rrfcv(RRF)
rrfcv()所属R语言包：RRF
Random Forest Cross-Valdidation for feature selection
随机森林的跨Valdidation为特征选择
译者：生物统计家园网 机器人LoveR
描述----------Description----------
This function shows the cross-validated prediction performance of models with sequentially reduced number of predictors (ranked by variable importance) via a nested cross-validation procedure.
此功能显示顺序数量减少的预测（变量重要性排名）通过一个嵌套的交叉验证程序的交叉验证模型的预测性能。
用法----------Usage----------
rrfcv(trainx, trainy, cv.fold=5, scale="log", step=0.5,
mtry=function(p) max(1, floor(sqrt(p))), recursive=FALSE, ...)
参数----------Arguments----------
参数：trainx
matrix or data frame containing columns of predictor variables
矩阵或数据框包含的列的预测变量
参数：trainy
vector of response, must have length equal to the number of rows in trainx
响应矢量的，必须具有等于trainx的行数的长度
参数：cv.fold
number of folds in the cross-validation
在交叉验证的倍数数
参数：scale
if "log", reduce a fixed proportion (step) of variables at each step, otherwise reduce step variables at a time
如果"log"，减少一个固定的比例（step）变量的每一步，否则减少step一个时间变量
参数：step
if log=TRUE, the fraction of variables to remove at each step, else remove this many variables at a time
如果log=TRUE，分数的变量，在每一步中删除，否则删除的时候在这许多变数
参数：mtry
a function of number of remaining predictor variables to use as the mtry parameter in the RRF call
剩余的预测变量用作mtry参数在RRF呼叫数目的函数
参数：recursive
whether variable importance is (re-)assessed at each step of variable reduction
是否可变的重要性是（重新）评估变量减少在每一步
参数：...
other arguments passed on to RRF
其他参数传递给RRF
值----------Value----------
A list with the following components:
以下组件列表：
list(n.var=n.var, error.cv=error.cv, predicted=cv.pred)
的列表（n.var = n.var，error.cv = error.cv，预测= cv.pred）
参数：n.var
vector of number of variables used at each step
在每个步骤中所用的变量数目的矢量
参数：error.cv
corresponding vector of error rates or MSEs at each step
在每个步骤中的错误率或微型和小型企业对应的向量
参数：predicted
list of n.var components, each containing the predicted values from the cross-validation
n.var的组件，每个组件包含交叉验证的预测值的列表
（作者）----------Author(s)----------
Andy Liaw
参考文献----------References----------
Random Forest to Modeling Structure-Activity Relationships of Pharmaceutical Molecules”, MCS 2004, Roli, F. and Windeatt, T. (Eds.) pp. 334-343.
参见----------See Also----------
RRF, importance
RRF，importance
实例----------Examples----------
set.seed(647)
myiris <- cbind(iris[1:4], matrix(runif(508 * nrow(iris)), nrow(iris), 508))
result <- rrfcv(myiris, iris$Species)
with(result, plot(n.var, error.cv, log="x", type="o", lwd=2))
## The following can take a while to run, so if you really want to try[＃下面可能需要一段时间来运行，所以，如果你真的想尝试一下]
## it, copy and paste the code into R.[＃，复制和粘贴代码到R.]
## Not run: [＃不运行：]
result <- replicate(5, rrfcv(myiris, iris$Species), simplify=FALSE)
error.cv <- sapply(result, "[[", "error.cv")
matplot(result[[1]]$n.var, cbind(rowMeans(error.cv), error.cv), type="l",
lwd=c(2, rep(1, ncol(error.cv))), col=1, lty=1, log="x",
xlab="Number of variables", ylab="CV Error")
## End(Not run)[＃（不执行）]
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 2012-9-28 21:08:23
