我正在編寫pdf,使用sweave
和latex
在r
。對於MCMC方法,我正在運行rjags
。運行這些模型大約需要一個小時才能收斂。每次運行我的sweave
代碼編譯PDF時,它也會再次運行所有jags
型號。這使編輯和發現,如果我需要花費一個小時來編譯PDF,那麼是否會造成小的語法錯誤。我如何保留我的jags
代碼生成的所有變量,但不必每次都要評估sweave
? 數據可以在這裏找到:https://uwyo-files.instructure.com/courses/481850/files/36253354/course%20files/project4_genomebinom/chrgc.txt?download=1&inline=1&sf_verifier=ea3569eec1ca938fad4122a92e35ff57&ts=1462863980&user_id=569842如何在Sweave中編譯Latex文檔而不必每次都運行rjags?
下面是一些示例代碼
\documentclass[12pt, letterpaper]{article}
\begin{document}
<<computation,results=hide>>=
humangc <- read.csv("c:\\temp\\RtmpYpMfSP\\data15a4519241c1")
chr<-substr(humangc$chr, 4, 8)
chr[chr=='X']<-23
chr[chr=='Y']<-24
chr<-as.numeric(chr)
humangc<-data.frame(humangc[,-1], chr=chr)
humangc<-humangc[order(humangc$chr, humangc$bp),] ### reorder data by chr
## drop NA data and blocks with fewer than 100000 (10%) valid data
humangc<-humangc[!is.na(humangc$valid) & humangc$valid > 100000,]
### hierarchical Bayesian model in JAGS
bin.beta.beta<-"
model{
for(i in 1:bins){
gc[i] ~ dbinom(p[i], n[i])
p[i] ~ dbeta(chrgc * chrprec, (1-chrgc)*chrprec)
}
chrgc ~ dbeta(1,1) ## chrgc is same as pi
chrprec ~ dunif(0.001,10000) ## chrprec is same as theta
}
"
require(rjags)
for(i in 1:24){
data.jags<-list(gc=humangc$gc[humangc$chr==i],
n=humangc$valid[humangc$chr==i],
bins=length(humangc$gc[humangc$chr==i]))
mod.jags<- jags.model(textConnection(bin.beta.beta),data=data.jags,n.chains=3,n.adapt=1000)
mod.samples<-jags.samples(model=mod.jags, variable.names=c("chrgc", "chrprec"), n.iter=5000,thin=2)
### summarize quantiles of beta and p-values of empirical obs from Beta
gcest<-NULL
gcest$q<-qbeta(c(0.025, 0.5, 0.975),
mean(mod.samples$chrprec[1,,] * mod.samples$chrgc[1,,]),
mean(mod.samples$chrprec[1,,] * (1-mod.samples$chrgc[1,,])))
gcest$p<-pbeta(humangc$perc[humangc$chr==i],
mean(mod.samples$chrprec[1,,] * mod.samples$chrgc[1,,]),
mean(mod.samples$chrprec[1,,] * (1-mod.samples$chrgc[1,,])))
gcest$perc <- humangc$perc[humangc$chr==i]
gcest$bp <- humangc$bp[humangc$chr==i]
## write workspace for chromosome to disk
save.image(paste("Rworkspace_chr", i, sep=""))
}
@
<<echo=F, fig=T, include=F>>=
update(mod.jags)
require(coda)
params <- c("chrgc", "chrprec")
samps <- coda.samples(mod.jags, params, n.iter = 2000)
plot(samps)
@
SOME TRIVIAL TEXT!!!!!!
end{document}
正如你可以看到,我創造24個不同的模型。這需要一點時間。我如何得到「一些有趣的文字!!!!!!!」當我編譯pdf時顯示得很快,因爲我需要由jags
創建的變量?
上面的步驟需要一段時間。
這是一個knitr選項,不是Sweave選項,但它仍然是一個很好的建議。麥克斯韋應該切換到使用knitr。 – user2554330
對不起,我忘記了knitr和Sweave之間的界限。即使經過knitr處理,在R Studio中仍然被稱爲Sweave的文檔沒有幫助。 – jamieRowen