predict.scoutobject(scout)
predict.scoutobject()所属R语言包:scout
Prediction function for covariance-regularized regression, aka the Scout.
预测功能为协方差正规化的回归,又名童军。
译者:生物统计家园网 机器人LoveR
描述----------Description----------
A function to perform prediction, using an x matrix and the output of the "scout" function.
一个函数来进行预测,使用x矩阵和输出的“球探”功能。
用法----------Usage----------
predict.scoutobject(object, newx, ...)
参数----------Arguments----------
参数:object
The results of a call to the "scout" function. The coefficients that are part of this object will be used for making predictions.
的“侦察兵”功能调用的结果。系数是这个对象的一部分将被用于进行预测。
参数:newx
The new x at which predictions should be made. Can be a vector of length ncol(x), where x is the data on which scout.obj was created, or a matrix with ncol(x) columns.
新的x进行预测。可以是一个矢量长度NCOL(x)的,其中,x是数据上scout.obj创建,或NCOL(x)的列的矩阵。
参数:...
Additional arguments to predict
其他参数预测
值----------Value----------
<table summary="R valueblock"> <tr valign="top"><td>yhat</td> <td> If newx was a vector, then a matrix will be returned, with dimension length(lam1s)xlength(lam2s) (where lam1s and lam2s are attributes of scout.obj). The (i,j) element of this matrix will correspond to tuning parameter values (lam1s[i], lam2s[j]). If newx is a matrix, then an array of dimension nrow(newx)xlength(lam1s)xlength(lam2s) will be returned.</td></tr> </table>
<table summary="R valueblock"> <tr valign="top"> <TD>newx yhat</ TD> <td>如果是一个矢量,矩阵将被退回,尺寸长度(lam1s的)xlength(lam2s)(,在那里lam1s和lam2s是属性scout.obj)。这个矩阵的第(i,j)的元素对应的整定参数值(lam1s [I],lam2s [J])。如果newx是一个矩阵,然后阵列的“尺寸NROW(newx)xlength的(lam1s)(lam2s)xlength将被退回。</ TD> </ TR> </表>
(作者)----------Author(s)----------
Daniela M. Witten and Robert Tibshirani
参考文献----------References----------
regression and classification for high-dimensional problems. Journal
参见----------See Also----------
scout, cv.scout
侦察兵,cv.scout
实例----------Examples----------
data(diabetes)
attach(diabetes)
# Split data into training and test set[拆分数据为训练和测试集]
training <- sample(nrow(x2),floor(nrow(x2)/2))
xtrain <- x2[training,]
ytrain <- y[training]
xtest <- x2[-training,]
ytest <- y[-training]
# Done splitting data into training and test set[完成分割数据为训练和测试集]
# Do cross-validation to determine best tuning parameter values for Scout(1,1)[做交叉验证,以确定最佳整定参数值童军(1,1)]
cv.out <- cv.scout(xtrain,ytrain,p1=1,p2=1, lam1s=seq(0.001,.15,len=10))
print(cv.out)
# Done cross-validation[完成交叉验证]
# Fit Model[拟合模型]
scout.object <- scout(xtrain,ytrain,p1=1,p2=1,lam1s=cv.out$bestlam1,lam2s=cv.out$bestlam2)
print(scout.object)
# Done Fitting Model[完成拟合模型]
# Predict on test data, and report MSE[测试数据,预测报告MSE]
yhats <- predict(scout.object,xtest)
print(mean((yhats-ytest)^2))
detach(diabetes)
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。
|