R语言 robustX包 mvBACON()函数中文帮助文档(中英文对照)

loveR

mvBACON(robustX)
mvBACON()所属R语言包：robustX

                                        BACON: Blocked Adaptive Computationally-Efficient Outlier Nominators
                                         培根：被阻止的自适应计算的高效异常提名人

                                         译者：生物统计家园网 机器人LoveR

描述----------Description----------

This function performs an outlier identification algorithm to the data in the x array [n x p] and y vector [n] following the lines described by Hadi et al. for their BACON outlier procedure.
该函数执行的X阵列中的数据的异常值识别算法[NXP]和y向量[N]哈迪等人所描述的线条。 BACON离群程序。


用法----------Usage----------


mvBACON(x, collect = 4, m = min(collect * p, n * 0.5), alpha = 0.95,
        init.sel = c("Mahalanobis", "dUniMedian", "random", "manual"),
        man.sel, maxsteps = 100, allowSingular = FALSE, verbose = TRUE)



参数----------Arguments----------

参数：x
numeric matrix (of dimension [n x p]), not supposed to contain missing values.
数字矩阵（尺寸[n x p]），不应该包含缺失值的。


参数：collect
a multiplication factor, when init.sel is not "manual", to define m, the size of the initial basic subset, as m <- min(p * collect, n/2).
一个乘法因子，当init.sel是不是"manual"，定义m，初始基本子集的大小，作为m <- min(p * collect, n/2)。


参数：m
integer in 1:n specifying the size of the initial basic subset; used only when init.sel is not "manual".
整数1:n指定最初的基本子集的大小;只有当init.sel是"manual"。


参数：alpha
significance level for the chisq cutoff, used to define the next iterations basic subset.
chisq截止，用于基本子集定义的下一个迭代的显着性水平。


参数：init.sel
character string, specifying the initial selection mode; implemented modes are:     
字符串，指定初始选择模式，实现的模式是：

"Mahalanobis"based on Mahalanobis distances (default)  
“马氏”的基础上马氏距离（默认）

"dUniMedian"based on the distances from the univariate medians  
“dUniMedian”的基础上的距离从单变量的中位数

"random"based on a random selection  
“随机”的基础上随机选择

"manual"based on manual selection; in this case, a vector man.sel containing the indices of the selected observations must be specified.     "Mahalanobis", "dUniMedian" where proposed by Hadi and the other authors in the reference as versions "V_1" and "V_2", as well as "manual", while "random" is provided in order to study the behaviour of BACON.  
基于手动选择“手动”，在这种情况下，一个向量man.sel包含所选的观测的指数，其中，必须被指定。 "Mahalanobis"，"dUniMedian"其中提出的哈迪和其他作者在参考作为版本V_1和V_2，以及"manual"，而"random"是提供为了研究行为BACON。


参数：man.sel
only when init.sel == "manual", the indices of observations determining the initial basic subset (and m <-       length(man.sel)).
只有当init.sel == "manual"，指标的观测，确定初始基本子集（和m <-       length(man.sel)）。


参数：maxsteps
maximal number of iteration steps.
最大的迭代步数。


参数：allowSingular
logical indicating a solution should be sought also when no matrix of rank p is found.
逻辑说明的解决方案，应寻求时，没有矩阵的排名p找到。


参数：verbose
logical indicating if messages are printed which trace progress of the algorithm.
逻辑表明，如果消息被打印的算法跟踪进展。


值----------Value----------

a list with components
与组件的列表


参数：subset
logical vector of length n where the i-th entry is true iff the i-th observation is part of the final selection.
逻辑向量的长度n的i个项目是真实的，当且仅当第i个观察的最终选择。


参数：dis
numeric vector of length n with the (Mahalanobis) distances.
数字矢量的长度n（马氏）的距离。


参数：cov
p x p matrix, the corresponding robust estimate of covariance.
p x p的协方差矩阵，相应的稳健估计。


（作者）----------Author(s)----------



Ueli Oetliker, Swiss Federal Statistical Office, for S-plus 5.1.
Port to <font face="Courier New,Courier" color="#666666"><b>R</b></font>, testing etc, by Martin Maechler




参考文献----------References----------

BACON: Blocked Adaptive Computationally-Efficient Outlier Nominators; Computational Statistics and Data Analysis 34, 279&ndash;298.

参见----------See Also----------

covMcd for a high-breakdown (but more computer intensive) method; BACON for a &ldquo;generalization&rdquo;, notably to regression.
covMcd高击穿（但更多的计算机密集型）的方法，“BACON的”泛化“的，尤其是要回归。


实例----------Examples----------


## simple 2D example :[＃简单的2D例如：]
plot(starsCYG, main = "starsCYG  data  (n=47)")
B.st <- mvBACON(starsCYG)
points(starsCYG[ ! B.st$subset,], pch = 4, col = 2, cex = 1.5)
## finds the clear outliers (and 3 "borderline")[＃发现明显的异常值（和3个“边缘”）]

## 'coleman' from pkg 'robustbase'[＃科尔曼pkg的robustbase“]
coleman.x <- data.matrix(coleman[, 1:6])
Cc &lt;- covMcd (coleman.x) # truely robust[真实地强大]
Cb1 &lt;- mvBACON(coleman.x) ##-&gt; subset is all TRUE hmm??[ - >子集是所有TRUE嗯？]
Cb2 <- mvBACON(coleman.x, init.sel = "dUniMedian")
## --&gt; BACON "breaks down" here[＃ - > BACON“打破了”在这里]

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。