###################################################
### chunk number 1: 
###################################################
library("pdmclass")
data("fibroEset")
fibroEset
pData(fibroEset)


###################################################
### chunk number 2: 
###################################################
y <- as.factor(pData(fibroEset)[,2])
x <- t(exprs(fibroEset))
gn.class <- pdmClass(y ~ x, method = "pls")


###################################################
### chunk number 3:  eval=FALSE
###################################################
## plot(gn.class, pch = levels(y))


###################################################
### chunk number 4: 
###################################################
plot(gn.class, pch = levels(y))


###################################################
### chunk number 5: 
###################################################
predict(gn.class)


###################################################
### chunk number 6: 
###################################################
tst <- pdmClass.cv(y, x, method = "pls")
confusion(tst, y)


###################################################
### chunk number 7: 
###################################################
gns <- featureNames(fibroEset)
len <- 10
tmp <- pdmGenes(y~x, genelist = gns, list.length = len, B=10)
tmp