R 语言实战（第二版）

part 4 高级方法

-------------第13章 广义线性模型------------------

#前面分析了线性模型中的回归和方差分析，前提都是假设因变量服从正态分布

#广义线性模型对非正态因变量的分析进行扩展：如类别型变量、计数型变量（非负有限值）

#glm函数，对于类别型因变量用logistic回归，计数型因变量用泊松回归

#模型参数估计的推导依据的是最大似然估计（最大可能性估计），而非最小二乘法

#1.logistic回归

library(AER)

data("Affairs") #婚外情数据

summary(Affairs)

#将affairs转化为二值型因子(是否出轨)

Affairs$ynaffair[Affairs$affairs>0] <- 1

Affairs$ynaffair[Affairs$affairs==0] <- 0

Affairs$ynaffair <- factor(Affairs$ynaffair,levels = c(0,1),labels = c("No","Yes"))

head(Affairs)

table(Affairs$ynaffair)

#将此ynaffair变量作为logistic回归的结果变量

fit.full <- glm(ynaffair~gender+age+yearsmarried+children+religiousness+education+occupation+rating,

                data = Affairs,family=binomial()) #family概率分布,binomial连接logit函数

summary(fit.full)

#去除不显著的变量重新拟合模型，检验新模型是否拟合的好

fit.reduced <- glm(ynaffair~age+yearsmarried+religiousness+rating,

                   data = Affairs,family = binomial())

summary(fit.reduced) #结果都显著

#两个模型嵌套（fit.reduced是fit.full的子集），可用anova进行比较，广义线性模型用卡方检验

anova(fit.reduced,fit.full,test = "Chisq")

#卡方检验不显著，两个模型拟合一样，验证结果，可选择更简单的那个模型(fit.reduced)进行解释。

##解释模型参数

#回归系数：

coef(fit.reduced)

exp(coef(fit.reduced)) #logistic回归用指数优势比(初始尺度)解释较好

#置信区间：

exp(confint(fit.reduced))

#用predict函数评价预测变量对结果概率的影响

#创建一个数据探究某一预测变量（其他变量恒定）对结果概率的影响

#过度离势：观测到的因变量方差大于期望的二项分布的方差

#2.泊松回归

#一系列连续型或类别型预测变量来预测计数型结果变量

library(robust)

data(breslow.dat) #癫痫数据

help(breslow.dat)

summary(breslow.dat[c(6,7,8,10)]) #只关注这四个变量：两个协变量（base/age),重点关注药物治疗trt对癫痫发病数sumY的影响

opar <- par(no.readonly = T)

par(mfrow=c(1,2))

attach(breslow.dat)

hist(sumY,breaks = 20)

boxplot(sumY~Trt)

par(opar)

#拟合泊松回归

fit <- glm(sumY~Base+Age+Trt,data=breslow.dat,family = poisson()) #family概率分布

summary(fit) #都显著

#解释模型参数

coef(fit)

exp(coef(fit)) #因变量是以条件均值的对数形式来建模的，在初始尺度上解释回归系数比较容易

#注意：同logistic回归指数化参数相似，泊松模型中的指数化参数对因变量的影响是成倍增加的，而非线性相加。

#过度离势：因变量观测的方差大于泊松分布预测的方差，qcc包检验，略

-----------------------------第14章 主成分分析和因子分析------------------------------------

#主成分分析（PCA）：一种降维方法，将大量相关变量转化为少量不相关变量（即主成分）

#主成分是观测变量的线性组合

#探索性因子分析（EFA）：一种发现多变量潜在结构的方法，通过寻找一组更小的、潜在的结构（即因子）来解释已观测到的、显式的变量间的关系

#EFA是假设生成工具，常用于帮助理解众多变量间的关系，常用于社会科学的理论研究

#R基础函数：

princomp

factanal

#psych包：

library(psych)

principal #PCA分析

fa #因子分析

fa.parallel #含平行分析的碎石图

factor.plot #绘制结果

fa.diagram #载荷矩阵

scree #碎石图

#主成分和因子分析步骤（代码以PCA分析为例）：

#a.数据预处理：确保无NA

data("USJudgeRatings") #律师对美国高等法院法官的评价数据

help("USJudgeRatings")

