R语言 sda包 sda()函数中文帮助文档(中英文对照)

loveR

sda(sda)
sda()所属R语言包：sda

                                        Shrinkage Discriminant Analysis 2: Training Step
                                         收缩判别分析：培训步骤

                                         译者：生物统计家园网 机器人LoveR

描述----------Description----------

sda trains a LDA or DDA classifier using James-Stein-type shrinkage estimation.
sda训练LDA或DDA分类James-Stein型收缩估计。


用法----------Usage----------


sda(Xtrain, L, diagonal=FALSE, verbose=TRUE)



参数----------Arguments----------

参数：Xtrain
A matrix  containing the training data set. Note that  the rows correspond to observations and the columns to variables.
一个矩阵包含训练数据集。需要注意的是行对应于观测值和列的变量。


参数：L
A factor with the class labels of the training samples.  
训练样本的类标签的一个因素。


参数：diagonal
Chooses between LDA (default, diagonal=FALSE) and DDA (diagonal=TRUE).
之间选择，LDA（默认情况下，diagonal=FALSE）和DDA（diagonal=TRUE）。


参数：verbose
Print out some info while computing.
打印出一些信息，而计算。


Details

详细信息----------Details----------

In order to train the LDA or DDA classifier, three separate shrinkage estimators are employed:
为了培养LDA的或DDA分类的，三个独立的收缩估计：

class frequencies: the  estimator freqs.shrink  from   Hausser and Strimmer (2008),
类频率：估计freqs.shrink从豪塞尔和Strimmer的（2008年），

variances: the estimator var.shrink from Opgen-Rhein and Strimmer (2007),  
差异：估计var.shrinkOpgen  - 莱茵Strimmer的（2007年），

correlations: the estimator cor.shrink from Sch\"afer and Strimmer (2005).  
相关性：估计cor.shrink从附表\的afer与Strimmer（2005年）。

Note that the three corresponding regularization parameters are obtained analytically without resorting to computer intensive resampling.
需要注意的是，三个得到相应的正则化参数分析而不诉诸计算机密集的重采样。


值----------Value----------

sda trains the classifier and returns an sda object with the following components needed for the subsequent prediction:
sda训练分类器，并返回一个sda对象为以后的预测需要以下组件：


参数：regularization
a vector containing the three estimated shrinkage intensities,
一个向量，包含的三个估计的收缩强度，


参数：prior
the estimated class frequencies,
估计一流的频率，


参数：predcoef
matrix containing the coefficients used for prediction
矩阵包含的系数用于预测


（作者）----------Author(s)----------



Miika Ahdesm\"aki and Korbinian Strimmer (<a href="http://strimmerlab.org">http://strimmerlab.org</a>).




参考文献----------References----------

using cat scores and false non-discovery rate control. Ann. Appl. Stat. 4: 503-519. Preprint available from http://arxiv.org/abs/0903.2003.

参见----------See Also----------

predict.sda, sda.ranking, freqs.shrink,  var.shrink,
predict.sda，sda.ranking，freqs.shrink，var.shrink，


实例----------Examples----------


# load sda library[加载SDA库]
library("sda")

########################## [＃＃＃＃＃＃＃＃＃＃＃＃＃＃＃＃＃＃＃＃＃＃＃＃＃]
# training and test data #[训练和测试数据＃]
##########################[＃＃＃＃＃＃＃＃＃＃＃＃＃＃＃＃＃＃＃＃＃＃＃＃＃]

# data set containing the SRBCT samples[数据集包含SRBCT样本]
get.srbct = function()
{
  data(khan2001)
  idx = which( khan2001$y == "non-SRBCT" )
  x = khan2001$x[-idx,]
  y = factor(khan2001$y[-idx])
  descr = khan2001$descr[-idx]

  list(x=x, y=y, descr=descr)
}
srbct = get.srbct()

# training data[训练数据]
Xtrain = srbct$x[1:63,]
Ytrain = srbct$y[1:63]
Xtest = srbct$x[64:83,]
Ytest = srbct$y[64:83]


###################################################[＃＃＃＃＃＃＃＃＃＃＃＃＃＃＃＃＃＃＃＃＃＃＃＃＃＃＃＃＃＃＃＃＃＃＃＃＃＃＃＃＃＃＃＃＃＃＃＃＃＃]
# classification with correlation (shrinkage LDA) #[分类的相关性（收缩LDA）]
###################################################[＃＃＃＃＃＃＃＃＃＃＃＃＃＃＃＃＃＃＃＃＃＃＃＃＃＃＃＃＃＃＃＃＃＃＃＃＃＃＃＃＃＃＃＃＃＃＃＃＃＃]

sda.fit = sda(Xtrain, Ytrain)
ynew = predict(sda.fit, Xtest)$class # using all 2308 features[所有2308的功能]
sum(ynew != Ytest)

###########################################################[＃＃＃＃＃＃＃＃＃＃＃＃＃＃＃＃＃＃＃＃＃＃＃＃＃＃＃＃＃＃＃＃＃＃＃＃＃＃＃＃＃＃＃＃＃＃＃＃＃＃ ＃＃＃＃＃＃＃＃]
# classification with diagonal covariance (shrinkage DDA) #[分类与对角协方差（收缩DDA）]
###########################################################[＃＃＃＃＃＃＃＃＃＃＃＃＃＃＃＃＃＃＃＃＃＃＃＃＃＃＃＃＃＃＃＃＃＃＃＃＃＃＃＃＃＃＃＃＃＃＃＃＃＃ ＃＃＃＃＃＃＃＃]

sda.fit = sda(Xtrain, Ytrain, diagonal=TRUE)
ynew = predict(sda.fit, Xtest)$class # using all 2308 features[所有2308的功能]
sum(ynew != Ytest)

#################################################################[＃＃＃＃＃＃＃＃＃＃＃＃＃＃＃＃＃＃＃＃＃＃＃＃＃＃＃＃＃＃＃＃＃＃＃＃＃＃＃＃＃＃＃＃＃＃＃＃＃＃ ＃＃＃＃＃＃＃＃＃＃＃＃＃＃]
# for complete example scripts illustrating classification with #[完整的示例脚本说明分类＃]
# feature selection visit http://strimmerlab.org/software/sda/  #[功能的选择访问http://strimmerlab.org/software/sda/＃]
#################################################################[＃＃＃＃＃＃＃＃＃＃＃＃＃＃＃＃＃＃＃＃＃＃＃＃＃＃＃＃＃＃＃＃＃＃＃＃＃＃＃＃＃＃＃＃＃＃＃＃＃＃ ＃＃＃＃＃＃＃＃＃＃＃＃＃＃]

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。