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{
使用到矩阵中行的距离的 Oracle R Enterprise 预测
}
\description{
用于使用数据矩阵的行来生成预测的 Oracle R Enterprise
  方法。对于参数 \code{newdata} 中的每一行, 将计算与参数
  \code{object} 中每一行的距离, 并返回
  这些距离或参数 \code{object} 中具有最短距离的
  行号。
}
\usage{
  \S4method{ore.predict}{matrix}(object, newdata, type = c("classes", "distances"),
            method = "euclidean", p = 2, na.action = na.pass, ...)
}
\arguments{
  \item{object}{
不超过 1000 行的 \code{\link[base]{matrix}}
    对象。
}
  \item{newdata}{
一个 \code{\link[OREbase:ore.frame-class]{ore.frame}}
    对象。
}
  \item{type}{
一个用于指定要进行的预测的类型的字符串;
    \code{"classes"} (行 ID) 或 \code{"distances"}。
}
  \item{method}{
一个用于指定要使用的距离度量的字符串;
    \code{"euclidean"}, \code{"maximum"},
    \code{"manhattan"}, \code{"canberra"} 或 \code{"minkowski"}。有关
    详细说明, 请参阅函数 \code{\link[stats]{dist}}。
}
  \item{p}{
参数 \code{method} 为 \code{"minkowski"} 时闵可夫斯基
    距离的幂。
}
  \item{na.action}{
处理 \code{NA} 值的方式,
    \code{na.omit} 或 \code{na.pass}。
}
  \item{\dots}{
可选参数。
}
}

\value{
如果参数 \code{type} 为 \code{"classes"}, 则返回
  行号引用参数 \code{\link[OREbase:ore.integer-class]{ore.integer}} 的
  \code{object} 对象。
  如果参数 \code{type} 为 \code{"distances"}, 则返回
  为参数 \code{\link[OREbase:ore.frame-class]{ore.frame}} 中每一行带有
  一列的 \code{object} 对象。
}
\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}