R语言 SIS包 SIS()函数中文帮助文档(中英文对照)

loveR

SIS(SIS)
SIS()所属R语言包：SIS

                                        (Iterative) Sure Independence Screening ((I)SIS) and fitting in Generalized Linear Models and Cox proportional hazards regression models
                                         （迭代）的独立筛选确定（（I）SIS）和广义线性模型和Cox比例风险回归模型拟合

                                         译者：生物统计家园网 机器人LoveR

描述----------Description----------

This function first implements the iterative sure independence screening with functions GLMvanISISscad, GLMvanISISscad, COXvanISISscad, COXvarISISscad  for different variants of (I)SIS, then gets the final regression coefficients with functions getfinalSCADcoef, INDEPgetfinalSCADcoef,  getfinalSCADcoefCOX for the SCAD regularized loglikelihood for the variables picked by (I)SIS.
这个函数首先实现了反复的筛选与功能GLMvanISISscad，GLMvanISISscad，COXvanISISscad，COXvarISISscad（I）SIS不同的变种，然后获得最终的回归系数确定独立功能getfinalSCADcoef，INDEPgetfinalSCADcoef，getfinalSCADcoefCOX SCAD规范loglikelihood的变量（I）SIS挑选的。


用法----------Usage----------


SIS(data=NULL, model='glm', family=NULL, method='efron', vartype=0, nsis=NULL,
rank.method='obj', eps0=1e-5, inittype='NoPen', tune.method='BIC', folds=NULL,
post.tune.method='CV',post.tune.folds=NULL, DOISIS=TRUE,
ISIStypeCumulative=FALSE, maxloop=5, xtune=NULL, ytune=NULL, detail=FALSE)



参数----------Arguments----------

参数：data
a list that contains the data.
一个列表，其中包含的数据。


参数：model
the model used, the implemented ones are 'glm' and 'cox'.
使用的模型，实施的是“GLM”和“舵手”。


参数：family
a description of the error distribution and link function to be used in the generalized linear model.
的误差分布的描述和链接功能被用于在广义线性模型。


参数：method
indicates how to handle observations that have tied (i.e., identical) survival times. The default "efron" method is generally preferred to the once-popular "breslow" method.
指示如何处理挂钩（即相同的）生存时间的观察。默认的“埃夫隆”的方法通常是优选的一次流行的“布瑞斯罗夫”方法。


参数：vartype
vartype specifies variant (I)SIS of first type or second type.
vartype指定SIS的第一型或第二型变种（I）。


参数：nsis
number of pedictors recuited by (I)SIS.
由（I）中的SIS预报因子，建立基于遗传算法的recuited数目。


参数：rank.method
the criterion for ranking predictor variables in (I)SIS. It can be either obj or coeff.
（I）SIS排名预测变量的标准。它可以是obj或coeff。


参数：eps0
an effective zero relative to the scale of the maximum absolute marginal regression coefficients.
一个有效的零相对的规模最大绝对边际回归系数。


参数：inittype
inittype specifies the type of initial solution for the one-step SCAD. It can be either NoPen or L1.
inittype指定一个步骤SCAD初始溶液的类型。它可以是NoPen或L1。


参数：tune.method
method for tuning regularization parameter.
调整正则化参数的方法。


参数：folds
fold information for cross validation.
倍的信息进行交叉验证。


参数：post.tune.method
method for tuning regularization parameter in the final step for getting SCAD coefficients.
获得SCAD系数的最后一步调整正则化参数的方法。


参数：post.tune.folds
fold information for cross validation in the final step for getting SCAD coefficients.
倍的信息获取SCAD系数为交叉验证中的最后一步。


参数：DOISIS
DOISIS specifies whether to do iterative SIS.
DOISIS指定是否做迭代SIS的。


参数：ISIStypeCumulative
ISIStypeCumulative specifies whether to penalize variables selected by the previous step of the ISIS iteration in the following SCAD step. (ISIStypeCumulative= FALSE put penalties on all variables. In this case, the procedure is more likely to delete variables from previous step. )
ISIStypeCumulative指定是否要惩罚SCAD以下步骤的ISIS迭代在上一步的选择的变量。 （ISIStypeCumulative= FALSE，把对所有变量的惩罚，在这种情况下，该过程是从上一步骤中更可能删除变量。）


