R语言 rminer包 mgraph()函数中文帮助文档(中英文对照)

loveR

mgraph(rminer)
mgraph()所属R语言包：rminer

                                         Mining graph function
                                         矿业图形功能

                                         译者：生物统计家园网 机器人LoveR

描述----------Description----------

Plots a graph given a mining list, list of several mining lists or given the pair y - target and x - predictions.
绘制一个图形，一个mining列表，列表中的几个采矿列表或对Y  - 目标和x  - 预测。


用法----------Usage----------


mgraph(y, x = NULL, graph, leg = NULL, xval = -1, PDF = "", PTS = -1,
       size = c(5, 5), sort = TRUE, ranges = NULL, data = NULL,
       digits = NULL, TC = -1, intbar = TRUE, lty = 1, col = "black",
       main = "", metric = "MAE", baseline = FALSE, Grid = 0,
       axis = NULL)



参数----------Arguments----------

参数：y
if there are predictions (!is.null(x)), y should be a numeric vector or factor with the target desired responses (or output values).<br> Else, y should be a list returned by the  mining function or a vector list with several mining lists.
如果有预测（!is.null(x)）y应该是一个数值向量或与目标所需的响应（或输出值）。<BR>其他因素，y应该是返回一个列表mining函数或向量列表的几个采矿列表。


参数：x
the predictions (should be a numeric vector if task="reg", matrix if task="prob" or factor if task="class" (use if y is not a list).
预测（应该是一个数值向量，如果task="reg"，矩阵task="prob"或因素，如果task="class"（使用y如果是不是一个列表）。


参数：graph
type of graph. Options are:  
图形类型。选项有：

ROC &ndash; ROC curve (classification);
ROC -  ROC曲线（分类）;

LIFT &ndash; LIFT accumulative curve (classification);
LIFT  -  LIFT累积曲线（分类）;

IMP &ndash; relative input importance barplot;
IMP - 相对输入的重视barplot的;

REC &ndash; REC curve (regression);
REC -  REC曲线（回归）;

VEC &ndash; variable effect curve;
VEC  - 变效应曲线;

RSC &ndash; regression scatter plot;
RSC“ - 回归散点图;

REP &ndash; regression error plot;
REP - 回归误差图;

REG &ndash; regression plot;
REG  - 回归图;

DLC &ndash; distance line comparison (for comparing errors in one line);
DLC - 长途线路比较（比较一行中的错误）;


参数：leg
legend of graph:  
传说中的图：

if NULL &ndash; not used;
如果NULL - 不使用;

if -1 and graph="ROC" or "LIFT"  &ndash; the target class name is used;
如果为-1，graph="ROC" or "LIFT" - 目标类的名称使用;

if -1 and graph="REG"  &ndash; leg=c("Target","Predictions");
如果为-1 graph="REG" - leg=c("Target","Predictions");

if -1 and graph="RSC"  &ndash; leg=c("Predictions");
如果为-1 graph="RSC" - leg=c("Predictions");

if vector with "character" type (text) -- the text of the legend;
如果向量与“性格”的类型（文本） - 文本的传说;

if is list -- $leg = vector with the text of the legend and $pos is the position of the legend (e.g. "top" or c(4,5));
如果是列表 - $leg=向量与文本的传说和$pos是传说中的位置（例如“顶”或c（4,5））;


参数：xval
auxiliary value, used by some graphs:  
辅助值，使用一些图表：

VEC &ndash; if -1 means perform several 1-D sensitivity analysis VEC curves, one for each attribute, if >0 means the attribute index (e.g. 1).
VEC - 如果执行数1-D的敏感性分析VEC曲线，为每个属性之一，-1表示如果> 0表示的属性的索引（例如1）。

ROC or LIFT or REC &ndash; if -1 then xval=1. For these graphs, xval is the maximum x-axis value.
ROC或LIFT或REC“ - 如果为-1，然后xval=1。这些图形，xval是最大的X轴值。

