MINI MINI MANI MO

%
% Copyright (c) 2012, 2014, Oracle and/or its affiliates. All rights reserved. 
%
\name{ore.predict-matrix}
\alias{ore.predict-matrix}
\alias{ore.predict,matrix-method}
\title{
マトリックス内の行までの距離を使用したOracle R Enterpriseの予測
}
\description{
データ・マトリックスの行数を使用して予測を生成するOracle R Enterprise
  のメソッド。引数\code{newdata}の各行について、引数\code{object}の各行
  までの距離が計算され、それらの距離、または距離が
  最短の引数\code{object}の行数が
  返されます。
}
\usage{
  \S4method{ore.predict}{matrix}(object, newdata, type = c("classes", "distances"),
            method = "euclidean", p = 2, na.action = na.pass, ...)
}
\arguments{
  \item{object}{
1000行未満の
    \code{\link[base]{matrix}}オブジェクト。
}
  \item{newdata}{
\code{\link[OREbase:ore.frame-class]{ore.frame}}オブジェクト。
}
  \item{type}{
実行する予測のタイプを指定する文字列。
    \code{"classes"} (行ID)または\code{"distances"}。
}
  \item{method}{
使用する距離メジャーを指定する文字列。
    \code{"euclidean"}、\code{"maximum"}、
    \code{"manhattan"}、\code{"canberra"}または\code{"minkowski"}。詳細は、
    関数\code{\link[stats]{dist}}を参照してください。
}
  \item{p}{
引数\code{method}が\code{"minkowski"}の場合、ミンコフスキー距離
    の指数。
}
  \item{na.action}{
\code{NA}値が処理される方式で、\code{na.omit}または\code{na.pass}のいずれか。
}
  \item{\dots}{
オプションの引数。
}
}

\value{
引数\code{type}が\code{"classes"}の場合、
  引数\code{\link[OREbase:ore.integer-class]{ore.integer}}を参照する行数の
  \code{object}オブジェクトを返します。
  引数\code{type}が\code{"distances"}の場合、
  引数\code{\link[OREbase:ore.frame-class]{ore.frame}}の各行について1つの列を
  含む\code{object}オブジェクトを返します。
}
\references{
  \href{http://www.oracle.com/technetwork/database/database-technologies/r/r-enterprise/documentation/index.html}{Oracle R Enterprise}
}
\author{
  Oracle \email{oracle-r-enterprise@oracle.com}
}
\seealso{
  \code{\link{ore.predict}},
  \code{\link{ore.predict-kmeans}},
  \code{\link[stats]{dist}}.
}
\examples{
groups <- cutree(hclust(dist(iris[1:4], "manhattan")), 3)
centers <- do.call(rbind, lapply(split(iris[1:4], groups), colMeans))
rownames(centers) <- sprintf("DISTANCE\%d", 1:3)
IRIS <- ore.push(iris)
IRIS$CLUSTER <- ore.predict(centers, IRIS, method = "manhattan")
IRIS <- cbind(IRIS, ore.predict(centers, IRIS, type = "distances",
                                method = "manhattan"))
head(IRIS)
table(IRIS$CLUSTER, IRIS$Species)
}
\keyword{multivariate}
\keyword{cluster}