R-学习笔记（基本介绍）

最新推荐文章于 2024-09-30 14:37:47 发布
最新推荐文章于 2024-09-30 14:37:47 发布
阅读量591 收藏
点赞数
文章标签： r语言 学习 笔记
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/summertime586/article/details/133752774
版权

一

帮助函数

函数功能
help.start()打开帮助文档
help(“foo”)或?foo打开函数foo的帮助（引号可以省略）
help.search(“foo”)或??foo以 foo 为关键词搜索本地帮助文档
example(“foo”)函数 foo 的使用示例（引号可以省略）
RSiteSearch(“foo”)以 foo 为关键词搜索在线文档和邮件列表存档
apropos(“foo”, mode=“function”)列出名称中含有 foo 的所有可用函数
data()列出当前已加载包中所含的所有可用示例数据集
vignette()列出当前已安装包中所有可用的 vignette文档
vignette(“foo”)为主题 foo 显示指定的 vignette文档

包

  1. 网址：http://cran.r-project.org/ web/packages
  2. 安装：install.packages()
  3. 载入包：library()
  4. 包的简短描述以及函数：help(package=“package_name”)
包用途链接
lme4[[GLMM]]R语言，GLMM 模型 ，lme4包中的 lmer（）的使用_r语言lmer函数_Clark Kent 2000的博客-CSDN博客
lamle潜在变量模型的最大似然估计![[R-包-lamle.png]] ## 变量
  1. 种类：
    1. 名义型变量：无顺序区别，相互独立
    2. 有序型变量：有顺序关系，但是又不是连续的（优秀、良好、及格、不及格）
    3. 连续型变量：某个范围内的任意值

创建数据集

数据集概念

rownames（行名）：实例标识符
因子（factors）：类别型（包括名义型和有序型）变量、

数据集结构

  1. 对象（object）是指可以赋值给变量的任何事物
    1. 模式，描述了此对象是如何存储的
    2. 类，像print这样的泛型函数表明如何处理此对象
  2. 数据框：用于存储数据的一种结构
    1. 列：变量
    2. 行：观测

因子（factor），名义型变量或有序型变量

[[变量]]

