R语言 sideChannelAttack包 verify.loo()函数中文帮助文档(中英文对照)

loveR

verify.loo(sideChannelAttack)
verify.loo()所属R语言包：sideChannelAttack

                                        verify.loo
                                         verify.loo

                                         译者：生物统计家园网 机器人LoveR

描述----------Description----------

The verify.loo function allows to estimate the quality of a model (an attack) with a leave-one-out approach.
verify.loo功能允许的模式（攻击）一留一出估计的质量。


用法----------Usage----------


verify.loo(model, filter, X,Y, nbreVarX,...)



参数----------Arguments----------

参数：model
A model such as randomForest, gaussian, svm, etc.
如模型，SVM，randomForest，高斯等


参数：filter
A feature selection such as filter.PCA, filter.mRMR, etc.
一个特点选择，如filter.PCA，filter.mRMR等


参数：X
A matrix where each row is a physical measure.
一个矩阵，其中的每一行是一个物理的措施。


参数：Y
A binary vector where the i_th element of the vector y is the key for the i_th physical measure in the matrix x.
一个二进制向量，其中的i_th元素的向量y矩阵中的i_thx物理措施是关键。


参数：nbreVarX
The number of variables which represents each physical measure after the reduction by the feature selection.
变量的数目表示每个物理措施后减少的特征选择。


参数：...
Currently ignored.
目前忽略不计。


Details

详细信息----------Details----------

The verify.loo function estimates the quality of the attack with a leave-one-out approach. It is executed in N rounds. Each round uses N-1 traces to learn a model and the remaining trace to assess the generalization accuracy of the model. This is repeated until every trace has been used for testing purposes. The best model is the one that maximizes the value returned by leave-one-out.
verify.loo一留一出，估计质量的攻击。执行N轮。每一轮使用N-1跟踪学习的楷模和残留的痕迹评估模型的泛化精度。这被重复，直到每一个跟踪已被用于测试目的。最好的模型是一个，留一个返回值最大化。

The advantages of this estimation is its accuracy but the estimation process is expensive in a computational point of view.
此估计的优点是它的精度，但在计算的角度来看，在估算的过程是昂贵的。


值----------Value----------

The verify.loo function returns an object which can be used with the plot function to plot the quality of the model.
verify.loo函数返回一个对象，它可以使用plot功能绘制的模型的质量。


参数：TP
number of true positive
真阳性的数目


参数：TN
number of true negative
真阴性数


参数：FN
number of false negative
假阴性的数目


参数：FP
number of false positive
假阳性的数目


参数：dim
the number of variables which represents each physical measure after the reduction by the feature selection.
的变量的数量，它代表由特征选择的减少后的每个物理措施。


（作者）----------Author(s)----------


Liran Lerman <a href="mailto:llerman@ulb.ac.be">llerman@ulb.ac.be</a> &amp; Gianluca Bontempi <a href="mailto:gbonte@ulb.ac.be@ulb.ac.be">gbonte@ulb.ac.be@ulb.ac.be</a> &amp; Olivier Markowitch <a href="mailtolivier.markowitch@ulb.ac.be">olivier.markowitch@ulb.ac.be</a>



实例----------Examples----------


#data collection[数据收集]
data(powerC)
traces = powerC[,-301]
key = powerC[,301]
newIndice = c(sample(1:128,15),sample(129:256,15))
traces = traces[newIndice,]
key = key[newIndice]

#model checking[模型检查]
attack=verify.loo(model=dpa1,filter=filter.mRMR,X=traces,Y=key,nbreVarX=c(14:15))
plot(attack)

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。