立身以力学为先，力学以读书为本。 —郑耕老《劝学》

mydata 数据如下图：#在同一张图中画多条折线图并添加图例rm(list = ls(all = TRUE))mydata <- read.csv("test.csv",header = TRUE)spring_data <- mydata[which(mydata$season == "spring"),]x_names <- as.vector(spring_data$na...

R中没有直接求众数的函数 q1 > table(q1) q1 3 4 5 6 7 8 1 1 3 2 2 1 > max(table(q1)) [1] 3 > table(q1) == max(table(q1)) q1     3     4     5     6     7     8 FALSE FALSE  TRUE FALSE F

【简介】R是用于统计分析、绘图的语言和操作环境。R是属于GNU系统的一个自由、免费、源代码开放的软件，它是一个用于统计计算和统计制图的优秀工具。　　【R语言的安装】官网：https://www.r-project.org/　　在Ubuntu上的安装一般都有两种方式：　　1、直接到官网上下载安装包（tar.gz），然后依次安装即可。　　2、在网速可以的情况下，利用在a

1.用命令getwd() 获取当前工作路径setwd()设置工作路径需要注意的是：linux下相对路径 setwd("./Rsourse")上一级目录serwd("../")绝对路径setwd("/Users/renlan/data")windows下 相对路径setwd(".\\Rsourse") 上一级目录setwd("..\\") 绝对路径set

pheatmap简介: Pretty Heatmaps——Implementation of heatmaps that offers more control over dimensions and appearance.[plain] view plain copylibrary(pheatmap)  #创建数据集test测试矩阵  

读取数据（txt文件，制表符分隔）E盘的Rdata是存放数据的目录 > mydf > mydf 回车 显示如下：    X   T1 T2 T3 T31  AA   8  5  4  62  AB   3  7  9  23  AC   2  6  1  04  AD   3  4  7  8

点击行号的左侧，即可设置断点(或者按下Shift+F9)，如果没有出现，反而出现下图的警告：那么只是因为我的坏习惯——写一段脚本测试的时候都是新建，但不save到本地，不喜欢保存，写的差不多了才开始取名字保存....写一个for循环测试下：test 0for(i in 1:9){ j i+2 test[i+1] test[i]+3 k i}将envi

推荐的书单包括统计系本科生课程密切相关的中文书籍或者中译本：统计历史，统计学入门（非数学专业的统计书），数学分析，线性代数，概率论，数理统计，随机过程，R语言，大数据，金融统计，金融数学，生存分析，寿险精算，精算与风险模型。入选的标准是最近出版的书，而且最好有完整习题答案或者辅导书，利于自学。希望国内的初学者多看一些国内外大师（国内是院士级别，国外的学者是资

R语言与数据挖掘：公式；数据；方法R语言特征对大小写敏感通常，数字，字母，. 和 _都是允许的(在一些国家还包括重音字母)。不过，一个命名必须以 . 或者字母开头，并且如果以 . 开头，第二个字符不允许是数字。基本命令要么是表达式（expressions）要么就是 赋值（assignments）。命令可以被 (;)隔开，或者另起一行。基本命令可以通过大括弧({和}) 放在一起构

Kendall Rank（肯德尔等级）相关系数1、简介在统计学中，肯德尔相关系数是以Maurice Kendall命名的，并经常用希腊字母τ（tau）表示其值。肯德尔相关系数是一个用来测量两个随机变量相关性的统计值。一个肯德尔检验是一个无参数假设检验，它使用计算而得的相关系数去检验两个随机变量的统计依赖性。肯德尔相关系数的取值范围在-1到1之间，当τ为1时，表示两个随机变量拥有一致

Spearman Rank（斯皮尔曼等级）相关系数 1、简介在统计学中，斯皮尔曼等级相关系数以Charles Spearman命名，并经常用希腊字母ρ（rho）表示其值。斯皮尔曼等级相关系数用来估计两个变量X、Y之间的相关性，其中变量间的相关性可以使用单调函数来描述。如果两个变量取值的两个集合中均不存在相同的两个元素，那么，当其中一个变量可以表示为另一个变量的很好的单调函数

统计相关系数简介  由于使用的统计相关系数比较频繁，所以这里就利用几篇文章简单介绍一下这些系数。 相关系数：考察两个事物（在数据里我们称之为变量）之间的相关程度。 如果有两个变量：X、Y，最终计算出的相关系数的含义可以有如下理解：(1)、当相关系数为0时，X和Y两变量无关系。(2)、当X的值增大（减小），Y值增大（减小），两个

R中很多函数都接收公式（formula）类型的参数，比如lm。来看一个最简单的使用公式的例子：代码1> lm(y ~ x, data=dfrm)这里的公式是 y~ x，有这样几个意思：y和x之间的关系是线性的；y是因变量，x是自变量；x和y都是数据框dfrm中的列。这是最简单的使用。还有一种