#b.选择因子模型：PCA/EFA(还需有估计因子模型方法，如最大似然估计)

#简化11个变量信息，用PCA模型

#c.判断要选择的主成分/因子数目

#3种判别准则：特征值大于1准则（水平线），碎石检验（保留图形变化最大处之上的主成分），平行分析（虚线）

fa.parallel(USJudgeRatings[,-1],fa="pc",n.iter = 100,show.legend = F)

#三种准则表明选择一个主成分即可保留数据集大部分信息

#d.提取主成分/因子

principal(USJudgeRatings[,-1],nfactors = 1)

#PC1包含了成分载荷（解释主成分含义），h2指成分公因子方差（方差解释度），u2指成分唯一性（即1-h2）

#SS loadings指与主成分相关联的特征值，Proportion Var指每个主成分对整个数据集的解释程度

#e.旋转主成分/因子

#第二个数据例子：非原始数据，而是相关系数

data("Harman23.cor") #305个女孩的8个身体测量指标数据

head(Harman23.cor)

fa.parallel(Harman23.cor$cov,n.obs = 302,fa="pc",n.iter = 100,show.legend = F) #建议两个主成分

principal(Harman23.cor$cov,nfactors = 2,rotate = "none")

#当提取了多个成分时，对它们进行旋转可使结果（成分载荷阵）更具解释性

#正交旋转（成分保持不相关），如方差极大旋转

#斜交旋转（使成分变得相关）

principal(Harman23.cor$cov,nfactors = 2,rotate = "varimax") #方差极大旋转

#PC变成RC，对载荷阵的列进行了去噪

#f.解释结果

#RC1第一主成分主要由前4个变量来解释（长度变量），RC2第二主成分主要由后4个变量来解释（容量变量）

#g.计算主成分/因子得分

#获取每个观测在成分上的得分

principal(USJudgeRatings[,-1],nfactors = 1,scores = T)

#非原始数据不能获得每个观测的主成分得分，只可计算主成分得分系数

rc <- principal(Harman23.cor$cov,nfactors = 2,rotate = "varimax")

round(unclass(rc$weights),2) #unclass函数消除对象的类

#根据RC1和RC2的各个变量的系数计算PC1和PC2

-------------------------第15章 时间序列----------------------------------

#前面分析的数据大多是横向数据：一个给点时间点的测量值

#纵向数据：随时间变化反复测量变量值，即时序数据

#时序数据解决的问题：对数据的描述和预测

#常用R包：stats，forecast，graphics，tseries等

#1.在R中生成时序对象

#时间序列对象：一种包括观测值、起始时间、终止时间和周期（如月、季度或年）的结构

scales <- c(18,33,23,56,78,90,51,24,34,56,78,23,

            45,57,23,45,65,43,23,12,36,76,54,82)

tscales <- stats::ts(scales,start=c(2003,1),frequency=12) #12表月度，1表年度，4表季度

tscales

#获取对象信息

plot(tscales)

start(tscales)

end(tscales)

frequency(tscales)

#对象取子集

stats::window(tscales,start=c(2003,5),end=c(2004,6))

#2.时序的平滑化和季节性分解

#时序数据常有随机或误差成分，要撇开波动，画平滑曲线。采用简单移动平均方法，如居中移动（前后两个数取均值）

library(forecast)

par(mfrow=c(2,2))

ylim <- c(min(Nile),max(Nile))

plot(Nile)

plot(forecast::ma(Nile,3)) #拟合一个简单的移动平均模型

plot(ma(Nile,7))

plot(ma(Nile,15))

