R语言 iterativeBMA包 bma.predict()函数中文帮助文档(中英文对照)

loveR

bma.predict(iterativeBMA)
bma.predict()所属R语言包：iterativeBMA

                                        Predicted Probabilities from Bayesian Model Averaging
                                         贝叶斯模型平均预测概率

                                         译者：生物统计家园网 机器人LoveR

描述----------Description----------

This function computes the predicted posterior probability  that each test sample belongs to class 1.  It assumes
此函数计算的预测后验概率，每个测试样本属于第1类。它假定


用法----------Usage----------


bma.predict (newdataArr, postprobArr, mleArr)



参数----------Arguments----------

参数：newdataArr
a vector consisting of the data from a test sample.
从测试样品中的数据向量组成。


参数：postprobArr
a vector consisting of the posterior probability of each BMA selected model.
每个劳社所选模型的后验概率向量组成。


参数：mleArr
matrix with one row per model and one column per variable giving  the maximum likelihood estimate of each coefficient for each  BMA selected model.
与一列每个模型和每一个变量列，使每个劳社所选模型的最大似然估计每个系数矩阵。


Details

详情----------Details----------

Let Y be the response variable (class labels for samples in our case).  In Bayesian Model Averaging (BMA), the posterior  probability of Y=1 given the training set is the weighted  average of the posterior probability of Y=1 given the training set  and model M multiplied by the posterior probability of model M
设Y为响应变量（类样品的标签，在我们的例子）。在贝叶斯模型平均（BMA），给定的训练集后验概率为Y = 1：Y = 1的后验概率加权平均后验概率模型M乘以训练集和模型M


值----------Value----------

A real number between zero and one, representing the predicted
一个0和1之间的实数，较预测


参考文献----------References----------

Bayesian model selection in social research (with Discussion). Sociological Methodology 1995 (Peter V. Marsden, ed.), pp. 111-196, Cambridge, Mass.: Blackwells.
Bayesian Model Averaging: Development of an improved multi-class, gene selection and classification tool for microarray data.  Bioinformatics 21: 2394-2402.

参见----------See Also----------

brier.score, iterateBMAglm.train
brier.score，iterateBMAglm.train


举例----------Examples----------


library (Biobase)
library (BMA)
library (iterativeBMA)
data(trainData)
data(trainClass)

## training phase: select relevant genes[训练阶段：选择相关的基因]
ret.bic.glm <- iterateBMAglm.train (train.expr.set=trainData, trainClass, p=100)

## get the selected genes with probne0 &gt; 0[＃得到与probne0> 0选定的基因]
ret.gene.names <- ret.bic.glm$namesx[ret.bic.glm$probne0 > 0]

data (testData)

## get the subset of test data with the genes from the last iteration of bic.glm[＃得到最后一次迭代从对bic.glm的基因测试数据的子集]
curr.test.dat <- t(exprs(testData)[ret.gene.names,])

## to compute the predicted probabilities for the test samples[＃计算测试样本的预测概率]
y.pred.test <- apply (curr.test.dat, 1, bma.predict, postprobArr=ret.bic.glm$postprob, mleArr=ret.bic.glm$mle)

## compute the Brier Score if the class labels of the test samples are known[＃计算分数，如果测试样本类的标签被称为马库斯 - 布莱尔]
data (testClass)
brier.score (y.pred.test, testClass)


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。