Description Usage Arguments Value Author(s) References See Also Examples
Construcción y validación externa de un biomarcador.
1 2 3 4 | createClassif(X.tr, Y.tr, learningSets, learnSetNames, selMethodNames,
numGenes2Sel = c(3, 5, 10), classifierNames, multiclass = FALSE,
isTunable, resultsDir, compName, niter, ntoplist = 25, X.new, Y.new,
validation = TRUE, saveXLS = TRUE)
|
X.tr |
matriz númerica con los valores de los datos. Donde las columnas son los "features" y las filas los individuos. Estos datos serán usados para la construcción del biomarcador |
Y.tr |
vector de datos de clase "factor" donde se indican las condiciones experimentales (a comparar) de cada individuo indicado en las filas de X.tr |
learningSets |
An object of class learningsets. May be missing, then the complete datasets is used as learning set. |
learnSetNames |
método a utilizar para la generación de "learningsSets". Los diferentes métodos (LOOCV, CV, MCCV, bootstrap) se explican en "See Also" |
selMethodNames |
vector caracter indicando métodos de seleccion (máximo 3?), ver posibles métodos en |
numGenes2Sel |
vector númeric donde se indican el número de genes incluidos en cada predictor. |
classifierNames |
vector caracter indicando el método de classificador usado .(p.ej. c("CMA::dldaCMA", "CMA::rfCMA", "CMA::pnnCMA", "CMA::plrCMA") ), parámetro classifier |
multiclass |
valor lógico que indica si se la comparación, es decir, los factores son igual a 3. |
resultsDir |
carpeta donde se guardaran los resultados. p.e. "results/". Solo necesario cuando saveLearnSet = TRUE |
compName |
nombre de la comparación, se usara como identificador y para el nombre de archivos resultantes |
niter |
Number of iterations (s.details). |
ntoplist |
número de features que se muestran en la lista de candidatos |
X.new |
Solo si validation = TRUE. matriz númerica con los valores de los datos. Donde las columnas son los "features" y las filas los individuos. Estos datos serán usados para la validación del biomarcador |
Y.new |
Solo si validation = TRUE. vector de datos de clase "factor" donde se indican las condiciones experimentales (a comparar) de cada individuo indicado en las filas de X.new |
validation |
valor lógico que indica si se incluye una base de datos de validación. |
saveXLS |
valor logico que indica si se guardan los resultados en disco |
fold |
Gives the number of CV-groups. Used only when method="CV" |
candFeat: tablas con los features seleccionados, tanto con identificador númerico (table_all) como con la etiqueta de cada feature (selectedTable)
cl: resultado en formato "cloutput" de cada uno de los biomarcadores realizados para cada método
ResultsClassif: resultados resumidos de cada biomarcador, en el caso de dos condiciones experimentales se obtienen los siguientes indicadores de calidad: misclassification, sensitivity y specificity. Si son más de dos condiciones experimentales obtenemos únicamente misclassification.
misscls: solo si "validation = TRUE" indica la tasa de misclassification de los nuevos datos sobre los diferentes métodos utilizados.
Miriam Mota mmota.foix@gmail.com
M Slawski, M Daumer and A-L Boulesteix, CMA – a comprehensive Bioconductor package for supervised classification with high dimensional data
Text with GeneSelection
1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 | x <- cbind(matrix(rnorm(400,500),nrow = 40),matrix(rnorm(400,5),nrow = 40))
colnames(x) <- paste0("a",1:ncol(x))
rownames(x) <- paste0("aa",1:nrow(x))
y <- factor(c(rep("A",20),rep("B",20)))
lSet <- prepLearnSets(Y.tr = y , learnSetNames = "LOOCV", compName = "AvsB", saveLearnSet = FALSE)
resF <- createClassif(X.tr = x,
Y.tr = y,
learningSets = lSet$learningSets,
learnSetNames = c("LOOCV"),
selMethodNames = c("t.test"),
numGenes2Sel = c(3,5,10),
classifierNames = c("CMA::dldaCMA", "CMA::rfCMA", "CMA::pnnCMA") ,
resultsDir = "example/",
compName = "AvsB",
validation = FALSE,
ntoplist = 10, saveXLS = FALSE)
|
Add the following code to your website.
For more information on customizing the embed code, read Embedding Snippets.