### r代码来自Vignette源'mlinterfaces.rnw'############################################################ ###代码块编号1：mlinterfaces.rnw：108-111 ############################################################################################：redu ############################## data（golub_merge）smallg <-golub_merge [200：259，] smallg ################################################################# ###代码块数字3：doknnb ###########################################################= mlearn（all.aml〜。，smallg，knni（k = 1），1：40）krun ############################################################### ###代码块编号4：lkco ######################################################################################＃＃＃＃＃＃＃＃＃＃＃＃＃＃＃＃＃＃＃＃＃＃＃＃＃＃＃＃＃＃＃＃＃＃＃＃＃＃＃＃＃＃＃＃＃＃＃＃＃ 放。ns <-nnetb（smallG [1:10，]，“ all.aml”，trainind = 1：40，size = 2，decay = .01，maxit = 250）nns <-mlearn（all.aml〜。[1:10，]，nneti，trainind = 1：40，尺寸= 2，decay = .01，maxit = 250）nns confumat（nns）##########################################################评估= false）##################################################### ## summary（rubject（nns））########################################################### ###代码块数字7：mlinterfaces.rnw：184-185（eval = false）########################################################= 0，站= false）######################################################### ###代码块编号8：mlinterfaces.rnw：186-187（eval = false）############################################################################################# number 9: lkci ################################################### getClass("learnerSchema") getClass("xvalSpec") ################################################### ### code chunk number 10: lkcc ################################################### getClass("classifierOutput") ################################################### ### code chunk number 11: lkcl (eval = FALSE) ################################################### ## getClass("clustOutput") ################################################### ### code chunk number 12: dox ################################################### library(golubEsets) data(Golub_Merge) smallG <- Golub_Merge[200:250,] lk1 <- MLearn(ALL.AML~., smallG, knnI(k=1,l=0), xvalSpec("LOO")) confuMat(lk1) ################################################### ### code chunk number 13: doxr ################################################### ranpart = function(K, data) { N = nrow(data) cu = as.numeric(cut(1:N, K)) sample(cu, size=N, replace=FALSE) } ranPartition = function(K) function(data, clab, iternum) { p = ranpart(K, data) which(p != iternum) # to retain training fraction } lkran <- MLearn(ALL.AML~., smallG, knnI(k=1,l=0), xvalSpec("LOG", 8, partitionFunc=ranPartition(8))) confuMat(lkran) ################################################### ### code chunk number 14: dox2 ################################################### lk3 <- MLearn(ALL.AML~., smallG, knnI(k=1,l=0), xvalSpec("LOG", 8, partitionFunc=balKfold.xvspec(8))) confuMat(lk3) ################################################### ### code chunk number 15: dofs ################################################### data(iris) iris2 = iris[ iris$Species %in% levels(iris$Species)[1:2], ] iris2$Species = factor(iris2$Species) # drop unused levels x1 = MLearn(Species~., iris2, ldaI, xvalSpec("LOG", 3, balKfold.xvspec(3), fs.absT(3))) fsHistory(x1) ################################################### ### code chunk number 16: getpp ################################################### predProb <- round(testScores(nns),3) ################################################### ### code chunk number 17: gettrue ################################################### truth <- as.character(smallG$ALL.AML[-c(1:40)]) simpPred <- as.character(testPredictions(nns)) ################################################### ### code chunk number 18: mkclo ################################################### douClo <- function(pprob) function(lo,hi) pprob>lo & pprob