R语言 CMA包 ldaCMA()函数中文帮助文档(中英文对照)

loveR

ldaCMA(CMA)
ldaCMA()所属R语言包：CMA

                                        Linear Discriminant Analysis
                                         线性判别分析

                                         译者：生物统计家园网 机器人LoveR

描述----------Description----------

Performs a linear discriminant analysis under the assumption of a multivariate normal distribution in each classes (with equal, but generally structured) covariance matrices. The function lda from the package MASS is called for computation.
执行在每个类的多元正态分布的假设下（与平等的，但一般结构）的协方差矩阵的线性判别分析。函数lda包MASS要求计算。

For S4 method information, see ldaCMA-methods.
S4方法的详细信息，请参阅ldaCMA方法。


用法----------Usage----------


ldaCMA(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：...
Further arguments to be passed to lda from the package MASS
进一步的参数被传递到lda包MASS


值----------Value----------

An object of class cloutput.
对象类cloutput。


注意----------Note----------

Excessive variable selection has usually to performed before ldaCMA can be applied in the p > n setting. Not reducing the number of variables can result in an error
过多的变量选择通常之前执行ldaCMA可以在p > n设置应用。变量的数目不会减少，可能会导致错误


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>dldaCMA</code>, <code>ElasticNetCMA</code>, <code>fdaCMA</code>, <code>flexdaCMA</code>, <code>gbmCMA</code>, <code>knnCMA</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>, <code>scdaCMA</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 from first 10 genes[＃提取从第10个基因的基因表达]
golubX <- as.matrix(golub[,2:11])
### select learningset[＃选择learningset]
ratio <- 2/3
set.seed(111)
learnind <- sample(length(golubY), size=floor(ratio*length(golubY)))
### run LDA[＃运行LDA的]
ldaresult <- ldaCMA(X=golubX, y=golubY, learnind=learnind)
### show results[＃显示结果]
show(ldaresult)
ftable(ldaresult)
plot(ldaresult)
### 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 from first 10 genes[＃提取从第10个基因的基因表达]
khanX <- as.matrix(khan[,2:11])
### select learningset[＃选择learningset]
set.seed(111)
learnind <- sample(length(khanY), size=floor(ratio*length(khanY)))
### run LDA[＃运行LDA的]
ldaresult <- ldaCMA(X=khanX, y=khanY, learnind=learnind)
### show results[＃显示结果]
show(ldaresult)
ftable(ldaresult)
plot(ldaresult)

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。