R
文章平均质量分 56
有关R语言的基础知识。
共觞
潜龙勿用,见龙在田。
展开
-
R语言数据类型
R语言数据类型通常,在使用任何编程语言进行编程时,需要使用各种变量来存储各种信息。变量只不过是保存存储值的内存位置。 这意味着,当您创建变量时,可以在内存中保留一些空间用来存储某些值。可能希望存储各种数据类型的信息,如字符,宽字符,整数,浮点,双浮点,布尔等。根据变量的数据类型,操作系统会分配内存并决定在保留这些内存。R语言与其他编程语言(如C语言和Java)相反,变量不会被声明为某些数据类型。 变转载 2017-12-13 12:22:22 · 2663 阅读 · 0 评论 -
R语言的apply族函数
R语言的apply族函数 R语言作为统计学一门语言,一直在小众领域闪耀着光芒。直到大数据的爆发,R语言变成了一门炙手可热的数据分析的利器。随着越来越多的工程背景的人的加入,R语言的社区在迅速扩大成长。现在已不仅...转载 2018-07-19 00:38:19 · 2855 阅读 · 0 评论 -
R语言 算术和逻辑运算符及数值
R语言基本运算符 运算符 描述 x + y 加法 x - y 转载 2018-07-18 23:39:35 · 22338 阅读 · 0 评论 -
实训2018-07-18 换种思路解决问题---利用lm()多元回归预测NBA胜负(常规赛16强预测)
先占个坑。原创 2018-07-18 20:44:53 · 1000 阅读 · 1 评论 -
实训 2018-07-12 Feature Selection with the Boruta Package的中文翻译 ——Boruta的详细介绍
Boruta 算法是一种选择全部相关属性的特征选择方法。本篇论文的原文链接:英文原文链接翻译链接: 中文原文链接这是介绍Boruta算法最全面的论文之一,现将全文翻译如下:摘要: 本文描述了一个R包Boruta,实现了一种寻找全部相关变量的新特征选择算法。该算法设计为一个随机森林分类算法的包装器。它迭代地删除了统计测试所证明的与随机探针不太相关的特征。Boruta包为算...翻译 2018-07-12 09:58:17 · 5224 阅读 · 3 评论 -
实训 2018-07-11 Boruta算法的例子应用和讲解
今天做的主要工作是, 上午寻找查看关于教练如何影响篮球比赛的胜利的相关论文。下午继续翻译 boruta算法的英文文献,以及实现文献中的boruta算法的例子。实现代码如下:#安装相关包install.packages("Boruta")library("Boruta")#利用R语言的内部数据install.pack原创 2018-07-11 17:15:54 · 6004 阅读 · 3 评论 -
R语言 查看已加载包、卸除加载包及安装包与卸载包
在R语言中,常需要看哪个包加载了或是看多个相似功能的包,看到底是哪个包在起作用,通过加载和卸除后进行运行比较分析。1、查看已加载的包>(.packages())注意外面的括号和前面的点不能省。2、卸除已加载的包如卸除RMySQL包>detach(“package:RMySQL”)...转载 2018-07-16 16:53:31 · 25216 阅读 · 0 评论 -
实训项目利用boruta算法进行实践
今天利用R语言进行了特征值的选取,但是不给力,只出了一个特征值。elo。 先记录一下,一会在调整。代码如下#引入包library(Boruta)#读入数据predictors <- read.csv('F:/RStudio/Boruta/character.csv', header=F)#tagdecision <- read.csv("F:/RStudio/B...原创 2018-07-16 15:05:33 · 4040 阅读 · 5 评论 -
R语言 lm() 函数解释和简单例子 实训补充
队友找到了一篇文章,关于利用NBA数据预测赛季得分。利用NBA数据预测赛季得分这里的思路是多变量线性回归。用到了R语言的 lm()函数。下面简单介绍一下 lm()函数。 lm()是R语言中经常用到的函数,用来拟合回归模型。它是拟合线性模型最基本的函数。 lm()格式如下: myfit<-lm(formula,data)其中,formula指要...转载 2018-07-09 19:42:18 · 106500 阅读 · 4 评论 -
实训 2018-07-09
实训已经一个星期了。但是上个星期忘记把每天的工作写成博客的形式了。以后每天的工作都以博客的形式记录下来。记录一下今天干的工作。在寻找如何筛选特征值的算法,找到了 Boruta 算法。该算法的英文文献如下:boruta算法人工翻译如下:...原创 2018-07-09 19:28:06 · 227 阅读 · 0 评论 -
利用前三年的数据预测2018年NBA常规赛东西部前八的详细过程和解决思路(19年类似)
NBA预测16强的实训报告思路:说明:截屏的最上面的数字(1-30)是真实比赛中的排名,第二层是根据模型得到的对应队伍的预测胜率,根据大小排好了序。可以发现,只有一个队伍预测失误。以上就是,利用2018年以前的数据进行预测2018年常规赛的16强。可以发现,boruta算法+lm()以及对数据的降噪处理,得到的模型对于该问题相当吻合。...原创 2018-10-09 11:45:02 · 1298 阅读 · 2 评论