pdmClass(pdmclass)
pdmClass()所属R语言包：pdmclass
Function to Classify Microarray Data using Penalized
功能分类芯片数据使用判罚
译者：生物统计家园网 机器人LoveR
描述----------Description----------
This function is used to classify microarray data. Since the underlying model fit is based on penalized discriminant methods, there is no need for a pre-filtering step to reduce the number of genes.
此功能用于微阵列数据分类。由于底层模型的拟合处罚的判别方法的基础上，有没有必要为预过滤步骤，以减少基因数目。
用法----------Usage----------
pdmClass(formula , method = c("pls", "pcr", "ridge"), keep.fitted =
TRUE, ...)
参数----------Arguments----------
参数：formula
A symbolic description of the model to be fit. Details given below.
一个象征性的描述模型是合适的。细节如下。
参数：method
One of "pls", "pcr", "ridge", corresponding to partial least squares, principal components regression and ridge regression.
一个“请”，“PCR”，“脊”，相应的偏最小二乘，主成分回归和岭回归。
参数：keep.fitted
Boolean. Should the fitted values be kept? Default is TRUE, as this is necessary for the plotting and predict functions.
布尔值。应保持拟合值吗？默认是真实的，因为这是必要的策划和预测功能。
参数：...
Additional parameters to pass to method or fda. See fda for more information.
额外的参数传递给method或fda。看到fda更多信息。
Details
详情----------Details----------
The formula interface is identical to all other formula calls in R, namely Y ~ X, where Y is a numeric vector of class assignments and X is a matrix or data.frame containing the gene expression values. Note that unlike most microarray analyses, in this instance the columns of X are genes and rows are samples, so most calls will require something similar to Y ~ t(X).
公式的接口是相同的所有其他配方研发，即Y~X，其中Y是一个课堂作业的数字向量，含有该基因的表达值，X是一个矩阵或数据框。请注意，不像大多数的微阵列分析，在此实例中的X列是基因和行是样品，所以大多数检测会要求到Y~T（X）类似。
值----------Value----------
an object of class "fda". Use predict to extract discriminant variables, posterior probabilities or predicted class memberships. Other extractor functions are coef, and plot.
对象类"fda"。使用predict提取判别变量，后验概率或预测的类成员。其他提取功能是coef，plot。
The object has the following components:
对象有下列组件：
参数：percent.explained
the percent between-group variance explained by each dimension (relative to the total explained.)
％，组间方差解释每个维度（相对总解释。）
参数：values
optimal scaling regresssion sum-of-squares for each dimension (see reference). The usual discriminant analysis eigenvalues are given by values / (1-values), which are used to define percent.explained.
最优尺度回归与总和的平方为每个维度（见参考文献）。通常的判别分析特征值values / (1-values)，这是用来定义percent.explained。
参数：means
class means in the discriminant space. These are also scaled versions of the final theta's or class scores, and can be used in a subsequent call to fda (this only makes sense if some columns of theta are omitted—see the references).
类是指在判别空间。这也是最后THETA或类分数的缩放版本，可用于后续调用fda（这有道理，如果THETA一些列略见参考文献）。
参数：theta.mod
(internal) a class scoring matrix which allows predict to work properly.
（内部）一类的得分矩阵允许predict正常工作。
参数：dimension
dimension of discriminant space.
维空间的判别。
参数：prior
class proportions for the training data.
训练数据的类比例。
参数：fit
fit object returned by method.
适合method返回的对象。
参数：call
the call that created this object (allowing it to be update-able)
创建这个对象的调用（允许它是update能）
参数：confusion
A 'confusion' matrix that shows how well the classifier works using the training data.
一个“混乱”的矩阵，显示如何使用的训练数据分类工作。
作者（S）----------Author(s)----------
James W. MacDonald and Debashis Ghosh, based on <code>fda</code> in
the <code>mda</code> package of Trevor Hastie and Robert Tibshirani, which
was ported to R by Kurt Hornik, Brian D. Ripley, and Friedrich Leisch.
参考文献----------References----------
Tibshirani and Buja, 1994, JASA, 1255-1270.
Annals of Statistics, 1995 (in press).
举例----------Examples----------
library(fibroEset)
data(fibroEset)
y <- as.factor(pData(fibroEset)[,2])
x <- t(exprs(fibroEset))
pdmClass(y ~ x)
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 2012-2-26 10:59:39
