R语言 BioSeqClass包 performance()函数中文帮助文档(中英文对照)

loveR

performance(BioSeqClass)
performance()所属R语言包：BioSeqClass

                                        Performance Evaluation
                                         绩效评估

                                         译者：生物统计家园网 机器人LoveR

描述----------Description----------

Evaluate the performance of classification model.
评估分类模型的性能。


用法----------Usage----------


  performance(predictClass,factClass)



参数----------Arguments----------

参数：predictClass
a factor of predicted classifications of training set,  comprising of "-1" or "+1".
一个因素预测训练集分类，“-1”或“+1”的组成。


参数：factClass
a vector of true classifications of training set,  comprising of "-1" or "+1".
一个真实的训练集分类的向量，“-1”或“+1”的组成。


Details

详情----------Details----------

performance evaluates the performance of classification model. It cacluates: tp (true positive), tn(ture negative), fp(false positive),  fn(false negative), prc(precision), sn(sensitivity), sp(specificity),  acc(accuracy), mcc(Matthews Correlation Coefficient), pc(Performance Coefficient).
performance评估分类模型的性能。 cacluates：TP（真阳性），TN（TURE负的），FP（假阳性），FN（假阴性），中国（精度），锡（灵敏度），SP（特异性），ACC（准确度），MCC（马修斯相关系数），PC（性能系数）。


作者（S）----------Author(s)----------


Hong Li



举例----------Examples----------


  ## read positive/negative sequence from files.[＃从文件中读取正/负序列。]
  tmpfile1 = file.path(.path.package("BioSeqClass"), "example", "acetylation_K.pos40.pep")
  tmpfile2 = file.path(.path.package("BioSeqClass"), "example", "acetylation_K.neg40.pep")
  posSeq = as.matrix(read.csv(tmpfile1,header=FALSE,sep="\t",row.names=1))[,1]
  negSeq = as.matrix(read.csv(tmpfile2,header=FALSE,sep="\t",row.names=1))[,1]
  data = data.frame(rbind(featureBinary(posSeq,elements("aminoacid")),
       featureBinary(negSeq,elements("aminoacid")) ),
       class=c(rep("+1",length(posSeq)),
       rep("-1",length(negSeq))) )
  
  ## sample train and test data[＃样品的训练和测试数据]
  tmp = c(sample(1:length(posSeq),length(posSeq)*0.8),
    sample(length(posSeq)+(1:length(negSeq)),length(negSeq)*0.8))
  train = data[tmp,]
  test = data[-tmp,]
  
  ## Build classification model using training data[＃建立分类模型，利用训练数据]
  model1 = classifyModelLIBSVM(train,svm.kernel="linear",svm.scale=FALSE)
  ## Predict test data by classification model[＃测试数据分类模型预测]
  testClass = predict(model1, test[,-ncol(test)])
  ## Evaluate the performance of classification model[＃分类模型的性能评价]
  performance(testClass,test[,ncol(test)])

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。