pknnCMA(CMA)
pknnCMA()所属R语言包：CMA
Probabilistic Nearest Neighbours
概率最近的邻居
译者：生物统计家园网 机器人LoveR
描述----------Description----------
Nearest neighbour variant that replaces the simple voting scheme by a weighted one (based on euclidean distances). This is also used to compute class probabilities.
近邻加权（基于欧氏距离），它取代了简单的投票制度的变种。这也可以用来计算类的概率。
For S4 class information, see pknnCMA-methods.
S4类信息，请参阅pknnCMA方法。
用法----------Usage----------
pknnCMA(X, y, f, learnind, beta = 1, k = 1, models=FALSE, ...)
参数----------Arguments----------
参数：X
Gene expression data. Can be one of the following:
基因表达数据。可以是下列之一：
A matrix. Rows correspond to observations, columns to variables.
Amatrix。行对应的观察，列变量。
A data.frame, when f is not missing (s. below).
一个data.frame时f不缺少（S.下面）。
An object of class ExpressionSet.
对象类ExpressionSet。
参数：y
Class labels. Can be one of the following:
类的标签。可以是下列之一：
A numeric vector.
一个numeric向量。
A factor.
Afactor。
A character if X is an ExpressionSet that specifies the phenotype variable.
一个如果character X是一个ExpressionSet指定的表型变量。
missing, if X is a data.frame and a proper formula f is provided.
missing，X是data.frame和适当的公式f提供。
WARNING: The class labels will be re-coded to range from 0 to K-1, where K is the total number of different classes in the learning set.
警告：类标签将被重新编码范围从0K-1，K是在学习集不同类别的总数。
参数：f
A two-sided formula, if X is a data.frame. The left part correspond to class labels, the right to variables.
一个双面的公式，如果X是data.frame。左边部分对应类的标签，对变量的权利。
参数：learnind
An index vector specifying the observations that belong to the learning set. Must not be missing for this method.
索引向量指定属于学习集的意见。绝不能错过这个方法。
参数：beta
Slope parameter for the logistic function which is used for the computation of class probabilities. The default value (1) need not produce reasonable results and can produce warnings.
边坡参数类概率计算中使用的MF功能。默认值（1）不必产生合理的结果，并能产生警告。
参数：k
Number of nearest neighbours to use.
近邻使用的数量。
参数：models
a logical value indicating whether the model object shall be returned
一个逻辑值，该值指示是否应归还模型对象
参数：...
Currently unused argument.
目前未使用的参数。
Details
详情----------Details----------
The algorithm is as follows:
算法如下：
Determine the k nearest neighbours
确定k近邻
For each class represented among these, compute the average euclidean distance.
其中代表每个类，计算平均欧氏距离。
The negative distances are plugged into the logistic function with parameter beta.
插入MF功能参数beta负距离。
Classify into the class with highest probability.
类分类与概率最高。
值----------Value----------
An object of class cloutput.
对象类cloutput。
作者（S）----------Author(s)----------
Martin Slawski <a href="mailto:ms@cs.uni-sb.de">ms@cs.uni-sb.de</a>
Anne-Laure Boulesteix <a href="mailto:boulesteix@ibe.med.uni-muenchen.de">boulesteix@ibe.med.uni-muenchen.de</a>
参见----------See Also----------
compBoostCMA, dldaCMA, ElasticNetCMA, fdaCMA, flexdaCMA, gbmCMA, knnCMA, ldaCMA, LassoCMA, nnetCMA, plrCMA, pls_ldaCMA, pls_lrCMA, pls_rfCMA, pnnCMA, qdaCMA, rfCMA,
compBoostCMA，dldaCMA，ElasticNetCMA，fdaCMA，flexdaCMA，gbmCMA，knnCMA，ldaCMA，LassoCMA，nnetCMA，plrCMA，pls_ldaCMA，pls_lrCMA，pls_rfCMA，pnnCMA，qdaCMA，rfCMA ，
举例----------Examples----------
### load Golub AML/ALL data[＃负载戈卢布反洗钱/所有数据]
data(golub)
### extract class labels[＃提取类标签]
golubY <- golub[,1]
### extract gene expression from first 10 genes[＃提取从第10个基因的基因表达]
golubX <- as.matrix(golub[,-1])
### select learningset[＃选择learningset]
ratio <- 2/3
set.seed(111)
learnind <- sample(length(golubY), size=floor(ratio*length(golubY)))
### run probabilistic k-nearest neighbours[＃运行概率K-近邻]
result <- pknnCMA(X=golubX, y=golubY, learnind=learnind, k = 3)
### show results[＃显示结果]
show(result)
ftable(result)
plot(result)
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 2012-2-25 15:23:38
