################################################### ### chunk number 1: example1 ################################################### #line 70 "vignettes/vbmp/inst/doc/vbmp.Rnw" ## Init random number generator set.seed(123); ################################################### ### chunk number 2: example11 ################################################### #line 75 "vignettes/vbmp/inst/doc/vbmp.Rnw" genSample <- function(n, noiseVar=0) { KF <- 10; # magnify factor nt <- round(n/3,0)# ## class 1 and 2 (x ~ U(0,1)) u <- 4. * matrix(runif(2*KF*n), nrow=KF*n, ncol=2) - 2.; i <- which(((u[, 1]^2 + u[, 2]^2) > .1) & ((u[, 1]^2 + u[, 2]^2) < .5) ); j <- which(((u[, 1]^2 + u[, 2]^2) > .6) & ((u[, 1]^2 + u[, 2]^2) < 1) ); X <- u[c(sample(i,nt), sample(j,nt)),]; t.class <- c(rep(1, nt),rep(2, nt)); ## class 3 (x ~ N(0,1)) x <- 0.1 * matrix(rnorm(2*KF*length(i)), ncol=2, nrow=length(i)*KF ); k <- which((x[, 1]^2 + x[, 2]^2) < 0.1); nt <- n - 2*nt; X <- rbind(X, x[sample(k,nt), ]); t.class <- c(t.class, rep(3, nt)); ## limit number #n <- min(n, nrow(X)); i <- sample(1:nrow(X),n);X <- X[i,]; t.class <- t.class[i]; ## add random coloumns if (noiseVar>0) X <- cbind(X, matrix(rnorm(noiseVar*n), ncol=noiseVar, nrow=nrow(X))); structure( list( t.class=t.class, X=X), class="MultiNoisyData"); } ################################################### ### chunk number 3: example12 ################################################### #line 99 "vignettes/vbmp/inst/doc/vbmp.Rnw" nNoisyInputs <- 4; ################################################### ### chunk number 4: example13 ################################################### #line 103 "vignettes/vbmp/inst/doc/vbmp.Rnw" Ntrain <- 100; Ntest <- Ntrain * 5; ################################################### ### chunk number 5: example14 ################################################### #line 108 "vignettes/vbmp/inst/doc/vbmp.Rnw" dataXtTrain <- genSample(Ntrain, nNoisyInputs); dataXtTest <- genSample(Ntest, nNoisyInputs); ################################################### ### chunk number 6: example15 ################################################### #line 114 "vignettes/vbmp/inst/doc/vbmp.Rnw" theta <- rep(1., ncol(dataXtTrain$X)); max.train.iter <- 12; ################################################### ### chunk number 7: example16 ################################################### #line 119 "vignettes/vbmp/inst/doc/vbmp.Rnw" library(vbmp); res <- vbmp( dataXtTrain$X, dataXtTrain$t.class, dataXtTest$X, dataXtTest$t.class, theta, control=list(bThetaEstimate=T, bMonitor=T, maxIts=max.train.iter)); ################################################### ### chunk number 8: example17 ################################################### #line 126 "vignettes/vbmp/inst/doc/vbmp.Rnw" predError(res); ################################################### ### chunk number 9: ################################################### #line 131 "vignettes/vbmp/inst/doc/vbmp.Rnw" i.t1 <- which(dataXtTest$t.class == 1); i.t2 <- which(dataXtTest$t.class == 2); i.t3 <- which(dataXtTest$t.class == 3); plot(dataXtTest$X[, 1], dataXtTest$X[,2], type="n", xlab="X1", ylab="X2"); points(dataXtTest$X[i.t1, 1],dataXtTest$X[i.t1, 2], type="p", col="blue"); points(dataXtTest$X[i.t2, 1],dataXtTest$X[i.t2, 2], type="p", col="red"); points(dataXtTest$X[i.t3, 1],dataXtTest$X[i.t3, 2], type="p", col="green"); ################################################### ### chunk number 10: ################################################### #line 147 "vignettes/vbmp/inst/doc/vbmp.Rnw" ## plot convergence diagnostics (same as setting bPlotFitting=T) plotDiagnostics(res); ################################################### ### chunk number 11: example2 ################################################### #line 165 "vignettes/vbmp/inst/doc/vbmp.Rnw" library("Biobase"); data("BRCA12"); brca.y <- BRCA12$Target.class; brca.x <- t(exprs(BRCA12)); ################################################### ### chunk number 12: example21 ################################################### #line 176 "vignettes/vbmp/inst/doc/vbmp.Rnw" predictVBMP <- function(x) { sKernelType <- "iprod"; Thresh <- 1e-8; theta <- rep(1.0, ncol(brca.x)); max.train.iter <- 24; resX <- vbmp( brca.x[!x,], brca.y[!x], brca.x[ x,], brca.y[ x], theta, control=list(bThetaEstimate=F, bPlotFitting=F, maxIts=max.train.iter, sKernelType=sKernelType, Thresh=Thresh)); predClass(resX); } ################################################### ### chunk number 13: example212 ################################################### #line 190 "vignettes/vbmp/inst/doc/vbmp.Rnw" # fake predictVBMP to speed-up the RCMD TEST predictVBMP <- function(x) { rep(0,sum(x)); } ################################################### ### chunk number 14: example22 ################################################### #line 199 "vignettes/vbmp/inst/doc/vbmp.Rnw" n <- nrow(brca.x); Kfold <- n; # number of folds , if equal to n then LOO samps <- sample(rep(1:Kfold, length=n), n, replace=FALSE); res <- rep(NA, n); print(paste("Crossvalidation started...... (",n,"steps )")); for (x in 1:Kfold) { cat(paste(x,", ",ifelse(x%%10==0,"\n",""),sep="")); flush.console(); res[samps==x] <- predictVBMP(samps==x); } ################################################### ### chunk number 15: example23 ################################################### #line 212 "vignettes/vbmp/inst/doc/vbmp.Rnw" CVerrorRate <- round(sum(res!=brca.y)/n,2); # don't print out the results, owing to the fake predictVBMP