dldaCMA(CMA)
dldaCMA()所属R语言包：CMA
Diagonal Discriminant Analysis
对角线的判别分析
译者：生物统计家园网 机器人LoveR
描述----------Description----------
Performs a diagonal discriminant analysis under the assumption of a multivariate normal distribution in each classes (with equal, diagonally structured) covariance matrices. The method is also known under the name 'naive Bayes' classifier.
执行下一个多元正态分布假设在每个类（平等，斜结构）的协方差矩阵对角线的判别分析。根据名称的朴素贝叶斯分类的方法也被称为。
For S4 method information, see dldaCMA-methods.
S4方法的详细信息，请参阅dldaCMA方法。
用法----------Usage----------
dldaCMA(X, y, f, learnind, models=FALSE, ...)
参数----------Arguments----------
参数：X
Gene expression data. Can be one of the following:
基因表达数据。可以是下列之一：
A matrix. Rows correspond to observations, columns to variables.
Amatrix。行对应的观察，列变量。
A data.frame, when f is not missing (s. below).
一个data.frame时f不缺少（S.下面）。
An object of class ExpressionSet.
对象类ExpressionSet。
参数：y
Class labels. Can be one of the following:
类的标签。可以是下列之一：
A numeric vector.
一个numeric向量。
A factor.
Afactor。
A character if X is an ExpressionSet that specifies the phenotype variable.
一个如果character X是一个ExpressionSet指定的表型变量。
missing, if X is a data.frame and a proper formula f is provided.
missing，X是data.frame和适当的公式f提供。
WARNING: The class labels will be re-coded to range from 0 to K-1, where K is the total number of different classes in the learning set.
警告：类标签将被重新编码范围从0K-1，K是在学习集不同类别的总数。
参数：f
A two-sided formula, if X is a data.frame. The left part correspond to class labels, the right to variables.
一个双面的公式，如果X是data.frame。左边部分对应类的标签，对变量的权利。
参数：learnind
An index vector specifying the observations that belong to the learning set. May be missing; in that case, the learning set consists of all observations and predictions are made on the learning set.
索引向量指定属于学习集的意见。可能missing;在这种情况下，学习组学习集的所有意见和预测。
参数：models
a logical value indicating whether the model object shall be returned
一个逻辑值，该值指示是否应归还模型对象
参数：...
Currently unused argument.
目前未使用的参数。
值----------Value----------
An object of class cloutput.
对象类cloutput。
注意----------Note----------
As opposed to linear or quadratic discriminant analysis, variable
相对于线性或二次判别分析，变量
作者（S）----------Author(s)----------
Martin Slawski <a href="mailto:ms@cs.uni-sb.de">ms@cs.uni-sb.de</a>
Anne-Laure Boulesteix <a href="mailto:boulesteix@ibe.med.uni-muenchen.de">boulesteix@ibe.med.uni-muenchen.de</a>
参考文献----------References----------
<h3>See Also</h3> <code>compBoostCMA</code>, <code>ElasticNetCMA</code>, <code>fdaCMA</code>, <code>flexdaCMA</code>, <code>gbmCMA</code>, <code>knnCMA</code>, <code>ldaCMA</code>, <code>LassoCMA</code>, <code>nnetCMA</code>, <code>pknnCMA</code>, <code>plrCMA</code>, <code>pls_ldaCMA</code>, <code>pls_lrCMA</code>, <code>pls_rfCMA</code>, <code>pnnCMA</code>, <code>qdaCMA</code>, <code>rfCMA</code>,
举例----------Examples----------
### load Golub AML/ALL data[＃负载戈卢布反洗钱/所有数据]
data(golub)
### extract class labels[＃提取类标签]
golubY <- golub[,1]
### extract gene expression[＃提取的基因表达]
golubX <- as.matrix(golub[,-1])
### select learningset[＃选择learningset]
ratio <- 2/3
set.seed(111)
learnind <- sample(length(golubY), size=floor(ratio*length(golubY)))
### run DLDA[＃运行DLDA]
dldaresult <- dldaCMA(X=golubX, y=golubY, learnind=learnind)
### show results[＃显示结果]
show(dldaresult)
ftable(dldaresult)
plot(dldaresult)
### multiclass example:[＃多类例如：]
### load Khan data[＃＃负载汗数据]
data(khan)
### extract class labels[＃提取类标签]
khanY <- khan[,1]
### extract gene expression[＃提取的基因表达]
khanX <- as.matrix(khan[,-1])
### select learningset[＃选择learningset]
set.seed(111)
learnind <- sample(length(khanY), size=floor(ratio*length(khanY)))
### run LDA[＃运行LDA的]
ldaresult <- dldaCMA(X=khanX, y=khanY, learnind=learnind)
### show results[＃显示结果]
show(dldaresult)
ftable(dldaresult)
plot(dldaresult)
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。
|
发表于 2012-2-25 15:19:07