#尝试多个不同的k值，找出最能反映数据规律的k，避免过平滑或欠平滑

#对于间隔大于1的时序数据（即存在季节性因子，如月度、季度数据），需要季节性分解为趋势因子（反映长期变化）、季节性因子（反映周期性变化）和随机因子（误差）

#数据的分解通过两个模型：相加模型或相乘模型，具体分解步骤略

#3.指数预测模型

#用来预测时序未来值得最常用模型，短期预测能力较好。单指数、双指数、三指数模型选用的因子不同，略

#4.ARIMA预测模型

#预测值为最近的真实值和最近的预测误差组成的线性函数，比较复杂

#主要用于拟合具有平稳性的时间序列

#这些预测模型都是用的向外推断的思想，即假定未来条件和现在是相似的。

#实际上很多因素影响时序的趋势和模式，时间跨度越大，不确定越大。

-----------------------第16章 聚类分析------------------------------------------

#一种数据归约，不是一个精确的定义，因此聚类方法众多

#常见的两类聚类：a.层次聚类：每个观测自成一类，每次两两合并，直至所有类并成一类。贪婪的分层算法，只能分给一个类

#b.划分聚类：首先指定类个数K，观测值随机分成K类，再重新聚合成类

#层次聚类算法：单联动（single linkage）、全联动(complete ~)、平均联动(average ~)、质心（centroid）、ward等

#划分聚类算法：K均值（K-means）、围绕中心点划分（PAM）

#1.聚类一般步骤

#选择合适的变量

#缩放数据：如scale归一化

  apply(data, 2, function(x){(x-mean(x)/sd(x))})

  apply(data, 2, function(x){x/max(x)})

  apply(data, 2, function(x){(x-mean(x))/mad(x)}) #mad平均绝对偏差

#寻找异常点

#计算距离：最常见欧氏（欧几里得）距离,常用于连续型数据。距离越大，异质性越大

#选择聚类算法：小样本量层次聚类合适，大样本量划分聚类

#获得聚类方法

#确定类数目

#获得最终聚类方案

#结果可视化

#解读类

#验证结果

data(nutrient,package = "flexclust")

head(nutrient,4)

d <- dist(nutrient) #计算距离

as.matrix(d)[1:4,1:4]

#2.层次聚类

row.names(nutrient) <- tolower(row.names(nutrient))

nutrient.scaled <- scale(nutrient)

d <- dist(nutrient.scaled)

fit.average <- hclust(d,method = "average") #平均联动层次聚类

plot(fit.average,hang = -1,cex=0.8) #hang展示观测值标签在0下

#读图从下按层次往上读

#确定聚类数目

library(NbClust)

devAskNewPage(ask = T)

nc <- NbClust(nutrient.scaled,distance = "euclidean",

              min.nc = 2,max.nc = 15,method = "average") #平均联动聚类

table(nc$Best.n[1,])

table(nc$Best.nc[1,]) #聚类数2,3,5等赞同最多

barplot(table(nc$Best.nc[1,])) #一张张绘完图后，会给回聚类建议数目

devAskNewPage(ask = F) #关掉一张张展示

#获取最终聚类方案

clusters <- cutree(fit.average,k=5)

table(clusters)

aggregate(nutrient,by=list(cluster=clusters),median)

aggregate(as.data.frame(nutrient.scaled),by=list(cluster=clusters),median)

plot(fit.average,hang = -1,cex=0.8)

rect.hclust(fit.average,k=5) #将5类框起来

#3.划分聚类

##1）K means

#绘图函数：根据图中弯曲选择适当类数

wssplot <- function(data,nc=15,seed=1234){  #nc考虑最大聚类数

  wss <- (nrow(data)-1)*sum(apply(data,2,var)) #var方差函数

  for (i in 2:nc) {

    set.seed(seed)

    wss[i] <- sum(kmeans(data,centers = i)$withinss)

  }

  plot(1:nc,wss,type = "b")

}

data(wine,package = "rattle")

head(wine)

df <- scale(wine[-1])

