plot-methods(fabia)
plot-methods()所属R语言包：fabia
Plot of a Matrix Factorization
积矩阵分解
译者：生物统计家园网 机器人LoveR
描述----------Description----------
Produces a (biplot) of a Matrix Factorization result
产生的矩阵分解结果（双标图）
用法----------Usage----------
## S4 method for signature 'Factorization,missing'
plot(x, Rm=NULL, Cm=NULL, dim = c(1, 2),
zoom = rep(1, 2), col.group = NULL,
colors = c("orange1", "red", rainbow(length(unique(col.group)),
start=2/6, end=4/6)),
col.areas = TRUE, col.symbols = c(1, rep(2, length(unique(col.group)))),
sampleNames = TRUE, rot = rep(-1, length(dim)),
labels = NULL, label.tol = 0.1, lab.size = 0.725, col.size = 10,
row.size = 10, do.smoothScatter = FALSE,
do.plot = TRUE, ... )
参数----------Arguments----------
参数：x
object of the class Factorization.
对象类Factorization。
参数：Rm
row weighting vector. If NULL, it defaults to rep(1,nrow(x@L)).
行加权向量。如果NULL，它默认为rep(1,nrow(x@L))。
参数：Cm
column weighting vector. If NULL, it defaults to rep(1,ncol(x@Z)).
列权重向量。如果NULL，它默认为rep(1,ncol(x@Z))。
参数：dim
optional principal factors that are plotted along the horizontal and vertical axis. Defaults to c(1,2).
可选沿水平和垂直轴绘制的主要因素。 c(1,2)默认。
参数：zoom
optional zoom factor for row and column items. Defaults to c(1,1).
行和列项可选的变焦倍数。 c(1,1)默认。
参数：col.group
optional vector (character or numeric) indicating the different groupings of the columns. Defaults to 1.
可选的向量（字符或数字）表示列的不同分组。默认为1。
参数：colors
vector specifying the colors for the annotation of the plot; the first two elements concern the rows; the third till the last element concern the columns; the first element will be used to color the unlabeled rows; the second element for the labeled rows and the remaining elements to give different colors to different groups of columns. Defaults to c("orange1", "red", rainbow(length(unique(col.group)), start=2/6, end=4/6)).
图注释的颜色，前两个元素，涉及行，直到最后一个元素的关注;第三列的第一个元素将被用于颜色未标记的行标记行的第二个元素和向量的指定其余的元素给不同的颜色不同的列组。 c("orange1", "red", rainbow(length(unique(col.group)), start=2/6, end=4/6))默认。
参数：col.areas
logical value indicating whether columns should be plotted as squares with areas proportional to their marginal mean and colors representing the different groups (TRUE), or with symbols representing the groupings and identical size (FALSE). Defaults to TRUE.
逻辑值，该值指示列是否应该被绘制到其边际的平均比例领域和颜色代表不同群体的平方（TRUE），或符号代表的分组和相同的大小（FALSE）。 TRUE默认。
参数：col.symbols
vector of symbols when col.areas=FALSE corresponds to the pch argument of the function plot. Defaults to c(1, rep(2, length(unique(col.group)))).
矢量符号时col.areas=FALSEpch功能plot参数对应。 c(1, rep(2, length(unique(col.group))))默认。
参数：sampleNames
either a logical vector of length one or a character vector of length equal to the number of samples in the dataset. If a logical is provided, sample names will be displayed on the plot (TRUE; default) or not (FALSE); if a character vector is provided, the names provided will be used to label the samples instead of the default column names.
无论是一个长度或特征向量的长度等于数据集的样本数量的逻辑向量。如果提供了一个逻辑，样品名称将显示在图（TRUE;默认）或（FALSE），如果一个字符向量，提供的名称将被用来标记的样品而不是默认的列名。
参数：rot
rotation of plot. Defaults to c(-1,-1).
图旋转。 c(-1,-1)默认。
参数：labels
character vector to be used for labeling points on the graph; if NULL (default), the row names of x are used instead.
特征向量可用于标签上的图形点;如果NULL（默认），行名x是用来代替。
参数：label.tol
numerical value specifying either the percentile (label.tol<=1)of rows or the number of rows (label.tol>1) most distant from the plot-center (0,0) that are labeled and are plotted as circles with area proportional to the marginal means of the original data. Defaults to 1.
数值指定行的百分（label.tol<=1）或行数（label.tol>1）最遥远的比例从标记和绘制为界面积的小区中心（0,0）原始数据的边际手段。 1默认。
参数：lab.size
size of identifying labels for row- and column-items as cex parameter of the text function. Defaults to 0.725.
识别标签的大小行和列项cextext函数的参数。 0.725默认。
参数：col.size
size of the column symbols in mm. Defaults to 10.
毫米列符号的大小。 10默认。
参数：row.size
size of the row symbols in mm. Defaults to 10.
尺寸在毫米行符号。 10默认。
参数：do.smoothScatter
use smoothScatter or not instead of plotting individual points. Defaults to FALSE.
使用，而不是绘制的个别点或不smoothScatter。 FALSE默认。
参数：do.plot
produce a plot or not. Defaults to TRUE.