R语言corrplot包中的corrplot()函数，提供了一整套对相关系数可视化的包，可很容易就将文字结果转化为图片，使您的报告更加光彩夺目，颜值瞬间上升几个档次。ggplot2是R语言可视化大杀器，自带的mtcars数据集收录了32辆汽车在11个指标上的数据。下面就以mtcars为例，讲解相关系数的可视化。01相关系数的计算#在计算之前，首先安装两个

install.packages("installr")require(installr)或者library("installr")updateR()就可以从rstudio里更新R转载自：https://www.zhihu.com/question/43471741

Hadley Wickham 和 RStudio团队写了一些新的R包，这些包对于每个需要在R中读入数据的人来说都是非常有用的。readr包提供了一些在R中读入文本数据的函数。readxl包提供了一些在R中读入Excel电子表格数据的函数。它们的读取速度远远超过你目前正在用的一些函数。readr包提供了若干函数在R中读取数据。我们通常会用R中的read.table家族函数来完成我们的数据读入

因为在写论文的时候用到，所以和大家分享。原地址为http://rstudio-pubs-static.s3.amazonaws.com/1876_df0bf890dd54461f98719b461d987c3d.html考虑到原地址可能失效，这里做简单的翻译和备份，有关聚类的R包可以参考cluster包和ape包以下是正文：The

热门数据挖掘模型应用入门（一）: LASSO回归目录： • 模型简介 • 线性回归 • Logistic回归 • Elstic Net理论简介 • 学习资料模型简介Kaggle网站（https://www.kaggle.com/）成立于2010年，是当下最流行的进行数据发掘和预测模型竞赛的在线平台。 与Kaggle合作的公司可以在网站上提出一个问题或者目标，同时提供相关数据，来自世界各地的计算机科...

原文链接：http://dataunion.org/23013.html作者 Debrati引言变量选择是模型构建的一个重要方面，每个分析人员都必须学习。毕竟，它有助于排除相关变量、偏见和不必要噪音的限制来建立预测模型。许多分析新手认为，保持所有（或更多）的变量就能产生最佳的模型，因为你不会丢失任何信息。可悲的是，他们错了！从模型中删除一个变量，增加了模型的

在Windows环境下，我们可以使用installr包自动将R升级到最新版本。并且可以安装软件。下面主要演示如何在Windows环境下升级R，并将旧版本安装的R包复制到更新版本的R。1、加载installr包install.packages("installr")library(installr)2、在“installr”菜单中选择“update R”3、in

在数据挖掘过程中，高维数据是非常棘手的研究对象。特别是在文本挖掘、图像处理和基因数据分析中，维度过高使很多学习器无法工作或效率降低，所以降维也是数据预处理过程的一项必要任务。降维大致有两大类别，一类是从原始维度中提取新的维度，例如主成分分析或因子分析，再或者是奇异值分解或是多维标度分析。另一类是从原始维度中选择一些子集，即称为特征选择（Feature Selection），或者叫作最佳子集选择

前言使用R语言进行数据处理是非常方便的，几行代码就可以完成很复杂的操作。但是，对于数据的连续处理，还是有人觉得代码不好看，要么是长长的函数嵌套调用，有点像Lisp感觉，括号包一切；要么就是每次操作赋值一个临时变量，啰嗦。为什么就不能像Linux的管道一样优雅呢？magrittr包在这样场景中被开发出来，通过管道的方式让连续复杂数据的处理操作，代码更短，更容易读，甚至一行代码可以搞定

x是一个数据框1.删除数据框x中含有缺失值NA的行可以用下面方法（1）x （2）x 2.删除数据框x中含有缺失值NA的列可以用下面方法na_flag <- apply(is.na(x), 2, sum)x

安装R语言的包的方法：1. 自动安装（在线安装）在R的控制台,输入install.packages("gridExtra")  # 安装 gridExtrainstall.packages("stepNorm", contriburl="http://www.your.url",  dependencies = TRUE) # 安装 stepNorm若要指定

现在有很多正被支持和维护的优秀机器学习R包。对于我们要进行的案例学习来说，也有很多我们需要的多维数据处理，文本分析，网络结构以及web交互的扩展包。我们将会在很大程度上依赖这些包的内置功能。在R中加载包是非常容易的，有两个函数可以做到：library 和 require。他们之间有一些细微的差别，但是对于在本书中的使用来说，主要的区别在于 require 会返回一个布尔值(True或Fal

在ubuntu上安装最新版本的R软件，如果直接下载R的压缩文件比如R-3.4.3.tar.gz，解压安装时往往会遇到一些问题，主要是因为一些依赖包安装总是出错。在不是十分熟悉ubuntu系统的情况下，我们还可以直接去R官网https://mirrors.ustc.edu.cn/CRAN/下载如：r-base-core_3.4.3-1xenial0_amd64.deb的安装文件，再直接双击安装文件就

