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

loveR

crossvaldata(rminer)
crossvaldata()所属R语言包：rminer

                                         Computes k-fold cross validation for rminer models.
                                         计算K-fold交叉验证rminer模型。

                                         译者：生物统计家园网 机器人LoveR

描述----------Description----------

Computes k-fold cross validation for rminer models.
计算K-fold交叉验证rminer模型。


用法----------Usage----------


crossvaldata(x, data, theta.fit, theta.predict, ngroup = n,
             order = FALSE, model, task, feature = "none",
             ...)



参数----------Arguments----------

参数：x
See fit for details.
见fit的详细信息。


参数：data
See fit for details.
见fit的详细信息。


参数：theta.fit
fitting function
拟合函数


参数：theta.predict
prediction function
预测功能


参数：ngroup
number of folds
倍数数


参数：order
if TRUE then a static ordered sampling cross-validation is adopted (e.g. useful for time series data), else the normal random sampling is adopted.
如果TRUE然后一个静态的有序抽样采用交叉验证（例如，有用的时间序列数据），否则，正常采用随机抽样。


参数：model
See fit for details.
见fit的详细信息。


参数：task
See fit for details.
见fit的详细信息。


参数：feature
See fit for details.
见fit的详细信息。


参数：...
Additional parameters sent to theta.fit (e.g. search, mpar, scale, transform)
发送额外的参数theta.fit（如：search，mpar，scale，transform）


Details

详细信息----------Details----------

Standard k-fold cross-validation but adopted for rminer models. For classification tasks ("class" or "prob") a stratified sampling is used (the class distributions are identical for each fold).
标准k-折交叉验证，但采用rminer模型。对于分类任务（“类”或“概率”）分层抽样（倍为每个类的分布是相同的）。


值----------Value----------

Returns a list with:  
返回一个列表：

$cv.fit – all predictions (factor if task="class", matrix if task="prob" or numeric if task="reg");
如果task="class"，矩阵如果task="prob"或数字的cv.fit  - 所有的预测（因子如果task="reg"）;

$mpar -- matrix with the mpar for each fold;
MPAR  - 矩阵的MPAR每个倍;

$attributes -- the selected attributes for each fold if a feature selection algorithm was adopted;
属性 - 将选定的属性为每个倍，如果采用的特征选择算法;

$ngroup -- the number of folds;
$ n组 - 倍数的数目;

$leave.out -- the computed size for each fold (=nrow(data)/ngroup);
$ leave.out  - 计算尺寸为每个倍（=nrow(data)/ngroup）;

$groups -- vector list with the indexes of each group;
团体 - 矢量各组的索引列表;

$call -- the call of this function;
$通话 - 这个函数的调用;

</ul>
</ ul>


注意----------Note----------

A better control (e.g. use of several Runs) is achieved using the simpler mining function.
实现更好的控制（如使用的几个运行）使用简单mining功能。


（作者）----------Author(s)----------


This function was adapted by Paulo Cortez from the <code>crossval</code> function of the bootstrap library (S original by R. Tibshirani and R port by F. Leisch).



参考文献----------References----------

Check the <code>crossval</code> function of the bootstrap library.

参见----------See Also----------


实例----------Examples----------


data(iris)
M=crossvaldata(Species~.,iris,fit,predict,ngroup=3,model="mlpe",
                task="prob",search=4,mpar=c(3,100,"holdout",2/3,"AUC"))

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。