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

loveR

Weka_classifier_lazy(RWeka)
Weka_classifier_lazy()所属R语言包：RWeka

                                        R/Weka Lazy Learners
                                         R / Weka中的懒惰学习

                                         译者：生物统计家园网 机器人LoveR

描述----------Description----------

R interfaces to Weka lazy learners.
R接口到WEKA懒惰的学习者。


用法----------Usage----------


IBk(formula, data, subset, na.action,
    control = Weka_control(), options = NULL)
LBR(formula, data, subset, na.action,
    control = Weka_control(), options = NULL)



参数----------Arguments----------

参数：formula
a symbolic description of the model to be fit.
一个象征性的模型来描述是合适的。


参数：data
an optional data frame containing the variables in the model.
一个可选的数据框包含在模型中的变量。


参数：subset
an optional vector specifying a subset of observations to be used in the fitting process.
一个可选的矢量指定的装配过程中可以使用的观测值的一个子集。


参数：na.action
a function which indicates what should happen when the data contain NAs.
一个函数，它表示当数据包含NA的，应该发生什么。


参数：control
an object of class Weka_control giving options to be passed to the Weka learner.  Available options can be obtained on-line using the Weka Option Wizard WOW, or the Weka documentation.
对象的类Weka_control提供选项将被传递给Weka中学习。可用的选项可以使用在WEKA选项向导WOW，或在WEKA文档上线。


参数：options
a named list of further options, or NULL (default).  See Details.
一个名为进一步的选项列表，或NULL（默认）。查看详细信息。


Details

详细信息----------Details----------

There are a predict method for predicting from the fitted models, and a summary method based on evaluate_Weka_classifier.
有一个predict从拟合模型的预测方法，并summary方法的基础上evaluate_Weka_classifier。

IBk provides a k-nearest neighbors classifier, see Aha \& Kibler (1991).
IBk提供了一个k最近邻分类，请参阅：啊哈\＆基布雷尔（1991年）。

LBR (“Lazy Bayesian Rules”) implements a lazy learning approach to lessening the attribute-independence assumption of naive Bayes as suggested by Zheng \& Webb (2000).
LBR（“懒惰贝叶斯规则”），实现了懒的学习方法，以减少属性独立性假设的朴素贝叶斯郑\＆韦伯（2000）所建议的。

The model formulae should only use the + and - operators to indicate the variables to be included or not used, respectively.
模型公式应该只使用+和-运营商表示的变量或不使用，分别。

Argument options allows further customization.  Currently, options model and instances (or partial matches for these) are used: if set to TRUE, the model frame or the corresponding Weka instances, respectively, are included in the fitted model object, possibly speeding up subsequent computations on the object.  By default, neither is included.
参数options可以进一步定制。目前，选项model和instances（或部分匹配的这些）：如果设置为TRUE，模型的框架或相应的的WEKA情况下，分别拟合模型对象，可能加快后续计算的对象。默认情况下，也不是。


值----------Value----------

A list inheriting from classes Weka_lazy and Weka_classifiers with components including
继承类Weka_lazy和Weka_classifiers组件，包括列表


参数：classifier
a reference (of class jobjRef) to a Java object obtained by applying the Weka buildClassifier method to build the specified model using the given control options.
参考（类jobjRef），通过应用在WEKA buildClassifier方法来建立模型使用给定的控制选项指定的Java对象。


参数：predictions
a numeric vector or factor with the model predictions for the training instances (the results of calling the Weka classifyInstance method for the built classifier and each instance).
一个数值向量或因子与培训实例（在WEKA classifyInstance内置分类方法，每个实例调用的结果）的模型预测。


参数：call
the matched call.
匹配的呼叫。


注意----------Note----------

LBR requires Weka package lazyBayesianRules to be installed.
LBR需要Weka中包lazyBayesianRules被安装。


参考文献----------References----------

Instance-based learning algorithms. Machine Learning, 6, 37–66.
Lazy learning of Bayesian rules. Machine Learning, 41/1, 53–84.

参见----------See Also----------

Weka_classifiers  
Weka_classifiers

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。