical outliers[垂直离群]
y <- c(x %*% beta + sigma * e) # response[响应]
x[i,] <- x[i,] + 5 # bad leverage points[坏的平衡点]
## fit robust LARS model[配合强大的LARS模型]
fit <- rlars(x, y)
coef(fit, zeros = FALSE)
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 2012-9-27 22:24:59