#确定聚类个数

wssplot(df) #三类之后下降速度减弱，因此三类可能拟合得好

library(NbClust)

set.seed(1234) #每次随机选择k类，因此要用这个复现结果

devAskNewPage(ask = T)

nc <- NbClust(df,min.nc = 2,max.nc = 15,method = "kmeans") #kmeans聚类

table(nc$Best.n[1,])

barplot(table(nc$Best.nc[1,]))

#进行K均值聚类分析

set.seed(1234)

fit.km <- kmeans(df,3,nstart = 25) #尝试25个初始配置

fit.km$size

fit.km$centers

aggregate(wine[-1],by=list(cluster=fit.km$cluster),mean)

##2）围绕中心点的划分

#K means聚类基于均值，对异常值敏感。围绕中心点划分（PAM）更为稳健

library(cluster)

set.seed(1234)

fit.pam <- pam(wine[-1],k=3,stand = T) #聚成3类，数据标准化

fit.pam$medoids #输出中心点

clusplot(fit.pam) #画出聚类方案

-----------------------第17章 分类--------------------------

#有监督机器学习分类方法：逻辑回归、决策树、随机森林、支持向量机、神经网络等

#将全部数据分为一个训练集和一个验证集，训练集用于建立预测模型，验证集用于测试模型的准确性。

#数据分析的一般流程是通过训练集建立模型，基于验证集调节参数，在测试集上评价模型。如Rattle包（数据分析GUI）将3个数据集比例默认划分为70/15/15

pkgs <- c("rpart","rpart.plot","party", #决策树模型及其可视化

          "randomForest", #拟合随机森林

          "e1071") #构造支持向量机

#install.packages(pkgs,depend=T)

#1.数据准备

loc <- "http://archive.ics.uci.edu/ml/machine-learning-databases/"

ds <- "breast-cancer-wisconsin/breast-cancer-wisconsin.data"

url <- paste(loc,ds,sep = "")

url <- "https://archive.ics.uci.edu/ml/machine-learning-databases/breast-cancer-wisconsin/breast-cancer-wisconsin.data"

breast <- read.table(url,sep = ",",header = F,na.strings = "?")

names(breast) <- c("ID","clumpThickness","sizeUniformity","shapeUniformity","maginalAdhesion",

                   "singleEpithelialCellSize","bareNuclei","blandChromatin",

                   "normalNucleoli","mitosis","class")

df <- breast[-1]

df$class <- factor(df$class,levels = c(2,4),labels = c("benign","malignant")) #良性、恶性

set.seed(1234)

train <- sample(nrow(df),0.7*nrow(df)) #训练集随机选70%

df.train <- df[train,]

df.validate <- df[-train,] #验证集随机选30%

table(df.train$class)

table(df.validate$class)

#2.逻辑回归

#广义线性模型的一种，基础函数glm

#拟合逻辑回归

fit.logit <- glm(class~.,data=df.train,family = binomial())

summary(fit.logit) #未过P值的，一般不会纳入最终模型

#对训练集外样本单元分类

prob <- predict(fit.logit,df.validate,type = "response") #预测恶性肿瘤的概率

logit.pred <- factor(prob>0.5,levels = c(FALSE,TRUE),

                     labels = c("benign","malignant"))

#评估预测准确性

logit.perf <- table(df.validate$class,logit.pred,

                    dnn = c("Actual","Predicted")) #交叉表

logit.perf #准确率(76+118)/200

#逐步逻辑回归移除/增加多余变量（更小的AIC值）

logit.fit.reduced <- step(fit.logit)

#3.决策树

#对预测变量进行二元分离，构造一棵可用于预测新样本所属类别的树

##1）经典决策树

#通常会得到一棵过大的树，出现过拟合，对于训练集外单元的分类性能较差，可用10折交叉验证法剪枝后的树进行预测

library(rpart)

set.seed(1234)

