机器学习第4章第3节 : R语言计算实例

最新推荐文章于 2021-11-26 10:40:51 发布
最新推荐文章于 2021-11-26 10:40:51 发布
阅读量1.6k 收藏 5
点赞数 1
分类专栏： 机器学习 文章标签： 机器学习 r语言 实例
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
本文链接：https://blog.csdn.net/u013733326/article/details/78374159
版权

机器学习第4章第3节 : R语言计算实例

学生数据集读写

list方法

R语言可以使用list(列表)组件创建与读写学生数据,该组件通常用来容纳一个数据集其中包含不同的数据类型.

  • 创建学生数据集(语法:list(字段1 = 组件1 , 字段2 = 组件2,......)),学生数据集由3个不同的类型的数据组成: name,class,ages,代码如下:
list(name = "student",class = "101",students.ages = c(22,25,20),students.name = c("zhangsan","lisi","wangwu"))  -> mystudents
  • 读取列表,去读刚才创建的学生数据集,代码如下:
mystudents

执行结果:

> mystudents
$name
[1] "student"

$class
[1] "101"

$students.ages
[1] 2225   20

$students.name
[1] "zhangsan" "lisi"     "wangwu"
  • 获取学生数据集的字段总数(通过length返回list组件的数量),代码如下:
length(mystudents)

执行结果:

> length(mystudents)
[1] 4
  • 查看数据集中所有学生的姓名和年龄(通过”列表变量名$字段名“提取组件内容)代码如下:
c(mystudents$students.name , mystudents$students.ages)

执行结果:

> c(mystudents$students.name , mystudents$students.ages)
[1] "zhangsan" "lisi"     "wangwu"   "22"       "25"       "20"

data.frame方法

此外,R语言还提供了一个很不错的list组件data.frame,它内部可拥有很多组件.

  • 创建data.frame组件存储学生数据,代码如下:
data.frame(name = mystudents$students.name , age = mystudents$students.ages) -> mysts
  • 将数据集中的年龄都增长1岁(类似于新的一年大家都长大了一岁),可使用attach和detach方法

前面一直在使用$符号访问list里面的内容,当R语言的代码较多时,列表组件名前缀访问字段很不方便,因此,R语言提供了另一对非常有用的工具attach和detach.

attach是把数据集的所有字段复制一份副本绑定在所有路径,这样可以直接读取它们(仅仅是读取,写是写在副本上的,写在副本上是没有意义的),无需显示表明列表名字

detach是解绑.


用attach将学生数据集的字段副本绑定在所有路径中,代码如下:

attach(mysts)
age
name

执行结果:

> attach(mysts)
> age
[1] 22 25 20
> name
[1] zhangsan lisi     wangwu  
Levels: lisi wangwu zhangsan
>

将绑定的age字段副本加1,并显示更新后的学生数据,代码如下:

age+1 -> mysts$age
mysts

执行结果:

> age+1 -> mysts$age
> mysts
      name age
1 zhangsan  23
2     lisi  26
3   wangwu  21

使用detach将字段副本从搜索路径上删除(解绑),代码如下:

detach(mysts)
age
name

执行结果:

> detach(mysts)
> age
错误: 找不到对象'age'
> name
错误: 找不到对象'name'

最小二乘法拟合

最小二乘法与回归

最小二乘法是一种数学优化技术,它通过最小化误差的平方和找到一组数据的最佳函数匹配.

假设存在(x,y)两个变量,对于一系列的x变量值,有一系列的y值与其对应,可以找到这两个变量之间的相互关系.比如,对于一次函数来说,可将这些(x,y)值标注在直角坐标系统,从而得到一条直线,这些点就在这条直线附近,那么,直线返程的定义为:

y=kx+b

其中,k和b是任意实数,k为斜率,b为截距.

