R语言 scio包 scio()函数中文帮助文档(中英文对照)

loveR

scio(scio)
scio()所属R语言包：scio

                                        Sparse Column-wise Inverse Operator
                                         稀疏列明智的逆算子

                                         译者：生物统计家园网 机器人LoveR

描述----------Description----------

Estimates a sparse inverse covariance matrix using Sparse Column-wise Inverse Operator
使用稀疏列明智的逆算子的逆协方差矩阵估计稀疏


用法----------Usage----------


scio(S, lambda,  thr=1e-4, maxit=1e4, pen.diag=F, sym=T)



参数----------Arguments----------

参数：S
Input covariance matrix of size p by p (symmetric).
大小p由p（对称）的输入协方差矩阵。


参数：lambda
(Non-negative) regularization parameter for the lasso penalty.  Can be a scalar or a matrix of size p by p.
（非负）正则化参数的套索处罚。由p可以是一个标量或矩阵的大小p。


参数：thr
Threshold for convergence. Iterations stop when the maximum change in two successive updates is less than thr. Default value is 1e-4.
阈值收敛。迭代停止时的最大变化在两个连续的更新是小于thr。默认值是1e-4。


参数：maxit
Maximum number of iterations for each column computation. Default 10,000.
为每列计算的最大迭代次数。默认10,000元。


参数：pen.diag
Whether the diagonal should be penalized.  Default False.
的对角线是否应该受到惩罚。默认为false。


参数：sym
Whether the return values should be symmetrized.  Default True.
返回值是否应对称。默认为true。


Details

详细信息----------Details----------

This is a fast, nonparametric approach to estimate sparse inverse covariance matrices, with possibly really large dimensions.  Details of this procedure are described in the reference.
这是一个快速，非参数方法来估计稀疏逆协方差矩阵，可能是真正的大尺寸。此过程的细节描述的参考。


值----------Value----------

A list with components:
组件列表：


参数：w
Estimated inverse covariance matrix
估计协方差矩阵的逆


参考文献----------References----------

Matrix Estimation via Sparse Column Inverse Operator. arXiv:1203.3896.

实例----------Examples----------


set.seed(100)
x<-matrix(rnorm(50*20),ncol=4)
s<- var(x)
a<-scio(s, lambda=.01)

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。