#生成树

dtree <- rpart(class~.,data = df.train,method = "class",

               parms = list(split="information"))

dtree$cptable

plotcp(dtree)

#剪枝

dtree.pruned <- prune(dtree,cp=.0125)

library(rpart.plot)

#画出最终决策树

prp(dtree.pruned,type = 2,extra = 104,fallen.leaves = T)

#对训练集外样本单元分类

dtree.pred <- predict(dtree.pruned,df.validate,type = "class")

dtree.perf <- table(df.validate$class,dtree.pred,

                    dnn = c("Actual","Predicted"))

dtree.perf #准确率96%

#对于水平数很多或缺失值很多的预测变量，决策树可能会有偏

##2）条件推断树

#变量和分割的选取是基于显著性检验（置换检验）的，而非纯净度或同质性一类的度量

#可以不剪枝，生成过程更自动化

library(party)

fit.ctree <- ctree(class~.,data = df.train)

plot(fit.ctree)

ctree.pred <- predict(fit.ctree,df.validate,type="response")

ctree.pref <- table(df.validate$class,ctree.pred,

                    dnn = c("Actual","Predicted"))

ctree.pref

#4.随机森林

#组成式的有监督学习方法：同时生成多个预测模型，将模型结果汇总以提升分类准确率

#所有大量决策树（randomForest包由传统决策树生成）预测类别中的众数类别即为随机森林所预测的这一样本单元的类别

#无法获得验证集时，是随机森林的优势。可计算变量的相对重要程度

#优点：分类准确率更高，可处理大规模问题（多样本单元、多变量），可处理含缺失值的训练集，可处理变量多于样本的数据

#缺点：分类方法较难理解和表达，需存储整个随机森林

library(randomForest)

set.seed(1234)

#生成森林(默认500棵树)

fit.forest <- randomForest(class~.,data=df.train,

                           na.action=na.roughfix, #NA替换（中位值/众数）

                           importance=T) #变量重要性

fit.forest

#给出变量重要性

importance(fit.forest,type = 2) #节点不纯度

#对训练集外样本点分类

forest.pred <- predict(fit.forest,df.validate)

forest.perf <- table(df.validate$class,forest.pred,

                     dnn = c("Actual","Predicted"))

forest.perf

#当预测变量间高度相关时，基于条件推断树的随机森林可能效果更好，party::cforest函数

#5.支持向量机SVM

#可输出较准确的预测结果，模型基于较优雅的数学理论

#SVM旨在多维空间中找到一个能将全部样本单元分成两类的最优平面，这一平面使两类中距离最近的点的间距尽可能大

#在间距边界上的点称为支持向量

#N维空间（n个变量），最优超平面为N-1维

library(e1071)

set.seed(1234)

fit.svm <- svm(class~.,data=df.train) #默认将数据标准化（均值为0，标准差为1）

fit.svm

svm.pred <- predict(fit.svm,na.omit(df.validate)) #与随机森林不同，SVM不允许NA

svm.perf <- table(na.omit(df.validate)$class,svm.pred,

                  dnn = c("Actual","Predicted"))

svm.perf

#svm()默认通过径向基函数（RBF）将样本单元投射到高维空间

#svm拟合样本时，gamma和cost两个参数可能影响模型结果，两参数恒为正数

#选择调和参数

set.seed(1234)

tuned <- tune.svm(class~.,data=df.train,

                  gamma = 10^(-6:1), #尝试8个不同值（值越大训练样本到达范围越广）

                  cost = 10^(-10:10)) #尝试21个成本参数（值越大惩罚越大）

tuned #共拟合了168次，输出最优模型

#用这些参数拟合模型

fit.svm <- svm(class~.,data=df.train,gamma=0.01,cost=1)