我们以y=3x+12 和 y=6x+12为例进行分析.如下图

函数图

从上图我们可以很直观的看出,斜率越大,直线越陡(蓝线k值为6,黄线k值为3,蓝线比黄线陡),无论哪条线,对于每一个x,都有一个y值都相对应,比如,当x为1.5时,我们想要求黄线上的坐标,可直接将x=1.5代入y=3x+12就可以得到:

y=3 x 1.5 + 12 = 16.5

这样我们就可以使用 y=kx+b形式的一次方程拟合数据点,这个过程称为线性拟合,拟合的目标是这些点到这条直线的距离的平方和最小(比如刚才的(x=1.5,y=16.5),它到直线y=3x+12的距离的平方和为0,达到了最小).最小二乘法是效果较好的线性拟合的方法,最小二乘法拟合数据点的的过程就是对数据做回归分析,我们把类似上图的几条直线称为回归线

最小二乘法拟合

R语言提供了lsift函数,可完成小二乘法拟合,其主要参数如下:

xyWtInterceptToleranceYname
一个矩阵的行对应的情况和其列对应为变量结果,可以是一个矩阵可选参数,加权最小二乘法的执行权重向量是否使用截距项公差将用于矩阵分解用于响应变量的名称

我们来看看y=2x回归方程拟合,这里以x=(1,2,3,4),y=(2,4,6,8)为例在R中进行数据拟合,代码如下:

x <- c(1,2,3,4)
y <- c(2,4,6,8)
lsfit(x,y) #下面的执行结果中x为常数项,Intercept为截距

执行结果:

> x <- c(1,2,3,4)
> y <- c(2,4,6,8)
> lsfit(x,y) #下面的执行结果中x为常数项,Intercept为截距
$coefficients
Intercept         X 
        0         2 

#----------------------------#
#.....删去了不必要的的结果代码.....#

在上面的拟合结果中,Intercept代表截距,x表示方程的x变量的常数项,因此,回归方程为y=2x+0=2x


再看看y=2x+3的回归方程拟合,设截距为3,修改刚才的方程,假设回归线为: y=2x+3

根据回归线构造x和y,执行lsfit()函数进行拟合,代码如下:

x <- c(1,2,3,4)
y <- c(5,7,9,11)
lsfit(x,y)

执行结果:

> x <- c(1,2,3,4)
> y <- c(5,7,9,11)
> lsfit(x,y)
$coefficients
Intercept         X 
        3         2

#----------------------------#
#.....删去了不必要的的结果代码.....#

根据结果,这些数据点的回归方程为y=2x+3

交叉因子频率分析

交叉因子频率分析的作用在于分析数据的分布区间及其统计指标.

  • 划分数据分布区间.使用cut()函数将变量y中存储的数字划分到5个分布区间,代码如下:
y <- c(11,22,13,14,11,22,31,31,31,14)
cuty <- cut(y,5)
cuty

执行结果:

> y <- c(11,22,13,14,11,22,31,31,31,14)
> cuty <- cut(y,5)
> cuty
 [1] (11,15] (19,23] (11,15] (11,15] (11,15] (19,23] (27,31] (27,31] (27,31] (11,15]
Levels: (11,15] (15,19] (19,23] (23,27] (27,31]
  • 使用table函数统计数据再每个区间出现的频率,代码如下:
table(cuty)

执行结果:

> table(cuty)
cuty
(11,15] (15,19] (19,23] (23,27] (27,31] 
      5       0       2       0       3
  • 使用hist函数生成分布直方图,以便更直观的观察数据分布情况.通过指定breaks参数(设置为各区间的边界值)和axes参数(设置为FALSE表示手动画刻度),将数据再table函数生成的区间内进行划分,代码如下:
bins <- seq(min(y),max(y),by=4)
hist(y,breaks=bins,col="lightblue",axes=FALSE)
axis(1,bins)
axis(2)

如果没有弹出图形界面,就在R界面中选择窗口-2 R Graphics:Device:2 (ACTIVE),结果如下图:

window2

hist

结合table函数执行的结果以及hist函数 生成的直方图,可以都得到以下结论:

分析table函数的执行结果可以看出,数据主要都击中在[11,15]的区间中,[11,15]的区间内分布的数字最多,该区间有5个数字.此外在[15,19]和[23,27]区间中没有数据分布,变量y在这两个区间内出现的频率为0.

从上图可以看到,数据分布情况与table函数的执行结果相吻合.

向量模长计算

向量模长即欧几里得范数,在n 维欧几里得空间Rn上,向量vx的长度定义为lenxv.

根据勾股定理,它给出了原点到点x之间的距离.

