R语言 rrcovNA包 PcaNA()函数中文帮助文档(中英文对照)

loveR

PcaNA(rrcovNA)
PcaNA()所属R语言包：rrcovNA

                                         Classical or robust Principal Components for incomplete data
                                         古典或强大的主成分为数据不完整

                                         译者：生物统计家园网 机器人LoveR

描述----------Description----------

Computes classical and robust principal components for incomplete data using an EM algorithm as descibed by Serneels and Verdonck (2008)
使用不完整的数据计算的古典和强大的主要组成部分EM算法作为descibed由Serneels和韦尔东克（2008年）


用法----------Usage----------


PcaNA(x, ...)
## Default S3 method:[默认方法]
PcaNA(x, k = 0, kmax = ncol(x), conv=1e-10, maxiter=100,
    method=c("cov", "locantore", "hubert", "grid", "proj", "class"), cov.control=NULL,
    scale = FALSE, signflip = TRUE, trace=FALSE, ...)
## S3 method for class 'formula'[类formula的方法]
PcaNA(formula, data = NULL, subset, na.action, ...)



参数----------Arguments----------

参数：formula
a formula with no response variable, referring only to numeric variables.
没有响应变量的公式，只给数值变量。


参数：data
an optional data frame (or similar: see model.frame) containing the variables in the formula formula.
一个可选的数据框（或相似：model.frame），其中包含公式formula中的变量。


参数：subset
an optional vector used to select rows (observations) of the data matrix x.
的可选的向量选择行（观察）的数据矩阵x。


参数：na.action
a function which indicates what should happen when the data contain NAs.  The default is set by the na.action setting of options, and is na.fail if that is unset. The default is na.omit.
一个函数，它表示当数据包含NA的，应该发生什么。默认设置是由na.action的options，是na.fail，如果是没有设置的。默认的na.omit。


参数：...
arguments passed to or from other methods.
传递的参数或其他方法。


参数：x
a numeric matrix (or data frame) which provides the data for the principal components analysis.
一个数字矩阵（或数据框），它提供的数据，主成分分析。


参数：k
number of principal components to compute. If k is missing,  or k = 0, the algorithm itself will determine the number of  components by finding such k that l_k/l_1 >= 10.E-3 and  Σ_{j=1}^k l_j/Σ_{j=1}^r l_j >= 0.8.  It is preferable to investigate the scree plot in order to choose the number  of components and then run again. Default is k=0.  
主成分的数目来计算。如果k失踪，或k = 0，算法本身决定的元件数量由找到这样的k，l_k/l_1 >= 10.E-3和Σ_{j=1}^k l_j/Σ_{j=1}^r l_j >= 0.8。这是最好的卵石在选择组件的数量，然后再次运行图进行调查。默认是k=0。


参数：kmax
maximal number of principal components to compute. Default is kmax=10. If k is provided, kmax  does not need to be specified, unless k is larger than 10.
最大的主成分个数来计算。默认是kmax=10。如果k提供，kmax不需要被指定，除非k是大于10。


参数：conv
convergence criterion for the EM algorithm. Default is conv=1e-10.
EM算法的收敛准则。默认是conv=1e-10。


参数：maxiter
maximal number of iterations for the EM algorithm. Default is maxiter=100.
EM算法的迭代的最大数目。默认是maxiter=100。


参数：method
which PC method to use (classical or robust) - "class" means classical PCA  and one of the following "locantore", "hubert", "grid", "proj", "cov" specifies a  robust PCA method. If the method is "cov" - i.e. PCA based on a robust covariance matrix -  the argument cov.control can specify which method for computing the  (robust) covariance matrix will be used.  Default is method="locantore".
PC的使用方法（古典或强大的） - “类”是指经典的PCA之一，下面的“locantore”，“休伯特”，“网格”，“PROJ”，“覆盖”指定一个强大的PCA方法。如果方法是“覆盖” - 一个强大的协方差矩阵的基础上的，即PCA  - 参数cov.control可以指定方法计算（强大）的协方差矩阵将被用来。默认是method="locantore"。


参数：cov.control
control object in case of robust PCA based on a robust covariance matrix.
控制对象的情况下，强大的PCA一个强大的协方差矩阵的基础上。