#评估交叉验证表现

svm.pred <- predict(fit.svm,na.omit(df.validate))

svm.perf <- table(na.omit(df.validate)$class,svm.pred,

                  dnn = c("Actual","Predicted"))

svm.perf #准确率有所提高

#同随机森林一样，SVM也可用于变量数远多于样本单元数的问题（如基因表达矩阵），但是分类准则较难理解和表述

#SVM本质上是一个黑盒子，在大量样本建模时不如随机森林

#6.选择预测效果最好的解

#分类器是否总能正确划分样本单元？最常用正确率来衡量

#预测一个分类器的准确性度量：敏感度、特异性、正例命中率、负例命中率、准确率

#评估二分类准确性

performance <- function(table,n=2){

  if(!all(dim(table)==c(2,2)))

    stop("must be a 2X2 table!")

  #得到频数

  tn=table[1,1]

  fp=table[1,2]

  fn=table[2,1]

  tp=table[2,2]

  #计算统计量

  sensitivity=tp/(tp+fn) #敏感度

  specificity=tn/(tn+fn) #特异性

  ppp=tp/(tp+fp) #正例命中率

  npp=tn/(tn+fn) #负例命中率

  hitrate=(tp+tn)/(tp+tn+fp+fn) #正确率

  #输出结果

  result <- paste("sensitivity=",round(sensitivity,n),

                  "\nspecificity=",round(specificity,n),

                  "\npositive predictive value=",round(ppp,n),

                  "\nnegative predictive value=",round(npp,n),

                  "\naccuracy=",round(hitrate,n),"\n",sep = " ")

  cat(result)

}

#乳腺癌数据分类器的性能比较

performance(logit.perf) #逻辑回归

performance(dtree.perf) #传统决策树

performance(ctree.pref) #条件推断树

performance(forest.perf) #随机森林

performance(svm.perf) #支持向量机

#可从特异性和敏感度的权衡中提高分类性能。如可通过分类器的特异性来增加其敏感性

#ROC曲线可对一个区间内的阈值画出特异性和敏感性的关系，从而针对特定问题选择两者的最佳组合

#方法选择：

#如果复杂、黑箱式的方法（如随机森林和SVM）相比简单方法（如逻辑回归和决策树）在预测效果上并没有显著提升，一般会选择较简单的方法

----------------第18章 处理缺失数据的高级方法-------------------------

#大部分情况下，在处理真实数据之前，面对缺失值，要么删除含有缺失值的实例，要么替换缺失值。

#处理NA的步骤：识别缺失值，检查原因，删除或插补

#缺失值的分类：

#①完全随机缺失（MCAR）：该变量缺失值与其他变量/观测都不相关

#②随机缺失（MAR）：该变量缺失值与其他变量相关，与它自己的未观测值不相关

#③非随机缺失（NMAR）：非上述两类。

#大部分处理缺失值的方法都假定数据是随机缺失

#1.识别缺失值

#基础方法：

data(sleep,package="VIM")

sleep[complete.cases(sleep),] #列出没有缺失值的行

sleep[!complete.cases(sleep),]

sum(is.na(sleep$Dream))

mean(is.na(sleep$Dream)) #该变量缺失值比例

mean(!complete.cases(sleep))

mean(is.na(sleep)) #为何与上不同结果？

#complete.cases函数将NA和NaN视为缺失值，正负Inf视为有效值

#识别缺失值必须要is.na，myvar==NA无用

#2.探索缺失值模式

#图表查看缺失值：

library(mice)

md.pattern(sleep) 

library(VIM)

aggr(sleep,pro=F,numbers=T) #比例和数值标签，默认分别T,F

VIM::matrixplot(sleep) #热图的形式来展示缺失值（红色），其他颜色深浅代表值大小

#此函数还可图形交互，使变量重排

#缺失值散点图

VIM::marginplot(sleep[c("Gest","Dream")],pch=c(20),

           col = c("darkgray","red","blue")) #主体是变量完整数据散点图

#用相关性探索缺失值：变量间的缺失值以及缺失值和变量之间是否相关呢？

x <- as.data.frame(abs(is.na(sleep)))

head(sleep,5)

head(x,5)

y <- x[which(apply(x, 2, sum)>0)] #提取含缺失值的变量

head(y,5)

cor(y)

cor(sleep,y,use="pairwise.complete.obs")

