R语言 MCRestimate包 important.variable.names()函数中文帮助文档(中英文对照)

loveR

important.variable.names(MCRestimate)
important.variable.names()所属R语言包：MCRestimate

                                        Writing tables with variable information
                                         写作与可变信息表

                                         译者：生物统计家园网 机器人LoveR

描述----------Description----------

The information slot of a MCRestimate object may contain lists of variable names that are important for each classification. This function produces summary tables of these variables. It is assumed that the first column of each information list contains the variable names if not otherwise specified with the argument listName. This is important if someone wants to write a new wrapper for a classification method.
信息MCRestimate对象插槽可能包含重要的是为每个分类的变量名的名单。此功能产生这些变量的汇总表。据推测，如果没有其他参数LISTNAME指定的每个信息列表的第一列包含变量名。这是很重要的，如果有人想要写一个新的分类方法包装。


用法----------Usage----------





参数----------Arguments----------

参数：mcr
an object of class MCRestimate  
一个对象类MCRestimate


参数：file
a character string specifies the name of the output files
一个字符串指定输出文件的名称


参数：listName
a character string specifying the variable names vector in the information list
在信息列表中指定的变量名向量字符串


参数：writeFile
Should the files be written?
应该被写入文件？


参数：...
Further arguments that are passed on to plot.default
进一步传递到plot.default的参数


值----------Value----------

The function is called for its side effect, writing two tables
该功能被称为其副作用，写两个表


作者（S）----------Author(s)----------


Markus Ruschhaupt <a href="mailto:m.ruschhaupt@dkfz.de">mailto:m.ruschhaupt@dkfz.de</a>



举例----------Examples----------


library(golubEsets)
data(Golub_Train)


class.column <- "ALL.AML"
list.of.poss.parameter <- list(var.numbers = c(250,1000))
Preprocessingfunctions <- c("identity")
list.of.poss.parameter <- list(threshold = 6)
class.function <- "PAM.wrap"
plot.label <- "Samples"

cross.outer <- 10
cross.repeat <- 7
cross.inner <- 5

PAM.estimate <- MCRestimate(Golub_Train,
                class.column,
                classification.fun = class.function,
                thePreprocessingMethods = Preprocessingfunctions,
                poss.parameters = list.of.poss.parameter,
                cross.outer = cross.outer,
                cross.inner = cross.inner,
                cross.repeat = cross.repeat,
                plot.label = plot.label)

                important.variable.names(PAM.estimate)

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。