产生一个图或没有。 TRUE默认。
参数：...
further arguments are passed on to eqscaleplotLoc which draws the canvas for the plot; useful for adding a main or a custom sub.
进一步的参数被传递到eqscaleplotLoc其中图绘制的画布;加入main自定义sub有用的。
Details
详情----------Details----------
The function plot is based on the function plot.mpm in the R package mpm (Version: 1.0-16, Date: 2009-08-26, Title: Multivariate Projection Methods, Maintainer: Tobias Verbeke <tobias.verbeke@openanalytics.be>, Author: Luc Wouters <wouters_luc@telenet.be>).
基于功能plotR包plot.mpm（版本：1.0-16，日期：2009-08-26标题：多元的投影方法，维护者：托比亚斯的功能mpm韦贝克<tobias.verbeke@openanalytics.be>，作者：吕克·沃特斯<wouters_luc@telenet.be>）。
Biclusters are found by sparse factor analysis where both the factors and the loadings are sparse.
biclusters发现稀疏的因子分析的因素和负荷稀疏。
Essentially the model is the sum of outer products of vectors:
模型本质上是向量外产品的总和：
where the number of summands p is the number of biclusters. The matrix factorization is
加数p是的biclusters数量。矩阵分解
Here λ_i are from R^n, z_i from R^l, L from R^{n \times p}, Z from R^{p \times l}, and X, U from R^{n \times l}.
这里λ_iR^n，z_iR^l，LR^{n \times p}，ZR^{p \times l} X，UR^{n \times l}。
For noise free projection like independent component analysis we set the noise term to zero: U=0.
为噪声独立分量分析等免费预测，我们设置了噪声术语零：U=0。
The argument label.tol can be used to select the most informative rows, i.e. rows that are most distant from the center of the plot (smaller 1: percentage of rows, larger 1: number of rows).
参数label.tol可以用来选择最翔实的行，即行，从图的中心是最遥远的（小1：行的百分比，大1：行数）。
Only these row-items are then labeled and represented as circles with their areas proportional to the row weighting.
只有这些行项目，然后标记和行加权成正比区域的各界代表。
If the column-items are grouped these groups can be visualized by colors given by col.group.
如果分组列项，这些团体可能可视由col.group给定的颜色。
值----------Value----------
参数：Rows
a list with the X and Y coordinates of the rows and an indication Select of whether the row was selected according to label.tol.
与X和Y的列表行协调，并指示Select按label.tol行是否被选中。
参数：Columns
a list with the X and Y coordinates of the columns.
列的X和Y坐标列表。
方法----------Methods----------
signature(x = "Factorization", y = "missing") Plot of a Matrix Factorization
signature(x = "Factorization", y = "missing")图的矩阵分解
作者（S）----------Author(s)----------
Sepp Hochreiter
参见----------See Also----------
fabia, fabias, fabiap, fabi, fabiasp, mfsc, nmfdiv, nmfeu, nmfsc, plot, extractPlot, extractBic, plotBicluster, Factorization, projFuncPos, projFunc, estimateMode, makeFabiaData, makeFabiaDataBlocks, makeFabiaDataPos, makeFabiaDataBlocksPos, matrixImagePlot, summary, show, showSelected, fabiaDemo, fabiaVersion
fabia，fabias，fabiap，fabi，fabiasp，mfsc，nmfdiv，nmfeu，nmfsc，plot，extractPlot，extractBic，plotBicluster，Factorization，projFuncPos，projFunc，estimateMode ，makeFabiaData，makeFabiaDataBlocks，makeFabiaDataPos，makeFabiaDataBlocksPos，matrixImagePlot，summary，show，showSelected fabiaDemo，fabiaVersion
举例----------Examples----------
n=200
l=100
p=4
dat <- makeFabiaDataBlocks(n = n,l= l,p = p,f1 = 5,f2 = 5,
of1 = 5,of2 = 10,sd_noise = 3.0,sd_z_noise = 0.2,mean_z = 2.0,
sd_z = 1.0,sd_l_noise = 0.2,mean_l = 3.0,sd_l = 1.0)
X <- dat[[1]]
ZC <- dat[[3]]
LC <- dat[[4]]
resEx <- fabia(X,p,0.01,400)
gclab <- rep.int(0,l)
gllab <- rep.int(0,n)
clab <- as.character(1:l)
llab <- as.character(1:n)
for (i in 1:p){
for (j in ZC[i]){
clab[j] <- paste(as.character(i),"_",clab[j],sep="")
}
for (j in LC[i]){
llab[j] <- paste(as.character(i),"_",llab[j],sep="")
}
gclab[unlist(ZC[i])] <- gclab[unlist(ZC[i])] + p^i
gllab[unlist(LC[i])] <- gllab[unlist(LC[i])] + p^i
}
groups <- gclab
colnames(resEx@X) <- clab
rownames(resEx@X) <- llab
plot(resEx,dim=c(1,2),label.tol=0.1,col.group = groups,lab.size=0.6)
plot(resEx,dim=c(1,3),label.tol=0.1,col.group = groups,lab.size=0.6)
plot(resEx,dim=c(2,3),label.tol=0.1,col.group = groups,lab.size=0.6)
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 17:30:59