IMP &ndash; xval is the x-axis value for the legend of the attributes.
IMP - xval是X轴值的属性的传说。

REG &ndash; xval is the set of plotted examples (e.g. 1:5), if -1 then all examples are used.
REG - xval是绘制的例子（例如，1:5）的组，如果-1，那么所有的例子都使用。

DLC &ndash; xval is the val of the mmetric function.
DLC - xval是val的mmetric功能。


参数：PDF
if "" then the graph is plotted on the screen, else the graph is saved into a pdf file with the name set in this argument.
如果""然后在屏幕上绘制图形，在此参数中设置的名称的PDF文件保存到其他的图形。


参数：PTS
number of points in each line plot. If -1 then PTS=11 (for ROC, REC or LIFT) or PTS=6 (VEC).
每个线图中的点的数量。如果为-1，然后PTS=11（ROC，REC或LIFT）或PTS=6（VEC）。


参数：size
size of the graph, c(width,height), in inches.
的曲线图时，c（宽度，高度），以英寸为单位的大小。


参数：sort
if TRUE then sorts the data (works only for some graphs, e.g. VEC, IMP, REP).
如果TRUE，则排序的数据（仅适用于一些图表，如：VEC，IMP，REP）。


参数：ranges
matrix with the attribute minimum and maximum ranges (only used by VEC).
矩阵的属性最小和最大范围（仅使用VEC）。


参数：data
the training data, for plotting histograms and getting the minimum and maximum attribute ranges if not defined in ranges (only used by VEC).
训练数据，绘制直方图和获得的最小和最大的属性范围，如果没有定义范围（仅使用VEC）。


参数：digits
the number of digits for the axis, can also be defined as c(x-axis digits,y-axis digits) (only used by VEC).
该轴的位数的数目，也可以被定义为c（x-轴数字，y-轴位数）（仅用于VEC）。


参数：TC
target class (for multi-class classification class) within 1,...,Nc, where Nc is the number of classes. If multi-class and TC==-1 then TC is set to  the index of the last class.
目标多类分类的类内类1，...，NC，NC的班级数目。如果是多级和TC == -1，则TC设置为最后一堂课的索引。


参数：intbar
if 95% confidence interval bars (according to t-student distribution) should be plotted as whiskers.
如果95％的置信区间条（根据T-学生分布）应该被绘制成晶须。


参数：lty
the same lty argument of the par function.
同样的ltypar函数的参数。


参数：col
color, as defined in the par function.
颜色，par函数中定义。


参数：main
the title of the graph, as defined in the plot function.
plot函数的曲线图，所定义的标题。


参数：metric
the error metric, as defined in mmetric (used by DLC).
的错误度量的定义，mmetric（使用DLC）中。


参数：baseline
if the baseline should be plotted (used by ROC and LIFT).
如果基准应绘制（使用ROC和LIFT）。


参数：Grid
if >1 then there are GRID light gray squared grid lines in the plot.
如果> 1，则有GRID浅灰色方格线中的图。


参数：axis
Currently only used by IMP: numeric vector with the axis numbers (1 &ndash; bottom, 3 &ndash; top). If NULL then axis=c(1,3).
目前只用于IMP：数字矢量与轴号（1  - 底，3  - 上）。如果NULL然后axis=c(1,3)的。


Details

详细信息----------Details----------

Plots a graph given a mining list, list of several mining lists or given the pair y - target and x - predictions.
绘制一个图形，一个mining列表，列表中的几个采矿列表或对Y  - 目标和x  - 预测。


值----------Value----------

A graph (in screen or pdf file).
一个图的（屏幕或PDF文件）。


注意----------Note----------

See also http://www3.dsi.uminho.pt/pcortez/rminer.html
也http://www3.dsi.uminho.pt/pcortez/rminer.html


（作者）----------Author(s)----------


Paulo Cortez <a href="http://www3.dsi.uminho.pt/pcortez">http://www3.dsi.uminho.pt/pcortez</a>



