R语言 pcaMethods包 BPCA_initmodel()函数中文帮助文档(中英文对照)

loveR

BPCA_initmodel(pcaMethods)
BPCA_initmodel()所属R语言包：pcaMethods

                                        Initialize BPCA model
                                         初始化BPCA模型

                                         译者：生物统计家园网 机器人LoveR

描述----------Description----------

Model initialization for Bayesian PCA. This function is NOT
PCA的贝叶斯模型初始化。此功能不


用法----------Usage----------


BPCA_initmodel(y, components)



参数----------Arguments----------

参数：y
numeric matrix containing missing values. Missing values are denoted as 'NA'
含有缺失值的数字矩阵。遗漏值记为“不适用”


参数：components
Number of components used for estimation </table>
使用的组件数估计</ TABLE>


Details

详情----------Details----------

The function calculates the initial Eigenvectors by use of SVD from the complete rows.  The data structure M is created and
函数计算初始特征向量的SVD使用从完整的行。数据结构M是创建和


值----------Value----------

List containing
列表，其中包含


参数：rows
Row number of input matrix
输入矩阵的行数


参数：cols
Column number of input matrix
输入矩阵的列数


参数：comps
Number of components to use
使用的元件数量


参数：yest
(working variable) current estimate of complete data
（变量）完整的数据，目前估计


参数：row_miss
(Array) Indizes of rows containing missing values
（阵列）Indizes含有缺失值的行


参数：row_nomiss
(Array) Indices of complete rows (such with no missing values)
（阵列）的完整行指数（没有遗漏值等）


参数：nans
Matrix of same size as input data. TRUE if input == NA, false otherwise
矩阵作为输入数据的大小相同。 TRUE，如果input == NA，否则返回false


参数：mean
Column wise data mean
列明智的数据是什么意思


参数：PA
(d x k) Estimated principal axes (eigenvectors, loadings) The matrix ROWS are the vectors
（dxk）预计主轴（向量，荷载）矩阵的行向量


参数：tau
Estimated precision of the residual error
估计精度的残差


参数：scores
Estimated scores
估计分数

Further elements are: galpha0, balpha0, alpha, gmu0, btau0, gtau0,
进一步的要素是：galpha0，balpha0，阿尔法，gmu0，btau0，gtau0


作者（S）----------Author(s)----------


Wolfram Stacklies

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。