  1. 定义：在R中名义型变量和有序性变量称为因子，factor。。这些分类变量的可能值称为一个水平，level,例如good,better,best,都称为一个level。由这些水平值构成的向量就成为因子
  2. 作用：分类计算频数之类
  3. 应用：
    1. 计算频数
    2. 独立性检验
    3. 相关性检验
    4. 方差分析
    5. 主成分分析
    6. 因子分析
title: 创建因子
~~~R
f<-factor("red","red","green","blue")
week<-factor(c("Mon","Fri","Thu","Web","Mon","Fri","Sun"),order=T,levels = c("Mon","Tue","Web","Thu","Fri","Sat","Sun"))#创建因子顺序
feyl<-factor(mtcars$cyl)#定义向量为因子

> plot(mtcars$cyl)#向量输出散点图
> plot(factor(mtcars$cyl))#输出条形图

向量

  1. 定义 ：存储数值型、字符型或逻辑型数据的一维数组
  2. 函数：
    1. a<- c(1,2,4,6,-4)数值型向量
    2. b<-c(“h”,“j”,“k”)是字符型向量
    3. c<-c(TRUE,FALSE,TRUE)是逻辑型向量(可以简写为c<-c(TRUE,F,T))
    4. 同一向量无法混杂不同模式的数据
  3. 标量：只含一个元素的向量（保存常量）
    1. 示例：f<- 3
    2. 访问元素[]括号里是位置（第一个元素位置是1不是0）

      1. a <- c(“k”, “j”, “h”, “a”, “c”, “m”)

      2. a[3]

      3. “h”
      4. 生成数据序列：a[2:5]
  4. 使用冒号（:）快捷建立向量
    1. ![[R-快捷建立向量.png]]
    2. 设置等差向量seq(from=起始数字，to=结束数字,by=等差值,length.out=输出个数)
    3. 重复向量？rep
title:向量的重复
~~~R
>rep(2,5)#将2重复五次
[1] 2 2 2 2 2
> x
[1] 1 2 3 4 5
> rep(x,4)#将x重复四次
 [1] 1 2 3 4 5 1 2 3 4 5 1 2 3 4 5 1 2 3 4 5
> rep(x,each=2)#将x的每个元素重复两次
 [1] 1 1 2 2 3 3 4 4 5 5
> rep(x,each=2,time=4)#将x中的每个元素重复两次，并将这种重复重复四次
 [1] 1 1 2 2 3 3 4 4 5 5 1 1 2 2 3 3 4 4 5 5 1 1 2 2 3 3 4 4 5 5 1 1 2 2 3 3 4 4 5 5
 ~~~

title: 联系命令
~~~R
> a=1
>b=2
>c=3
> a;b;c#;将多个命令联系在一起
[1] 1
[1] 2
[1] 3
~~~

向量的索引

title: 向量的索引（三种方法）
```ad-R
title: 使用位置进行索引
~~~R
> x<-c(1:10)
> x[1]#R语言脚标从1开始
[1] 1
> x[-4]#删除第四位元素
[1]  1  2  3  5  6  7  8  9 10
> x[c(1:3)]#向量索引，访问1-3位置的元素
[1] 1 2 3<br>
> x[1:3]#访问1-3位置的元素
[1] 1 2 3
> x[c(1,3,-5)]#一方面要求输出1、3位置的值，又要求输出除了位置5以外的所有值，报错
Error in x[c(1, 3, -5)] : only 0#'s may be mixed with negative subscripts
> x[1,3,-5]
Error in x[1, 3, -5] : incorrect number of dimensions
~~~

```ad-R
title:使用逻辑值进行索引
~~~R
> x[c(TRUE,T,T,F,F,T,T,F,F,T)]#访问对应逻辑值为TRUE的元素
[1]  1  2  3  6  7 10
> x[c(T)]#逻辑值可以循环使用
[1]  1  2  3  4  5  6  7  8  9 10
> x[c(T,F)]
[1] 1 3 5 7 9
> X[C(T,T,F)]
Error in `contrasts<-`(`*tmp*`, how.many, value = contr) :
对比只适用于有两个或多于两个层次的因子
> x[C(T,T,F)]#R语言是大小写敏感的语言
Error in `contrasts<-`(`*tmp*`, how.many, value = contr) : 
对比只适用于有两个或多于两个层次的因子
> x[c(T,T,F)]#R语言是大小写敏感的语言
[1]  1  2  4  5  7  8 10
> x[c(T,T,T,T,F,F,T,T,F,F,F,T,T,)]#FTT为有逻辑判断但是没有元素
> Error in c(T, T, T, T, F, F, T, T, F, F, F, T, T, ) :
argument 14 is empty
> x[c(T,T,T,T,F,F,T,T,F,F,T,T,T,)]#FTT为有逻辑判断但是没有元素<br>
Error in c(T, T, T, T, F, F, T, T, F, F, T, T, T, ) : 
 argument 14 is empty
> x[c(T,T,T,T,F,F,T,T,F,F,T,T,T)]
[1]  1  2  3  4  7  8 NA NA NA
> x[c(T,T,T,T,F,F,T,T,F,F,F,T,T)]#FTT为有逻辑判断但是没有元素
[1]  1  2  3  4  7  8 NA NA
> x[c(T,T,T,T,F,F,T,T,F,F,T,T,T)]#TTT为有逻辑判断但是没有元素
[1]  1  2  3  4  7  8 NA NA NA
> x[x>5]#输出大于5的元素
[1]  6  7  8  9 10
> x[x>5 & x<9]#输出大于5，小于9的值
[1] 6 7 8
~~~

```ad-R
title: 使用元素名称访问向量
~~~R
> y<-c("1","3","5","7")
> names(y)
NULL
> names(y)<-c("a","b","c","d")
> y
  a   b   c   d 
"1" "3" "5" "7" 
> names(y)[2]<- "psy"
> y
  a psy   c   d 
"1" "3" "5" "7" 
> y["a"]
  a 
"1"
~~~

title: 向量的删减与修改
```ad-R
title: 添加
~~~R
> v<- 1:2 # 定义
> v[c(4,5)]<-7:8# 赋值，由于第3位没有被赋值，所以第三位是NA
> v
[1]  1  2 NA  7  8
> append(x=v,values=99,after=0)# 在0-1位之间/0位之后/起始插入99
[1] 99  1  2 NA  7  8
~~~
```ad-R
title: 删除
~~~R
> y
  a psy   c   d 
"1" "3" "5" "7"
> y<-y[-c(1:3)]#删除向量第1-3位元素
> y
  d 
"7"
~~~
```

