R语言 TWIX包 bagg.default()函数中文帮助文档(中英文对照)

loveR

bagg.default(TWIX)
bagg.default()所属R语言包：TWIX

                                         Predictions from TWIX's or Bagging Trees
                                         TWIX或套袋树的预测

                                         译者：生物统计家园网 机器人LoveR

描述----------Description----------

Prediction of a new observation based on multiple trees.  
多个树的基础上的一个新的观察预测。


用法----------Usage----------


## Default S3 method:[默认方法]
bagg(object,newdata = NULL, sq=1:length(object$trees),
        aggregation = "weighted", type = "class", ...)
## S3 method for class 'TWIX'
bagg(object,...)
## S3 method for class 'bootTWIX'
bagg(object,...)



参数----------Arguments----------

参数：object
object of classes TWIX or bootTWIX.
对象的类TWIX或bootTWIX。


参数：newdata
a data frame of new observations.
新的观测数据框。


参数：sq
Integer vector indicating for which trees predictions are required.
整向量表明树木的预测，是必需的。


参数：aggregation
character string specifying how to aggregate. There are  three ways to aggregate the TWIX trees. One of them is the class majority voting  (aggregation="majority"), another method is the weighted aggregation  (aggregation="weighted").
字符串指定如何汇总。有三种方式聚集TWIX树木。其中之一是一流的多数表决（aggregation="majority"），另一种方法是加权综合（aggregation="weighted"）。


参数：type
character string indicating the type of predicted value returned.  Either class predicted classes or prob estimated class  probabilities are returned.
返回类型的预测值的字符串表示。无论是class预测班或返回prob估计类概率。


参数：...
additional arguments.
其他参数。


参见----------See Also----------

TWIX,  predict.TWIX,  bootTWIX
TWIX，predict.TWIX，bootTWIX


实例----------Examples----------


    library(ElemStatLearn)
    data(SAheart)

    ### response variable must be a factor[＃＃响应变量必须是一个因素，]
    SAheart$chd <- factor(SAheart$chd)

    ### test and train data[＃＃测试和训练数据]
    ###[＃＃]
    set.seed(1234)
    icv <- sample(nrow(SAheart),nrow(SAheart)/3)
    itr <- setdiff(1:nrow(SAheart),icv)
    train <- SAheart[itr,]
    test <- SAheart[icv,]

    ### TWIX Ensemble[＃＃TWIX乐团]
    M1 <- TWIX(chd~.,data=train,topN=c(9,5),topn.method="single")

    ### Bagging with greedy decision trees as base classifier[＃＃套袋与贪婪的决策树作为基本分类]
    M2 <- bootTWIX(chd~.,data=train,nbagg=50)

    ### Bagging with the p-value adjusted classification trees[＃＃套袋与p-值调整后的分类树]
    ### as base classifier[＃＃基本分类]
    M3 <- bootTWIX(chd~.,data=train,nbagg=50,splitf="p-adj",Devmin=0.01)

    preda <- bagg(M1,test,sq=1:length(M1$trees),aggregation="majority")
    predb <- bagg(M1,test,sq=1:length(M1$trees),aggregation="weighted")
    pred1 <- predict(M2,test,sq=1:length(M2$trees))
    pred2 <- predict(M3,test,sq=1:length(M3$trees))

    ###[＃＃]
    ### CCR's[＃＃CCR的]
  
    sum(preda == test$chd)/nrow(test)
    sum(predb == test$chd)/nrow(test)
    sum(pred1 == test$chd)/nrow(test)
    sum(pred2 == test$chd)/nrow(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。