1.概念1.1 引论关联规则（AssociationRules）是无监督的机器学习方法，用于知识发现，而非预测。关联规则的学习器（learner）无需事先对训练数据进行打标签，因为无监督学习没有训练这个步骤。缺点是很难对关联规则学习器进行模型评估，一般都可以通过肉眼观测结果是否合理。 关联规则主要用来发现Pattern，最经典的应用是购物篮分析，当然其他

聚类分析：对样品或指标进行分类的一种分析方法，依据样本和指标已知特性进行分类。本节主要介绍R语言层次聚类分析，一共包括3个部分，每个部分包括一个具体实战例子。1、常规聚类过程：一、首先用dist()函数计算变量间距离dist.r = dist(data, method=” “)其中method包括6种方法，表示不同的距离测度：”euclidean”, “ma

写在前面在此总结一些在数据分析/挖掘中可能用到的功能，方便大家索引或者从一种语言迁移到另一种。当然，这篇博客还会随时更新（不会另起一篇，为了方便大家索引），请大家如果有需要收藏到书签中。如果大家还知道哪些常用的命令，也可以在评论中回复我。我可以添加进来，方便更多地人更方便的检索。也希望大家可以转载。如果大家已经熟悉python和R的模块/包载入方式，那下面的表查找起来相对方便。

在R语言中，经常会遇到变量名称和字符串相互转换的问题。比如说，进行1000次循环运算，并将运算结果存储在1000个变量中，如x_1, x_2, ... , x_1000。这时候可以使用assign()函数，示例如下：> a错误: 找不到对象'a'> assign('a', 1)> a[1] 1    上面的例子将字符'a'转变为变量a，并将其赋值为1 。  

While I was sitting in a conference room at UseR! 2014, I started counting the number of times that require() was used in the presentations, and would rant about it after I counted to ten. With drum

组合数：choose(n, k)注意：从n个中选出k个阶乘（k！）：factorial(k)排列数：choose(n, k) * factorial(k)幂 ： ^余数： %%整数商：%/%==combn(x,n) -- 列出所有组合数矩阵t(combn(x,n)) -- 将结果转置，每行内容就是组合数> x <- 1:6> x[1] 1 2

ubuntu默认自带的软件仓库中R版本总是会之后几个，有些包没办法用，所以安装最新版本的R-base是有必要的。步骤如下：1.添加安全密钥：sudo apt-key adv --keyserver keyserver.ubuntu.com --recv-keys E084DAB9复制代码2.添加完成，然后在CRAN中选择一个离自己地理位置最近的镜像站，路

#列表循环添加元素lst <- list()n <- 1for(i in 1:10){ lst[[i]] <- n n <- n + 1}> lst[[1]][1] 1[[2]][1] 2[[3]][1] 3[[4]][1] 4[[5]][1] 5[[6]][1] 6[[7]][1] 7[[8]][1] 8[[9]][1] 9

Data Frame一般被翻译为数据框，感觉就像是R中的表，由行和列组成，与Matrix不同的是，每个列可以是不同的数据类型，而Matrix是必须相同的。Data Frame每一列有列名，每一行也可以指定行名。如果不指定行名，那么就是从1开始自增的Sequence来标识每一行。初始化使用data.frame函数就可以初始化一个Data Frame。比如我们要初始化一个stu

IntroductionLately I was trying to put together some 2D histograms in R and found that there are many ways to do it, with directions on how to do so scattered across the internet in blogs, forums an

例如：lst <- vector("list",3) #vector("list",length)是创建一个含有length个元素的列表a <- matrix(data = c(5,8,6,8,9,12,1,2,3,4,5,6,13,0,5,7,21,4),nrow = 3)j <- 1for(i in 1:3){ lst[[i]] <- a[,j:(j+1)] j <- j +

浅谈ROC曲线机器学习中很常见的一个大类就是二元分类器。很多二元分类器会产生一个概率预测值，而非仅仅是0-1预测值。我们可以使用某个临界点（例如0.5），以划分哪些预测为1，哪些预测为0。得到二元预测值后，可以构建一个混淆矩阵来评价二元分类器的预测效果。所有的训练数据都会落入这个矩阵中，而对角线上的数字代表了预测正确的数目，即True Positive+True N

Debugging with RStudioJonathan McPhersonJanuary 10, 2017 19:38FollowIntroductionEntering debug mode (stopping)Stopping on a lineStopping when a function executesStopp

R语言处理缺失数据的高级方法标签： R2014-07-02 21:14 5436人阅读 评论(0) 收藏 举报 分类：R（63） 目录(?)[+]主要用到VIM和mice包[plain] view plain copy install.packages(c("VIM"