ClassifyR提供了一个基于交叉验证分类的框架,分类器涵盖数据转换,特征选择,分类器训练和预测过程。
同时可以为每个步骤提供遵循某些参数规则的自定义函数,可以采用不同的交叉验证方法进行建模:
- 普通k折交叉验证
- 样本先顺序排列,然后进行k倍交叉验证
- 重复x%测试集交叉验证
- 留空交叉验证
ClassifyR同时做了和其他几个机器学习工具比较:
特征选择方法:
分类器方法:
基于Network的方法:
官方案例:学习资料(通过Science Reports的一个关于哮喘的分类器做了演示)
附输入变量的规则:
参考资料:
1.Strbenac D., Yang, J., Mann, G.J. and Ormerod, J. T. (2015) ClassifyR: an R package for performance assessment of classification with applications to transcriptomics, Bioinformatics, 31(11):1851-1853
2.http://bioconductor.org/packages/release/bioc/vignettes/ClassifyR/inst/doc/ClassifyR.html