wtlassocox(SIS)
wtlassocox()所属R语言包：SIS
Weighted L1 regularized loglikelihood for Cox proportional hazards regression model
权的L1规范loglikelihood为Cox比例风险回归模型
译者：生物统计家园网 机器人LoveR
描述----------Description----------
This functions solves weighted L1 regularized loglikelihood for Cox proportional hazards regression model.
此功能解决了Cox比例风险回归模型的加权L1规范loglikelihood。
用法----------Usage----------
wtlassocox(x, time, status, method="efron", lassoweight=NULL, initsoln=NULL,
weight = NULL, lambda2=0, function.precision=1e-10)
参数----------Arguments----------
参数：x
an (n * p) matrix of features.
（N * P）矩阵的功能。
参数：time
an (n) vector of the follow up time for right censored data.
（n）的向量，随访时间为右删失数据。
参数：status
an (n) vector of the status indicator, normally 0=alive, 1=dead.
第（n）的矢量，状态指示器，通常为0 =活着，1 =死亡。
参数：method
indicates how to handle observations that have tied (i.e., identical) survival times. The default "efron" method is generally preferred to the once-popular "breslow" method.
指示如何处理挂钩（即相同的）生存时间的观察。默认的“埃夫隆”的方法通常是优选的一次流行的“布瑞斯罗夫”方法。
参数：lassoweight
an optional (p) vector of weights specifying the weighted L1 penalty.
一个可选的（P）的规定的加权L1处罚的权重向量。
参数：initsoln
an optional (p) vector of initial solution.
一个可选的（对）向量的初始解。
参数：weight
an optional (n) vector of weights to be used in the fitting process.
在嵌合过程中要使用的一个可选的（n）的权重向量。
参数：lambda2
regularization parameter for the L2 norm of the coefficients. Default is 0.
正则化参数的L2范数的系数。默认是0.
参数：function.precision
function.precision parameter used in the internal solver. Default is 1e-10.
function.precision参数的内部求解器使用。默认是1e-10.
Details
详细信息----------Details----------
This function solves weighted L1 regularized loglikelihood for Cox proportional hazards regression model. It is based on the source code of R package glmpath.
此功能解决了Cox比例风险回归模型的加权L1规范loglikelihood。它是基于源代码的R套件“glmpath。
值----------Value----------
An object is returned with <table summary="R valueblock"> <tr valign="top"><td>lambda2</td> <td> λ_2 used. </td></tr> <tr valign="top"><td>xnames</td> <td> column names of x. </td></tr> <tr valign="top"><td>weight</td> <td> an optional (n) vector of weights to be used in the fitting process. </td></tr> <tr valign="top"><td>lassoweight</td> <td> a (p) vector of weights specifying the weighted L1 penalty. </td></tr> <tr valign="top"><td>initsoln</td> <td> a (p) vector of initial solution. </td></tr> <tr valign="top"><td>w</td> <td> a (p) vector of weight L1 solution. </td></tr> </table>
返回一个对象，<table summary="R valueblock"> <tr valign="top"> <TD> lambda2</ TD> <TD> λ_2使用。 </ TD> </ TR> <tr valign="top"> <TD> xnames </ TD> <TD>列名的x。 </ TD> </ TR> <tr valign="top"> <TD>weight</运输署> <TD>一个可选的（n）的在嵌合过程中要使用的权重向量。 </ TD> </ TR> <tr valign="top"> <TD>lassoweight</ TD> <td>一个（P）的规定的加权L1处罚的权重向量。 </ TD> </ TR> <tr valign="top"> <TD>initsoln</ TD> <td>一个（P）向量的初步解决方案。 </ TD> </ TR> <tr valign="top"> <TD>w</ TD> <td>一个（P）向量的重量L1的解决方案。 </ TD> </ TR> </ TABLE>
（作者）----------Author(s)----------
Jianqing Fan, Yang Feng, Richard Samworth, and Yichao Wu
参见----------See Also----------
scadglm, fullscadglm
scadglm，fullscadglm
实例----------Examples----------
set.seed(0)
n=400
p=1000
truerho=0.5
beta <- c(4,4,4,-6*sqrt(2),4/3, rep(0,p-5))
corrmat=diag(rep(1-truerho, p))+matrix(truerho, p, p)
corrmat[,4]=sqrt(truerho)
corrmat[4, ]=sqrt(truerho)
corrmat[4,4]=1
corrmat[,5]=0
corrmat[5,]=0
corrmat[5,5]=1
cholmat=chol(corrmat)
x=matrix(rnorm(p*n, mean=0, sd=1), n, p)
x=x%*%cholmat
myrates <- exp(x%*%beta)
ytrue <- rexp(n, rate = myrates)
cen <- rexp(n, rate = 0.1 )
time <- pmin(ytrue, cen)
status <- as.numeric(ytrue <= cen)
weights <- rep(0.01*n, 100)
w1 <- wtlassocox(x[,1:100],time,status,lassoweight=weights)$w
w2 <- coxph(Surv(time,status)~x[,1:100])$coef
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 2012-9-30 09:44:37
