sdda(SDDA)
sdda()所属R语言包：SDDA
Stepwise Diagonal Discriminant Analysis
分步对角线的判别分析
译者：生物统计家园网 机器人LoveR
描述----------Description----------
Uses a forwards stepwise strategy to add variables one at
使用添加一个变量在的一个转发逐步战略
用法----------Usage----------
sdda(X, y, priors, start = rep(FALSE, ncol(X)), never = rep(FALSE, ncol(X)),method="lda",...)
参数----------Arguments----------
参数：X
Training data matrix - rows are observations, columns are variables.
训练数据矩阵 - 行的观察，列变量。
参数：y
A factor of true class labels, or a numeric vector with values 1, 2, 3, ... G where G is the number of classes.
真类标签的一个因素，或一个数值向量中的值1，2，3，... G其中G是的类的数量。
参数：priors
Prior probabilities for the different classes, if left unspecified these default to equal probability to belong to each group
不同类别的先验概率，如果不指定这些默认情况下，相同的概率，属于每个组
参数：start
Logical vector indicating which variables (if any) should start in the rule.
逻辑向量的变量（如果有的话）应该在规则中开始。
参数：never
Logical vector indicating which variables (if any) should never be in the rule.
逻辑向量，指示变量（如果有的话）不应该在规则中。
参数：method
Choose linear or quadratic discriminant analysis, "lda" or "qda"
选择线性或二次判别分析，“LDA”或“QDA”
参数：...
Other terms as appropriate
适当的其他条款
Details
详细信息----------Details----------
Uses a forwards stepwise strategy to add variables one at a time to a diagonal discriminant rule. At each step the variable that most decreases the (leave-one-out) cross-validated error rate is added. Adding stops when the cross-validated error rate cannot be
使用添加变量在一个对角线的判别准则的一个转发逐步战略。在每个步骤中最重要的变量（留一出）交叉验证错误率降低。添加时停止交叉验证错误率不能
值----------Value----------
<table summary="R valueblock"> <tr valign="top"><td>means</td> <td> The means for each variable within each group</td></tr> <tr valign="top"><td>vars</td> <td> Under DLDA (default) this is a vector of the variances of each variable, under DQDA this is a matrix of variances for each variable within each group</td></tr> <tr valign="top"><td>counts</td> <td> The number of samples in each group</td></tr> <tr valign="top"><td>priors</td> <td> The prior probability of being in each group</td></tr> <tr valign="top"><td>S</td> <td> Vector of flags of the variables in the rule, including start</td></tr> <tr valign="top"><td>ecrit</td> <td> X-validated error rate criterion. Used for diagnostics, see plotdiag</td></tr> <tr valign="top"><td>pcrit</td> <td> X-validated likelihood criterion. Used for diagnostics, see plotdiag</td></tr> </table>
<table summary="R valueblock"> <tr valign="top"> <TD> means</ TD> <TD>的方式，为每个变量在每个组</ TD> </ TR> <TR VALIGN =“”> <TD>vars</ TD> <TD>在DLDA（默认值），这是一个向量的每个变量的方差，根据DQDA这是一个方差矩阵的每个变量在每个组</ TD> </ TR> <tr valign="top"> <TD>counts</ TD> <TD>各组的样本数</ TD> </ TR> <TR VALIGN =“”> <TD>priors </ TD> <TD>的先验概率各组</ TD> </ TR> <tr valign="top"> <TD><X > </ TD> <TD>规则中的变量，包括矢量标志S </ TD> </ TR> <tr valign="top"> <TD>start / TD> <TD> X-验证的错误率标准。用于诊断，ecrit</ TD> </ TR> <tr valign="top"> <TD>plotdiag </ TD> <TD> X-验证的似然准则。用于诊断，pcrit</ TD> </ TR> </表>
（作者）----------Author(s)----------
Glenn Stone
参见----------See Also----------
xvalidate,predict.sdda, plotdiag
xvalidate，predict.sdda，plotdiag
实例----------Examples----------
data(iris)
Y <- iris[,5]
noise <- matrix(rnorm(50*nrow(iris)),nrow=nrow(iris))
colnames(noise) = paste("noise",1:ncol(noise),sep="")
X <- cbind(as.matrix(iris[,1:4]),noise)
dim(X)
s1 <- sdda(X,Y)
which.genes(s1)
plotdiag(s1)
summary(s1)
## Probabilities for each class[＃每个类的概率]
predict(s1,newdata=X,type="prob")
rs <- predict(s1,X)
table(Y,rs)
## Leave-one-out crossvalidation[＃留出交叉验证]
xv <- xvalidate(X,Y,trace=TRUE)
table(Y,xv)
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 2012-9-29 23:26:52
