classpred(gaga)
classpred()所属R语言包：gaga
Predict the class that a new sample belongs to.
预测一个新的样本属于类。
译者：生物统计家园网 机器人LoveR
描述----------Description----------
Computes the posterior probability that a new sample belongs to each group and classifies it into the group with highest probability.
计算后验概率，一个新的样本属于每个组分为同组的概率最高。
用法----------Usage----------
classpred(gg.fit, xnew, x, groups, prgroups, ngene=100)
参数----------Arguments----------
参数：gg.fit
GaGa or MiGaGa fit (object of type gagafit, as returned by fitGG).
GAGA或MiGaGa合适的类型gagafit，fitGG返回的对象。
参数：xnew
Expression levels of the sample to be classified. Only the subset of the genes indicated by ngene is used.
样本中的表达水平进行分类。只使用由ngene表明基因子集。
参数：x
ExpressionSet, exprSet, data frame or matrix containing the gene expression measurements used to fit the model.
ExpressionSet，exprSet，数据框或矩阵包含用于拟合模型的基因表达测量。
参数：groups
If x is of type ExpressionSet or exprSet, groups should be the name of the column in pData(x) with the groups that one wishes to compare. If x is a matrix or a data frame, groups should be a vector indicating to which group each column in x corresponds to.
x如果类型ExpressionSet或exprSet，groups应该是列名pData(x)一个愿望比较组。 x如果是一个矩阵或一个数据框，groups应该是哪一组x中的每一列对应的向量。
参数：prgroups
Vector specifying prior probabilities for each group. Defaults to equally probable groups.
向量为每个组指定先验概率。同样可能群体的默认。
参数：ngene
Number of genes to use to build the classifier. Genes with smaller probability of being equally expressed are selected first.
用来建立分类的基因数目。首先选择与被同样表示的概率较小的基因。
Details
详情----------Details----------
The classifier weights each gene according to the posterior probability that it is differentially expressed. Hence, adding genes that are unlikely to be differentially expressed does not affect the performance of the classifier, but it does increase the computational cost. All computations are performed by fixing the hyper-parameters to their estimated value (posterior mean if model was fit with method=='Bayes' or maximum likelihood estimate is model was fit with method=='EBayes').
每个分类器的重量根据后验概率，它是差异表达的基因。因此，不可能将差异表达的基因是不影响分类器的性能，但它确实增加了计算成本。所有的计算都是由他们的估计价值确定超参数（如果模型适合method=='Bayes'或最大似然估计模型与method=='EBayes'适合后平均）。
值----------Value----------
List with the following elements:
名单包含下列元素：
参数：d
Numeric value indicating the group that the new sample is classified into, i.e. where the maximum in posgroups is.
数值表示，新的样本分为组，即posgroups最大。
参数：posgroups
Vector giving the posterior probability that the xnew belongs to each of the groups.
媒介提供的xnew属于各组的后验概率。
作者（S）----------Author(s)----------
David Rossell
参考文献----------References----------
flexible hierarchical model for microarray
参见----------See Also----------
fitGG, parest
fitGG，parest
举例----------Examples----------
#Not run. Example from the help manual[无法运行。例如，从帮助手册]
#library(gaga)[库（加加）]
#set.seed(10)[set.seed（10）]
#n <- 100; m <- c(6,6)[N < - 100米< - C（6,6）]
#a0 <- 25.5; nu <- 0.109[A0 < - 25.5; NU < - 0.109]
#balpha <- 1.183; nualpha <- 1683[balpha < - 1.183; nualpha < - 1683]
#probpat <- c(.95,.05)[probpat < - C（0.95，0.05）]
#xsim <- simGG(n,m,p.de=probpat[2],a0,nu,balpha,nualpha)[simGG XSIM < - （N，M，p.de = probpat [2]，A0，Nu，balpha，nualpha）]
#[]
#ggfit <- fitGG(xsim$x[,c(-6,-12)],groups,patterns=patterns,nclust=1)[ggfit < - fitGG（XSIM $ X，C（-6，-12），团体，花纹图案，nclust = 1）]
#ggfit <- parest(ggfit,x=xsim$x[,c(-6,-12)],groups,burnin=100,alpha=.05)[ggfit < - parest（ggfit，X = XSIM $ X [，C（-6，-12），团体，燃尽= 100，α= .05）]
#[]
#pred1 <- classpred(ggfit,xnew=xsim$x[,6],x=xsim$x[,c(-6,-12)],groups)[pred1 < - classpred（ggfit，xnew = XSIM $ X [6]，X = XSIM $ X [，C（-6，-12）]，组）]
#pred2 <- classpred(ggfit,xnew=xsim$x[,12],x=xsim$x[,c(-6,-12)],groups)[pred2 < - classpred（ggfit，xnew = XSIM $ X [12]，X = XSIM $ X [，C（-6，-12），组）]
#pred1[pred1]
#pred2[pred2]
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 18:20:37
