### R code from vignette source 'vignettes/pRoloc/inst/doc/pRoloc-ml.Rnw'

###################################################
### code chunk number 1: env
###################################################
library("knitr")
opts_chunk$set(fig.align = 'center', 
               fig.show = 'hold', 
               par = TRUE,
               prompt = TRUE,
               eval = TRUE,
               comment = NA)
options(replace.assign = TRUE, 
        width = 55)

suppressPackageStartupMessages(library("MSnbase"))
suppressWarnings(suppressPackageStartupMessages(library("pRoloc")))
suppressPackageStartupMessages(library("pRolocdata"))
## suppressPackageStartupMessages(library("class"))
suppressPackageStartupMessages(library("xtable"))


###################################################
### code chunk number 2: pRolocdata
###################################################
library("pRolocdata")
data(tan2009r1)
tan2009r1


###################################################
### code chunk number 3: svmParamOptim
###################################################
params <- svmOptimisation(tan2009r1, times = 10, xval = 5, verbose = FALSE)
params


###################################################
### code chunk number 4: svmRes
###################################################
tan2009r1 <- svmClassification(tan2009r1, params)
tan2009r1


###################################################
### code chunk number 5: weigths (eval = FALSE)
###################################################
## w <- table(fData(dunkley2006)$markers)
## w <- 1/w[-5]
## wpar <- svmOptimisation(dunkley2006, class.weights = w)
## wres <- svmClassification(dunkley2006, pw, class.weights = w)


###################################################
### code chunk number 6: getmlfunction
###################################################
## Add chi^2.
tab <- data.frame('parameter optimisation' = grep("Optimisation", ls("package:pRoloc"), value = TRUE), 
                  'classification' = grep("Classification", ls("package:pRoloc"), value = TRUE))
tab$algorithm <- c("nearest neighbour", "support vector machine", "naive bayes",
                   "neural networks", "PerTurbo", "partial least square", 
                   "random forest", "support vector machine")
tab$package <- c("class", "kernlab", "e1071",
                 "nnet", "pRoloc", "caret",
                 "randomForest", "e1071")
colnames(tab)[1] <- c("parameter optimisation")