R语言 plsdof包 kernel.pls.fit()函数中文帮助文档(中英文对照)

loveR

kernel.pls.fit(plsdof)
kernel.pls.fit()所属R语言包：plsdof

                                        Kernel Partial Least Squares Fit
                                         核偏最小二乘法拟合

                                         译者：生物统计家园网 机器人LoveR

描述----------Description----------

This function computes the Partial Least Squares fit. This algorithm scales mainly in the number of observations.
此函数计算偏最小二乘拟合。该算法的若干意见主要集中在规模。


用法----------Usage----------


kernel.pls.fit(X, y, m, compute.jacobian,DoF.max)



参数----------Arguments----------

参数：X
matrix of predictor observations.  
矩阵的预测意见。


参数：y
vector of response observations. The length of y is the same as the number of rows of X.  
矢量的反应观测。的长度yX的数量的行是相同的。


参数：m
maximal number of Partial Least Squares components. Default is m=ncol(X).  
最大数的偏最小二乘组件。默认值是m= NCOL（X）。“


参数：compute.jacobian
Should the first derivative of the regression coefficients be computed as well? Default is FALSE </table>
应的回归系数的一阶导数，以及计算？默认是FALSE</ TABLE>


参数：DoF.max
upper bound on the Degrees of Freedom. Default is min(ncol(X)+1,nrow(X)-1).
上界上的自由度。默认是min(ncol(X)+1,nrow(X)-1)。


Details

详细信息----------Details----------

We first standardize X to zero mean and unit variance.
我们首先规范X零均值和单位方差。


值----------Value----------


参数：coefficients
matrix of regression coefficients
回归系数矩阵


参数：intercept
vector of regression intercepts
向量的回归拦截的


参数：DoF
Degrees of Freedom
自由度


参数：sigmahat
vector of estimated model error
估计模型误差向量


参数：Yhat
matrix of fitted values
矩阵的拟合值


参数：yhat
vector of squared length of fitted values
矢量拟合值的平方长度


参数：RSS
vector of residual sum of error
误差矢量的残差


参数：covariance
NULL object.
NULL对象。


参数：TT
matrix of normalized PLS components
矩阵的归一化PLS成分


（作者）----------Author(s)----------


Nicole Kraemer, Mikio L. Braun




参考文献----------References----------

http://pubs.amstat.org/doi/abs/10.1198/jasa.2011.tm10107


参见----------See Also----------

linear.pls.fit, pls.cv,pls.model, pls.ic
linear.pls.fit，pls.cv，pls.model，pls.ic


实例----------Examples----------


n&lt;-50 # number of observations[的观测数]
p&lt;-5 # number of variables[的变量数目]
X<-matrix(rnorm(n*p),ncol=p)
y<-rnorm(n)


pls.object<-kernel.pls.fit(X,y,m=5,compute.jacobian=TRUE)



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。