模长函数定义

R拥有自定义函数功能可按如下格式定义:

yourFunctionName <- function(parameter1,parameter2,parameter3,......,parameterN){
    #your code#
}

下面定义一个三维向量模长的vector_length函数,完成模长计算

vector_length <- function(x1,x2,x3){
    vlength <- sqrt(x1^2 + x2^2 + x3^2)
    vlength
}

模长计算

调用vector_length函数,计算向量[12,22,19]的模长

vector_length(12,33,19)

执行结果:

> vector_length(12,33,19)
[1] 39.92493


N维向量的模长与三维模长类似,我们重新定义 vector_length函数,并调用它计算任意维度向量的模长,代码如下:

# 定义vector_length函数
vector_length <- function(x){
    temp <- 0
    for (i in 1:length(x)){
        temp <- temp + x[i]^2
    }
    vlength <- sqrt(temp)
    vlength #打印出结果
}

# 调用vector_length计算任意维度的向量模长
vector_length(c(11,22,33,44,55))
vector_length(c(11,22,33,44,55,66,77,88,99))

执行结果

> # 定义vector_length函数
> vector_length <- function(x){
+ temp <- 0
+ for (i in 1:length(x)){
+ temp <- temp + x[i]^2
+ }
+ vlength <- sqrt(temp)
+ vlength #打印出结果
+ }
> 
> # 调用vector_length计算任意维度的向量模长
> vector_length(c(11,22,33,44,55))
[1] 81.57818
> vector_length(c(11,22,33,44,55,66,77,88,99))
[1] 185.7014

欧式距离计算

欧氏距离(Edclid Distance)是在n维空间中两个点的真实距离.n维欧式空间的每个点都可以表示为(x[1],x[2],x[3],……,x[n]), X=(x[1],x[2],x[3],……,x[n])和Y=(y[1],y[2],y[3],……,y[n]),这两个点之间的距离d(X,Y)定义为以下公式:

distance

利用R语言的操作符自定义功能完成欧式距离计算,操作符的定义使用%符号%的方式定义实际使用时,%特属于操作符的一部分,操作符的定义格式如下:

操作符名 <- function(参数1,参数2,参数3,......,参数n){
    语句
}

下面定义%~%操作符,并计算二维空间的欧氏距离,代码如下:

"%~%" <- function(x1,x2){
    temp <- 0
    for(i in 1:length(x1)){
        temp <- (x1[i] - x2[i])^2
    }
    edis <- sqrt(temp)
    edis
}

#使用%~%操作符,计算二维空间的欧式距离
c(1,2,3) %~% c(4,5,6)

计算结果:

> "%~%" <- function(x1,x2){
+ temp <- 0
+ for(i in 1:length(x1)){
+ temp <- (x1[i] - x2[i])^2
+ }
+ edis <- sqrt(temp)
+ edis
+ }
> 
> #使用%~%操作符,计算二维空间的欧式距离
> c(1,2,3) %~% c(4,5,6)
[1] 3

可以将计算扩展到n维空间中.使用R语言的不定数量参数的机制,来定义n维空间的欧式距离函数mycount,代码如下:

mycount <- function(...){
    temp <- 0
    for (i in c(...)){
        temp = temp +1
    }
    temp
}

mycount(11,22,33)
mycount(22,33,44,55)
mycount(11,55,99)

执行结果:

> mycount <- function(...){
+ temp <- 0
+ for (i in c(...)){
+ temp = temp +1
+ }
+ temp
+ }
> 
> mycount(11,22,33)
[1] 3
> mycount(22,33,44,55)
[1] 4
> mycount(11,55,99)
[1] 3
何宽
关注
  • 1
    点赞
  • 踩
  • 5
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
专栏目录
R语言使用for语句实现循环结构、使用in关键字枚举字符串向量中的内容
omhdxgb的博客
03-03 1407
R语言使用for语句实现循环结构、使用in关键字枚举字符串向量中的内容
R语言中如何使用最小二乘法
quryktcs的博客
05-07 4万+
这里只是介绍下R语言中如何使用最小二乘法解决一次函数的线性回归问题。         代码如下：(数据同上一篇博客)(是不是很简单????) > x<-c(6.19,2.51,7.29,7.01,5.7,2.66,3.98,2.5,9.1,4.2) > y<-c(5.25,2.83,6.41,6.71,5.1,4.23,5.05,1.98,10.5,6.3) > lsfit(x,y)
R语言基础
j1097376869的博客
05-23 1346
数据保存与恢复x <- c(22,23,23,24) y <- mean(x) #开环境：开始存储变量的数据 sink('./lis/mean_test.lis') #将x，y存入mean_test.lis x y #结束输出重定向到文件中 sink() #代码续行:x为向量[11,22,3388] x <- c(11,22,33+ +22+ +
R语言向量_常用的向量运算
scong123的博客
04-15 1万+
向量运算与逻辑运算 > 2+3 [1] 5 > "+"(2,3) [1] 5 > x > x+c(5,0,-1) [1] 6 2 3 这些都比较简单，就是简单的标量运算和向量运算，只不过是运算符可以放到前面，并且向量的对应元素需要相加罢了。   > x > x*c(5,0,-1) [1]  5  0 -4 > x > x/c(5,4,-1) [1]  0.2  0.5
R语言——符号函数（向量化）
统计学小王子的博客
05-17 2338
目录引言函数if函数逻辑函数总结 引言 本文编写的函数是符号函数sgn，符号函数的定义如下： f(x)={1,x>00,x=0−1,x<0 f(x)=\left\{ \begin{aligned} 1 ,x >0 \\ 0, x = 0 \\ -1, x <0\\ \end{aligned} \right. f(x)=⎩⎪⎨⎪⎧​1,x>00,x=0−1,x<0​ R语言内部没有这个内置函数。我们可以通过function、if函数很简单的定义自己的符号函数，因为if函数不
R实现的最小二乘lsfit函数学习
weixin_34277853的博客
01-09 2436
1.源码 function (x, y, wt = NULL, intercept = TRUE, tolerance = 1e-07, yname = NULL) { x <- as.matrix(x) y <- as.matrix(y) xnames <- colnames(x)#x的列名 if (is.null(x...
R语言
qq_34505594的博客
03-09 1991
1.线性回归1.lsfit(x,y) #计算回归方程的斜率和截距2.abline(lsfit(x,y) #画出散点图及回归线3.lm(y~x) #详细的回归分析4.lm(y!x+x2) #多元线性回归2.非线性回归可以用变量变化转换为线性模型，从而用最小二乘法进行回归分析。使用R语言的nls方法实现非线性回归分析。x&lt;-c(1,2,3,4,5)y&lt;--100+10*exp(x...
R语言数据结构——向量
Bio大恐龙
11-26 3207
向量(vector) 使用 c()函数 创建向量 x <- c(1,2,3,4,5)#创建一个名为 x 的向量 可以使用names()函数为向量中的元素命名 names(x) <- c("one","two","three","four","five") 注意：向量中所包含 的数据结构类型必需相同，如果不同，会在转化为向量之前自动转化为相同数据类型。例如：同时存在整数与浮点数，则存为向量时，数据转化为浮点数。 数据转化的顺序： expression（表达型） > l.
R语言-向量
qq_46040234的博客
09-06 5338
文章目录1 标量、向量、数组、矩阵1.1添加或删除向量元素1.2 获取向量长度1.3 作为向量的矩阵和数组2 声明3 循环补齐4 常用的向量运算4.1向量运算和逻辑运算4.2 向量索引4.3 用:运算符创建向量4.4使用seq()创建向量4.5 使用rep()重复向量常数 1 标量、向量、数组、矩阵 R语言中变量类型称为模式 同一向量中的所有元素必须时相同模式 1.1添加或删除向量元素 R中向量是连续存储的，不能插入或删除元素 在R中，向量的大小在创建时已经确定，因此如果想要添加或删除元素，需要重新
向量自回归模型（VAR）及其R语言实现
Imliao的博客
05-17 8万+
最近在写向量自回归的论文，无论是百度还是Google，都没能找到特别合适的R环境下中文资料，大都是Eviews做出来的。所以写这么一篇blog来分享下自己的经验。 注：本文着重介绍VAR的R实现，具体学术性质的东西请参阅相关学术论文。 VAR的定义： 自行Google，很详细，也很简单 VAR模型的用途： 主要是预测分析和内生变量间影响状况分析。 VAR的主要步骤： （个...
