###################################################
### chunk number 1: data
###################################################
library(Biobase)
library(ALL)
data(ALL)
ALL


###################################################
### chunk number 2: filter-mol-biol
###################################################
fusion <- ALL$mol.biol %in% c("BCR/ABL", "NEG")


###################################################
### chunk number 3: filter-BT
###################################################
btLevels <- levels(ALL$BT)
btLevels
isB <- ALL$BT %in% btLevels[1:5]


###################################################
### chunk number 4: filter-subset
###################################################
ALLsubset <- ALL[ , fusion & isB]


###################################################
### chunk number 5: filter-mol-biol-correct
###################################################
levels(ALLsubset$mol.biol)
ALLsubset$mol.biol
## recode the factor
ALLsubset$mol.biol <- factor(ALLsubset$mol.biol)


###################################################
### chunk number 6: filter-top
###################################################
library(limma)
modelMatrix <- model.matrix(~ALLsubset$mol.biol)
fit <- lmFit(ALLsubset, modelMatrix)
eFit <- eBayes(fit)
topGenes <- topTable(eFit, coef=2, 500)


###################################################
### chunk number 7: filter-reduce-to-top
###################################################
ALLsubset <- ALLsubset[as.numeric(rownames(topGenes)),]


###################################################
### chunk number 8: MLInterfaces
###################################################
library(MLInterfaces)


###################################################
### chunk number 9: knn
###################################################
knnResult <- MLearn("mol.biol", ALLsubset, "knn", 1:50)
knnResult


###################################################
### chunk number 10: knn-confusion
###################################################
confuMat(knnResult)


###################################################
### chunk number 11: xval
###################################################
knnXval <- xval(ALLsubset, "mol.biol", knnB, xvalMethod="LOO")


###################################################
### chunk number 12: xval-table
###################################################
table(given=ALLsubset$mol.biol,predicted=knnXval)