参数：scale
a logical value indicating whether the variables should be  scaled to have unit variance (only possible if there are no constant  variables). As a scale function mad is used but alternatively, a vector of length equal  the number of columns of x can be supplied. The value is passed to  scale and the result of the scaling is stored in the scale slot.  Default is scale = FALSE
一个逻辑值，该值指示变量是否应扩展到单位方差（唯一可能的，如果没有常量变量）。作为一个尺度函数mad被使用，但可替代地，一个向量的长度等于x的列的数目可以供给。该值被传递规模和缩放的结果被存储在scale插槽。默认是scale = FALSE


参数：signflip
a logical value indicating wheather to try to solve the sign indeterminancy of the loadings -    ad hoc approach setting the maximum element in a singular vector to be positive. Default is signflip = FALSE
一个逻辑值，该值指示wheather尝试解决负荷标志indeterminancy  - 专案的方式设置的最大元素在一个单一的向量，是积极的。默认是signflip = FALSE


参数：trace
whether to print intermediate results. Default is trace = FALSE
是否要打印的中间结果。默认是trace = FALSE


Details

详细信息----------Details----------

PcaNA, serving as a constructor for objects of class PcaNA-class  is a generic function with "formula" and "default" methods. For details see the relevant references.
PcaNA，作为一个构造函数的类的对象PcaNA-class是一个通用的功能与“公式”和“默认”的方法。有关详细信息，请参阅相关的参考文献。


值----------Value----------

An S4 object of class PcaNA-class which is a subclass of the  virtual class Pca-class.
S4对象的类PcaNA-class这是虚拟类Pca-class的一个子类。


（作者）----------Author(s)----------


Valentin Todorov <a href="mailto:valentin.todorov@chello.at">valentin.todorov@chello.at</a>




参考文献----------References----------

Principal component analysis for data containing outliers and missing elements. Computational Statistics and Data Analisys, 52(3), 1712&ndash;1727 .
An Object Oriented Framework for Robust Multivariate Analysis. Journal of Statistical Software, 32(3), 1&ndash;47. URL http://www.jstatsoft.org/v32/i03/.

实例----------Examples----------


## 1. With complete data[＃1。有了完整的数据]
## PCA of the bushfire data[＃PCA的森林大火数据]
    data(bushfire)
    pca <- PcaNA(bushfire)
    pca

## Compare with the classical PCA[＃比较经典的PCA]
    prcomp(bushfire)

## or  [＃]
    PcaNA(bushfire, method="class")
   
## If you want to print the scores too, use[＃如果你要打印的分数，]
    print(pca, print.x=TRUE)

## Using the formula interface[＃使用公式接口]
    PcaNA(~., data=bushfire)

## To plot the results:[＃要绘制的结果：]

    plot(pca)                    # distance plot[距离图]
    pca2 <- PcaNA(bushfire, k=2)  
    plot(pca2)                   # PCA diagnostic plot (or outlier map)[PCA诊断图（或异常图）]
   
## Use the standard plots available for for prcomp and princomp[＃使用标准曲线可供选择的prcomp和主成分法]
    screeplot(pca)   
    biplot(pca)  

################################################################      [＃＃＃＃＃＃＃＃＃＃＃＃＃＃＃＃＃＃＃＃＃＃＃＃＃＃＃＃＃＃＃＃＃＃＃＃＃＃＃＃＃＃＃＃＃＃＃＃＃＃ ＃＃＃＃＃＃＃＃＃＃＃＃＃]
## 2. Now the same wit incomplete data - bush10[＃2。现在，同样的机智不完整的数据 -  bush10]
    data(bush10)
    pca <- PcaNA(bush10)
    pca

## Compare with the classical PCA[＃比较经典的PCA]
    PcaNA(bush10, method="class")
   
## If you want to print the scores too, use[＃如果你要打印的分数，]
    print(pca, print.x=TRUE)

## Using the formula interface[＃使用公式接口]
    PcaNA(~., data=as.data.frame(bush10))

## To plot the results:[＃要绘制的结果：]

    plot(pca)                    # distance plot[距离图]
    pca2 <- PcaNA(bush10, k=2)  
    plot(pca2)                   # PCA diagnostic plot (or outlier map)[PCA诊断图（或异常图）]
   
## Use the standard plots available for for prcomp and princomp[＃使用标准曲线可供选择的prcomp和主成分法]
    screeplot(pca)   
    biplot(pca)   
   

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。