参考文献----------References----------


To check for more details about rminer and for citation purposes:<br> P. Cortez.<br> Data Mining with Neural Networks and Support Vector Machines Using the R/rminer Tool.<br> In P. Perner (Ed.), Advances in Data Mining - Applications and Theoretical Aspects 10th Industrial Conference on Data Mining (ICDM 2010), Lecture Notes in Artificial Intelligence 6171, pp. 572-583, Berlin, Germany, July, 2010. Springer. ISBN: 978-3-642-14399-1.<br> @Springer: http://www.springerlink.com/content/e7u36014r04h0334<br> http://www3.dsi.uminho.pt/pcortez/2010-rminer.pdf<br> </ul>

参见----------See Also----------

fit, predict.fit, mining, mmetric, savemining and Importance.
fit，predict.fit，mining，mmetric，savemining和Importance。


实例----------Examples----------


### regression[＃＃回归]
y=c(1,5,10,11,7,3,2,1);x=rnorm(length(y),0,1.0)+y
mgraph(y,x,graph="RSC",Grid=10,col=c("blue"))
mgraph(y,x,graph="REG",Grid=10,lty=1,col=c("black","blue"),
       leg=list(pos="topleft",leg=c("target","predictions")))
mgraph(y,x,graph="REP",Grid=10)
mgraph(y,x,graph="REP",Grid=10,sort=FALSE)
x2=rnorm(length(y),0,1.2)+y;x3=rnorm(length(y),0,1.4)+y;
L=vector("list",3); pred=vector("list",1); test=vector("list",1);
pred[[1]]=y; test[[1]]=x; L[[1]]=list(pred=pred,test=test,runs=1)
test[[1]]=x2; L[[2]]=list(pred=pred,test=test,runs=1)
test[[1]]=x3; L[[3]]=list(pred=pred,test=test,runs=1)
mgraph(L,graph="DLC",metric="MAE",leg=c("x","x2","x3"),main="MAE errors")

### regression example with mining[＃＃回归例如采矿]
data(sin1reg)
M1=mining(y~.,sin1reg[,c(1,2,4)],model="mr",Runs=5)
M2=mining(y~.,sin1reg[,c(1,2,4)],model="mlpe",
          mpar=c(3,50),search=4,Runs=5,feature="simp")
L=vector("list",2); L[[1]]=M2; L[[2]]=M1
mgraph(L,graph="REC",xval=0.1,leg=c("mlpe","mr"),main="REC curve")
mgraph(L,graph="DLC",metric="TOLERANCE",xval=0.01,
       leg=c("mlpe","mr"),main="DLC: TOLERANCE plot")
mgraph(M2,graph="IMP",xval=0.01,leg=c("x1","x2"),
       main="sin1reg Input importance",axis=1)
mgraph(M2,graph="VEC",xval=1,main="sin1reg 1-D VEC curve for x1")
mgraph(M2,graph="VEC",xval=1,
       main="sin1reg 1-D VEC curve and histogram for x1",data=sin1reg)

### classification example[＃＃分类示例]
data(iris)
M1=mining(Species~.,iris,model="dt",Runs=5)
M2=mining(Species~.,iris,model="svm",Runs=5)
L=vector("list",2); L[[1]]=M2; L[[2]]=M1
mgraph(M1,graph="ROC",TC=3,leg=-1,baseline=TRUE,Grid=10,main="mr ROC")
mgraph(M1,graph="ROC",TC=3,leg=-1,baseline=TRUE,Grid=10,main="mr ROC",intbar=FALSE)
mgraph(L,graph="ROC",TC=3,leg=c("svm","dt"),baseline=TRUE,Grid=10,
       main="ROC for virginica")
mgraph(L,graph="LIFT",TC=3,leg=list(pos=c(0.4,0.2),leg=c("svm","dt")),
       baseline=TRUE,Grid=10,main="LIFT for virginica")

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。