#表中相关系数并不是很大，表明数据是MCAR的可能性较小，更可能为MAR

#三种流行的缺失值处理方法：推理法、行删除法、多重插补

#3.行删除（完整实例分析）

mydata <- data[complete.cases(data),]

mydata <- na.omit(data)

options(digits = 1)

cor(na.omit(sleep)) #为何有两位小数？

cor(sleep,use = "complete.obs") #等同以上

fit <- lm(Dream~Span+Gest,data=na.omit(sleep))

summary(fit)

fit <- lm(Dream~Span+Gest,data=sleep) #与变量相关的缺失值才删除

summary(fit)

#4.多重插补MI

#一种基于重复模拟的处理缺失值方法。通过生成3-10个数据集，每个模拟数据集中，缺失值用蒙特卡洛方法来填补

#基于mice包的处理过程：

  library(mice)

  imp <- mice(data,m) #m个插补数据集，默认为5

  fit <- with(imp,analysis) #插补数据集的统计方法，如lm,glm,gam,nbrm等

  pooled <- pool(fit) #m个统计分析平均结果

  summary()

data("sleep")

imp <- mice(sleep,seed = 1234)

fit <- with(imp,lm(Dream~Span+Gest))

pooled <- pool(fit)

summary(pooled)

imp #对象汇总

imp$imp$Dream #查看子成分，看到实际的插补值

complete(imp,action = 3) #观察m个插补数据集中的任意一个

#5.其他方法

#成对删除

cor(sleep,use = "pairwise.complete.obs")

#只利用了两个变量的可用观测（忽略其他变量），因此每次计算都只用了不同的数据子集，可能会有一些扭曲的结果，不建议使用

#简单插补

#均值、中位数、众数等具体某值来替换缺失值。

#优点：不会减少分析过程可用的样本量。

#缺点：对非随机数据会产生有偏结果。尤其是缺失值多时，会低估标准差、曲解变量相关性等，不建议使用。

R 语言实战-Part 4 笔记的更多相关文章

  1. 《R语言实战》读书笔记--为什么要学

    本人最近在某咨询公司实习,涉及到了一些数据分析的工作,用的是R语言来处理数据.但是在应用的过程中,发现用R很不熟练,所以再打算学一遍R.曾经花一个月的时间看过一遍<R语言编程艺术>,还用R ...

  2. R 语言实战-Part 3 笔记

    R 语言实战(第二版) part 3 中级方法 -------------第8章 回归------------------ #概念:用一个或多个自变量(预测变量)来预测因变量(响应变量)的方法 #最常 ...

  3. R语言实战-Part 2笔记

    R 语言实战(第二版) part 2 基本方法 -------------第6章 基本图形------------------ #1.条形图 #一般是类别型(离散)变量 library(vcd) he ...

  4. R 语言实战-Part 5-1笔记

    R 语言实战(第二版) part 5-1 技能拓展 ----------第19章 使用ggplot2进行高级绘图------------------------- #R的四种图形系统: #①base: ...

  5. R 语言实战-Part 5-2笔记

    R 语言实战(第二版) part 5-2 技能拓展 ----------第21章创建包-------------------------- #包是一套函数.文档和数据的合集,以一种标准的格式保存 #1 ...

  6. 《R语言实战》读书笔记--第一章 R语言介绍

    1.典型的数据分析过程可以总结为一下图形: 注意,在模型建立和验证的过程中,可能需要重新进行数据清理和模型建立. 2.R语言一般用 <- 作为赋值运算符,一般不用 = ,原因待考证.用-> ...

