R语言 iterativeBMA包 iterativeBMA-package()函数中文帮助文档(中英文对照)

loveR

iterativeBMA-package(iterativeBMA)
iterativeBMA-package()所属R语言包：iterativeBMA

                                         The Iterative Bayesian Model Averaging (BMA) algorithm
                                         迭代贝叶斯模型平均（BMA）的算法

                                         译者：生物统计家园网 机器人LoveR

描述----------Description----------

The iterative Bayesian Model Averaging (BMA) algorithm is a variable  selection and classification algorithm with an application of  classifying 2-class microarray samples, as described in Yeung,  Bumgarner and Raftery (Bioinformatics 2005, 21: 2394-2402).
迭代贝叶斯模型平均（BMA）的算法是一个变量的选择与分类算法的分类2级的芯片样品，杨，布姆加纳和拉夫特里（生物信息学，2005，21：2394至2402年）的描述中的应用。


Details

详情----------Details----------

The function iterateBMAglm.train selects relevant variables by iteratively applying the bic.glm function from the BMA package. The data is assumed to consist of two classes.  The function iterateBMAglm.train.predict combines the training and prediction phases, and returns the predicted posterior probabilities that each test sample belongs to class 1. The function iterateBMAglm.train.predict.test combines the training, prediction and test phases, and returns a list consisting of the numbers of selected genes and models using the training data, the number of classification errors and the Brier Score on the test set.
通过反复申请iterateBMAglm.train包bic.glm函数的功能BMA选择相关的变量。数据假定两个类组成。的功能iterateBMAglm.train.predict相结合的训练和预测阶段，并返回预测，每个测试样本属于第1类的后验概率。的功能iterateBMAglm.train.predict.test相结合的培训，预测和测试阶段，并返回一个列表，选定的基因，并利用训练数据模型的数字组成，分类错误的数量和测试集上的马库斯 - 布莱尔分数。


作者（S）----------Author(s)----------



Ka Yee Yeung, University of Washington, Seattle, WA, with
contributions from Adrian Raftery and Ian Painter

Maintainer: Ka Yee Yeung <kayee@u.washington.edu>




参考文献----------References----------

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----------

iterateBMAglm.train.predict,   iterateBMAglm.train.predict.test, bma.predict, brier.score
iterateBMAglm.train.predict，iterateBMAglm.train.predict.test，bma.predict，brier.score


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。