参数：maxloop
maximum number of loops in iterative SIS.
最大循环数，在重复的SIS。


参数：xtune, ytune
independent tuning dataset.
独立调教的数据集。


参数：detail
indicates whether return detailed information or not. Default is FALSE.
指示是否返回或不详细信息。默认是FALSE。


值----------Value----------

Returns an object with <table summary="R valueblock"> <tr valign="top"><td>SISind</td> <td>  the vector of indices selected by SIS. </td></tr>    <tr valign="top"><td>ISISind</td> <td>  the vector of indices selected by ISIS. </td></tr>  <tr valign="top"><td>SIScoef</td> <td>  the vector of solution by SIS followed by SCAD. </td></tr> <tr valign="top"><td>ISIScoef</td> <td>  the vector of solution by ISIS. </td></tr> </table>
返回的对象<table summary="R valueblock"> <tr valign="top"> <TD>SISind</ TD> <TD>向量的选择SIS的指数。 </ TD> </ TR> <tr valign="top"> <TD>ISISind</ TD> <TD>矢量选择的ISIS的指数。 </ TD> </ TR> <tr valign="top"> <TD>SIScoef</ TD> <TD>的SIS解决方案由SCAD的向量。 </ TD> </ TR> <tr valign="top"> <TD>ISIScoef</ TD> <TD> ISIS向量的解决方案。 </ TD> </ TR> </ TABLE>


（作者）----------Author(s)----------


Jianqing Fan, Yang Feng, Richard Samworth, and Yichao Wu



参考文献----------References----------

Jianqing Fan and Jinchi Lv (2008) Sure independence screening for ultra-high dimensional feature space (with discussion) Journal of Royal Statistical Society B, 36, 849-911.
Jianqing Fan, Richard Samworth, and Yichao Wu (2009) Ultrahigh dimensional variable selection: beyond the linear model Journal of Machine Learning Research, to appear.
Jianqing Fan and Rui Song (2009) Sure Independence Screening in Generalized Linear Models with NP-Dimensionality, technical report.


参见----------See Also----------

GLMvanISISscad, GLMvanISISscad, COXvanISISscad, COXvarISISscad, getfinalSCADcoef, INDEPgetfinalSCADcoef,  getfinalSCADcoefCOX
GLMvanISISscad，GLMvanISISscad，COXvanISISscad，COXvarISISscad，getfinalSCADcoef，INDEPgetfinalSCADcoef，getfinalSCADcoefCOX


实例----------Examples----------


set.seed(0)
b <- c(2,2,2,-3*sqrt(2))
n=150
p=200
truerho=0.5
corrmat=diag(rep(1-truerho, p))+matrix(truerho, p, p)
corrmat[,4]=sqrt(truerho)
corrmat[4, ]=sqrt(truerho)
corrmat[4,4]=1
cholmat=chol(corrmat)
x=matrix(rnorm(n*p, mean=0, sd=1), n, p)
x=x%*%cholmat
feta=x[, 1:4]%*%b
fprob=exp(feta)/(1+exp(feta))
y=rbinom(n, 1, fprob)

xtune=matrix(rnorm(n*p, mean=0, sd=1), n, p)
xtune=xtune%*%cholmat
feta=xtune[, 1:4]%*%b
fprob=exp(feta)/(1+exp(feta))
ytune=rbinom(n, 1, fprob)

binom.result1=SIS(data=list(x=x, y=y), family=binomial(), xtune=xtune, ytune=ytune)
binom.result2=SIS(data=list(x=x, y=y), family=binomial(), xtune=xtune, ytune=ytune,
vartype=1)
binom.result1$ISISind
binom.result2$ISISind



myrates <- exp(x[,1:4]%*%b)

ytrue <- rexp(n, rate = myrates)
cen <- rexp(n, rate = 0.1 )
time <- pmin(ytrue, cen)
status <- as.numeric(ytrue <= cen)

cox.result1=SIS(data=list(x=x,time=time,status=status), model='cox', vartype=0)
cox.result2=SIS(data=list(x=x,time=time,status=status), model='cox', vartype=1)
cox.result3=SIS(data=list(x=x,time=time,status=status), model='cox', vartype=2)



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。