生存分析的一些整理笔记
weixin_43087035的博客
10-28 1万+
生存分析是研究生存时间的分布规律，以及生存时间和相关因素之间关系的一种统计分析方法 一、生存分析 1、生存分析的三个研究内容： 生存描述-描述不同时间的总体生存率，计算中位生存时间，绘制生存函数曲线，一般用Kaplan-Meier方法和寿命表法； 生存曲线比较-比较不同处理组的生存率，一般用logrank检验； 生存相关因素的分析：回归模型；由于logrank检验仅能分析一个因素，因此两个或者两个以上因素的分析需要使用Cox比例风险模型； 2、生存分析使用的方法： Kaplan-Meier plots
用R语言进行回归分析
超超级钢铁侠
07-28 8591
1.单变量线性回归> y<-c(5,7,9,11,16,20) > x<-c(1,2,3,4,7,9) > lsfit(x,y) $coefficients Intercept X 3.338028 1.845070 $residuals [1] -0.18309859 -0.02816901 0.12676056 0.28169014 -0.25352113 0.056
R语言学习
bcbobo21cn的专栏
05-17 1557
R语言学习笔记 前言：关于R 在R的官方教程里是这么给R下注解的:一个数据分析和图形显示的程序设计环境(A system for data analysis and visualization which is built based on S language.)。 R的源起 R是S语言的一种实现。S语言是由 AT&T贝尔实验室开发的一种用来进行数据探索、统计分析、作图的解释型语言。
R语言—散点图
热门推荐
niuruijun的博客
03-09 11万+
一.绘制基本散点图如何绘制散点图方法 1）使用plot函数可绘制散点图，运行命令时依次传递给plot（）函数一个向量x和一个向量y 2）使用ggplot函数，运行geom_point()函数，分别映射一个变量到x和y          heightweight是个多列数据集ps：通过设定点形参数可以在散点图中绘制默认值以外的点形（系统默认为为2），如：二.使用点形和颜色属性，并基于某变量对数据进行...
【R语言学习笔记】RGraphviz包的安装与加载方法
Coix的专栏
12-23 9109
最近学习一个算法，是用R语言实现的，其中需要用到RGraphviz，我原先想按照以前安装包的方法：在镜像中找到就可以直接点击、安装该包。可是我找遍了不同地区的一些镜像，都找不到我想要安装的包。所以我查找资料，试了很多方法，最后成功了，故作此分享与总结。 1、安装版本       目前的Rgraphviz必须安装graphviz2.20:http://www.graphviz.org/pub/g
R语言笔记5（向量的运算）
zxyhfdl的博客
10-04 3724
1.向量的基础运算 &gt; c(6,9,12)+c(2,3,4)                                    #向量相加 [1]  8 12 16                                                   &gt; c(6,9,12)*c(2,3,4)                                     #...
（—）R语言之向量
zj910092147的专栏
02-20 2127
（一）R语言最基本的数据类型是向量。 首先介绍几个新概念： 1、循环补齐：在一定的情况下自动延长向量； 2、筛选：提取向量子集； 3、向量化：对向量的每一个元素应用函数。 4、R语言中没有标量，数字实际上被当做一元向量 5、R语言中向量索引是从1开始的，而C是从0开始的。 （二）循环补齐 > c(1,2,3,4)+1 [1] 2 3 4 5 其中1被当作一元向量，循环补齐的效果就是
R语言中的向量使用合集
Gavin Chen的专栏
04-10 1万+
#---r中向量相关的操作 #----数字型向量 #赋值 x&lt;-c(1,2,3) assign("x",c(1,2,3)) y&lt;-c(x,2,x) # &gt; y # [1] 1 2 3 2 1 2 3 #向量的运算 x&lt;-c(1,2,3);y&lt;-c(2,3,4) v1&lt;-2*x+x*y+1 # &gt; v1 # [1] 5 11 19 v2&lt;-2...
R语言中的数学运算-最全总结+解惑
默默耕耘，阶段爆发，取长补短，修炼身心
07-23 4万+
2019.09.10更新，新增一阶导数、二阶导数和偏导数计算 一、算术运算符 ^或** 乘方,求幂值 A%%B 取余,模运算 A%/%B 整数除法 == 严格等于,判断是否相等 !x 不等于x x|y 或,&amp;或|比较两个向量的所有元素 x&amp;y 与 sign() 判断正负 &amp;&amp;或|| 逻辑计算操作,只比较两个向量的第一个元素 ...
清华机器学习课程：第15章奇异值分解，入门与详解
本资源是一份清华大学出品的机器学习技术课程，专注于统计学习方法的第二版，其中详细讲解了第15章——奇异值分解（Singular Value Decomposition, SVD）。SVD是线性代数中的一个重要概念，它对任意矩阵（包括非方阵...
评论
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值