  7. 《R语言实战》读书笔记 第七章--基本统计分析

    在导入数据并且将数据进行组织和初步可视化以后,需要对数据进行分布探索和两两关系分析等.主要内容有描述性统计分析.频数表和列联表.相关系数和协方差.t检验.非参数统计. 7.1描述性统计分析 7.1.1 ...

  8. 《R语言实战》读书笔记--第五章 高级数据管理

    本章内容: 数学和统计函数 字符处理函数 循环和条件执行 自编函数 数据整合与重塑 5.1一个数据处理难题 5.2数值和字符处理函数 分为数值函数和字符串函数,下面是数学函数截图: ceiling.f ...

  9. 《R语言实战》读书笔记--第四章 基本数据管理

    本章内容: 操纵日期和缺失值 熟悉数据类型的转换 变量的创建和重编码 数据集的排序,合并与取子集 选入和丢弃变量 多说一句,数据预处理的时间是最长的……确实是这样的,额. 4.1一个示例 4.2创建新 ...

随机推荐

  1. Java：创建对象小记

    Java:创建对象小记 对 Java 中的创建对象的内容,做一个微不足道的小小小小记 创建对象的方式概述 使用 new 关键字:Person person = new Person(); 反射创建:使 ...

  2. 第6次 Beta Scrum Meeting

    本次会议为Beta阶段第6次Scrum Meeting会议 会议概要 会议时间:2021年6月8日 会议地点:「腾讯会议」线上进行 会议时长:15min 会议内容简介:对完成工作进行阶段性汇报:对下一 ...

  3. Python课程笔记（十一）

    一.线程与多线程 1.线程与进程 线程指的是 进程(运行中的程序)中单一顺序的执行流. 多个独立执行的线程相加 = 一个进程 多线程程序是指一个程序中包含有多个执行流,多线程是实现并发机制的一种有效手 ...

  4. 【行人惯性导航】关于行人导航中IMU位姿推导的知识点及相关代码

    IMU姿态惯性推导 最近从事行人惯性导航的研究,本人也是一个小白,其中看了很多文献,有很多个人思考很费时间的地方,撰写此随笔的目的不仅是给自己做一个笔记,也是给各位有需要的仁兄一点个人理解. 本文只关 ...

  5. 从零开始的DIY智能浇水应用

    前言 作为一个新世纪打工人,平常也会去养一些花草,来给我的房间增加点绿色和活力,但是常常因为工作忙而忘记一些事情.,毕竟我大部分的时间都是陪伴着电脑的(严正声明:我不是个单身狗!!! (¬◡¬)✧), ...

  6. Android上安装第三方库

    在Android sdk中安装预安装第三方的(动态,静态)库,到系统中,方便模块无差别的使用. Android.mk include $(CLEAR_VARS) LOCAL_MODULE_TAGS : ...

  7. hdu 1394 Minimum Inversion Number（线段树or树状数组）

    题意: 给你N个数,N个数是0~N-1的一个全排列. 要求统计它的所有形式的逆序对的最小值.它的所有形式的意思是,不断将数组开头的第一个数放到数组的最后面. 逆序对:i<j且ai>aj 思 ...

  8. hdu 4771 Stealing Harry Potter's Precious (BFS+状压)

    题意: n*m的迷宫,有一些格能走("."),有一些格不能走("#").起始点为"@". 有K个物体.(K<=4),每个物体都是放在& ...

  9. Linux安装部署Zabbix

    Zabbix 是一个企业级的分布式开源监控方案,能够监控各种网络参数以及服务器健康性和完整性的软件.Zabbix使用灵活的通知机制,允许用户为几乎任何事件配置基于邮件的告警.这样可以快速反馈服务器的问 ...

  10. Code Runner for VS Code，下载量突破 3000 万！

    还记得五年前的夏天,我在巨硬写着世界上最好的语言,有时也需要带着游标卡尺写着另一门语言.然而,我对这两门语言都不熟悉,如果能在 VS Code 中方便快捷地运行各种语言,那岂不是很方便?于是,我就开发 ...