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

loveR

GLMvanISISscad(SIS)
GLMvanISISscad()所属R语言包：SIS

                                        (Iterative) Sure Independence Screening ((I)SIS) in Generalized Linear Models
                                         （迭代）广义线性模型中的的独立筛选确定（（I）SIS）

                                         译者：生物统计家园网 机器人LoveR

描述----------Description----------

These functions implement the iterative sure independence screening with GLMvanISISscad for vanilla ISIS and  GLMvarISISscad for variant ISIS in Generalized Linear Models.
这些函数实现的迭代确保独立筛选GLMvanISISscad香草ISIS和GLMvarISISscad广义线性模型中的变体ISIS的。


用法----------Usage----------


GLMvanISISscad(x, y, nsis=NULL, family=binomial(), folds=folds,
rank.method="obj", eps0=1e-5, inittype='NoPen', tune.method="AIC",
ISIStypeCumulative=FALSE, DOISIS=TRUE, maxloop=5)
  
GLMvarISISscad(x, y, nsis=NULL, family=binomial(), folds=folds,
rank.method="obj", tune.method="AIC", vartype="First", eps0=1e-5,
inittype='NoPen',  ISIStypeCumulative=FALSE, DOISIS=TRUE, maxloop=5)



参数----------Arguments----------

参数：x
an (n * p)  matrix of features.
（N * P）矩阵的功能。


参数：y
an (n) vector of response.
一个（n）的矢量的响应。


参数：nsis
number of pedictors recuited by (I)SIS.
由（I）中的SIS预报因子，建立基于遗传算法的recuited数目。


参数：family
a description of the error distribution and link function to be used in the model.
在模型中使用的误差分布的描述和链接功能。


参数：folds
fold information for cross validation.
倍的信息进行交叉验证。


参数：rank.method
the criterion for ranking predictor variables in (I)SIS. It can be either obj or coeff.
（I）SIS排名预测变量的标准。它可以是obj或coeff。


参数：tune.method
method for tuning regularization parameter.
调整正则化参数的方法。


参数：inittype
inittype specifies the type of initial solution for the one-step SCAD. It can be either NoPen or L1.
inittype指定一个步骤SCAD初始溶液的类型。它可以是NoPen或L1。


参数：vartype
vartype specifies variant (I)SIS of first type or second type.
vartype指定SIS的第一型或第二型变种（I）。


参数：ISIStypeCumulative
ISIStypeCumulative specifies whether to penalize variables selected by the previous step of the ISIS iteration in the following SCAD step. (ISIStypeCumulative= FALSE put penalties on all variables. In this case, the procedure is more likely to delete variables from previous step. )
ISIStypeCumulative指定是否要惩罚SCAD以下步骤的ISIS迭代在上一步的选择的变量。 （ISIStypeCumulative= FALSE，把对所有变量的惩罚，在这种情况下，该过程是从上一步骤中更可能删除变量。）


参数：DOISIS
DOISIS specifies whether to do iterative SIS.
DOISIS指定是否做迭代SIS的。


参数：maxloop
maximum number of loops in iterative SIS.
最大循环数，在重复的SIS。


参数：eps0
an effective zero relative to the scale of the maximum absolute marginal regression coefficients.
一个有效的零相对的规模最大绝对边际回归系数。


值----------Value----------

Returns an object with <table summary="R valueblock"> <tr valign="top"><td>initRANKorder</td> <td>  initial predictor ranking order for vanilla SIS. </td></tr> <tr valign="top"><td>detail.pickind, detail.ISISind</td> <td>  details of each loop of ISIS. </td></tr> <tr valign="top"><td>normal.exit</td> <td>  indicator of normal exit. </td></tr> <tr valign="top"><td>SISind</td> <td>  the vector of indices selected by SIS. </td></tr> <tr valign="top"><td>ISISind</td> <td>  the vector of indices selected by ISIS. </td></tr>  <tr valign="top"><td>initRANKorder1, initRANKorder2</td> <td>  initial predictor ranking order for variant SIS. </td></tr>
返回一个对象，<table summary="R valueblock"> <tr valign="top"> <TD>initRANKorder</ TD> <TD>初步预测排名顺序为香草SIS。 </ TD> </ TR> <tr valign="top"> <TD>detail.pickind, detail.ISISind </ TD> <TD>细节，每个循环ISIS。 </ TD> </ TR> <tr valign="top"> <TD> normal.exit </ TD> <TD>指标正常退出。 </ TD> </ TR> <tr valign="top"> <TD>SISind</ TD> <TD>矢量选择的SIS的指数。 </ TD> </ TR> <tr valign="top"> <TD>ISISind</ TD> <TD>矢量选择的ISIS的指数。 </ TD> </ TR> <tr valign="top"> <TD>initRANKorder1, initRANKorder2 </ TD> <TD>最初预测的变体SIS的排名顺序为。 </ TD> </ TR>

</table>
</ TABLE>


（作者）----------Author(s)----------


Jianqing Fan, Yang Feng, Richard Samworth, and Yichao Wu



参考文献----------References----------

Jianqing Fan and Jinchi Lv (2008) Sure independence screening for ultra-high dimensional feature space (with discussion) Journal of Royal Statistical Society B, 36, 849-911.
Jianqing Fan, Richard Samworth, and Yichao Wu (2009) Ultrahigh dimensional variable selection: beyond the linear model Journal of Machine Learning Research, to appear.
Jianqing Fan and Rui Song (2009) Sure Independence Screening in Generalized Linear Models with NP-Dimensionality, technical report.


参见----------See Also----------

scadglm, fullscadglm
scadglm，fullscadglm


实例----------Examples----------


set.seed(0)
b <- c(4,4,4,-6*sqrt(2))
n=150
p=200
truerho=0.5
corrmat=diag(rep(1-truerho, p))+matrix(truerho, p, p)
corrmat[,4]=sqrt(truerho)
corrmat[4, ]=sqrt(truerho)
corrmat[4,4]=1
cholmat=chol(corrmat)
x=matrix(rnorm(n*p, mean=0, sd=1), n, p)
x=x%*%cholmat
feta=x[, 1:4]%*%b
fprob=exp(feta)/(1+exp(feta))
y=rbinom(n, 1, fprob)

nsis=floor(n/log(n)/4)

binom.van.sis=GLMvanISISscad(x, y, nsis, family=binomial(), tune.method='BIC')
binom.var.sis=GLMvarISISscad(x, y, nsis, family=binomial(), vartype='Second',
tune.method='BIC')

#####compare the result[＃＃＃＃比较结果]
binom.van.sis$SIS

binom.van.sis$ISIS

binom.var.sis$SIS

binom.var.sis$ISIS

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。