```ad-R
title: 修改
~~~R
> y["d"]<-100
> y
d 
"100"
~~~

~~~R
> v
[1]  1 NA  7  8
> v[2]
[1] NA
> v[2]<-15
> v
[1]  1 15  7  8
~~~
```

向量的运算

title: 数学运算符

| 优先级 | 符号 | 含义     |
| ------ | ---- | -------- |
| 1      | ()   | 括号     |
| 2      | ^    | 乘方运算 |
| 3      | \%\% | 整数求余 |
|        | %/%  | 整除     |
| 4      | *    | 乘法     |
|        | /    | 除法     |
|        | +    | 加法     |
| 5      |      | 减法     |

title: 关系运算符
| 运算符 | 描述                                                         |
| ------ | ------------------------------------------------------------ |
| >      | 判断第一个向量的每个元素是否大于第二个向量的相对应元素。     |
| <      | 判断第一个向量的每个元素是否小于第二个向量的相对应元素。     |
| ==     | 判断第一个向量的每个元素是否等于第二个向量的相对应元素。     |
| !=     | 判断第一个向量的每个元素是否不等于第二个向量的相对应元素。   |
| >=     | 判断第一个向量的每个元素是否大于等于第二个向量的相对应元素。 |
| <=     | 判断第一个向量的每个元素是否小于等于第二个向量的相对应元素   |

title: 逻辑运算符
| 运算符 | 描述                                                                                                                                                 |    
| ------ | ---------------------------------------------------------------------------------------------------------------------------------------------------- | 
| &      | 元素逻辑与运算符，将第一个向量的每个元素与第二个向量的相对应元素进行组合，如果两个元素都为 TRUE，则结果为 TRUE，否则为 FALSE。                       |   
| ｜     | 元素逻辑或运算符，将第一个向量的每个元素与第二个向量的相对应元素进行组合，如果两个元素中有一个为 TRUE，则结果为 TRUE，如果都为 FALSE，则返回 FALSE。 | 
| !      | 逻辑非运算符，返回向量每个元素相反的逻辑值，如果元素为 TRUE 则返回 FALSE，如果元素为 FALSE 则返回 TRUE。                                             |   
| &&     | 逻辑与运算符，只对两个向量对第一个元素进行判断，如果两个元素都为 TRUE，则结果为 TRUE，否则为 FALSE。 （适用于逻辑向量）                                                |   
|  \|\|       | 逻辑或运算符，只对两个向量对第一个元素进行判断，如果两个元素中有一个为 TRUE，则结果为 TRUE，如果都为 FALSE，则返回 FALSE。（适用于逻辑向量） |

title: 赋值运算符
| 运算符 | 描述 |
| ------ | ---- |
|<− <br> = <br> \<\<−|向左赋值。
|−><br> −>>|向右赋值

title: 其他运算符
| 运算符 | 描述                                                                    |
| ------ | ----------------------------------------------------------------------- |
| :      | 冒号运算符，用于创建一系列数字的向量。                                  |
| %in%   | 用于判断元素是否在向量里，返回布尔值，有的话返回 TRUE，没有返回 FALSE。(将左边的元素和右边的每个元素进行一一对比) |
| %\*%   | 用于矩阵与它转置的矩阵相乘。                                          |

| 函数     | 说明                            |
| -------- | ------------------------------- |
| sqrt(n)  | n的平方根                       |
| exp(n)   | 自然常数e的n次方                |
| log(m,n) | m的对数函数，返回n的几次方等于m |
| log10(m) | 相当于log(m,10)                 |

title：取整函数

| 名称    | 参数模型 | 含义                       |
| ------- | -------- | -------------------------- |
| round   | (n)      | 对 n 四舍五入取整          |
|^^^| (n, m)   | 对 n 保留 m 位小数四舍五入 |
| ceiling | (n)      | 对 n 向上取整              |
| floor   | (n)      | 对 n 向下取整              |

title: 三角函数与反三角函数

|  名称    | 含义    |
| ---- | --- |
| sin  |  略   |
| cos  |     |
| tan  |     |
| asin |     |
| acos |     |
| atan     |     |

title: 正态分布函数
| 名称     | 含义         |
| -------- | ------------ |
| dnorm()  | 概率密度函数 |
| qnorm()|   率密度积分函数（从无限小到 x 的积分）           |
| qnorm()  | 位数函数              |
| rnorm()         |   机数函数（常用于概率仿真）            |

矩阵

  1. 定义：二维数组，只是每个元素都拥有相同的模式（数值型、字符型或逻辑型，但每个元素必须有相同的模式）
  2. 函数：matrix()
title:建立矩阵
~~~R
myymatrix <- matrix(vector, nrow=number_of_rows, ncol=number_of_columns,byrow=logical_value, dimnames=list( char_vector_rownames, char_vector_colnames))
# vector包含了矩阵的元素
# nrow和ncol用以指定行和列的维数
# dimnames包含了可选的、以字符型向量表示的行名和列名
# byrow则表明矩阵应当按行填充（byrow=TRUE） 还是按列填充（byrow=FALSE），默认情况下按列填充

title: 建立矩阵
~~~R
> m<-matrix(1:20,4,5)#1-20数字，4行5列
> m
     [,1] [,2] [,3] [,4] [,5]
[1,]    1    5    9   13   17
[2,]    2    6   10   14   18
[3,]    3    7   11   15   19
[4,]    4    8   12   16   20
> mm<-matrix(1:20,nrow = 4,ncol = 6)#数字个数≠行×列，报错
Warning message:
In matrix(1:20, nrow = 4, ncol = 6) :
  data length [20] is not a sub-multiple or multiple of the number of columns [6]
> x<-c(1:20)
> x
 [1]  1  2  3  4  5  6  7  8  9 10 11 12 13 14 15
[16] 16 17 18 19 20
> m<-matrix(x,4,5)#将x中元素排成4行五列
> m
     [,1] [,2] [,3] [,4] [,5]
[1,]    1    5    9   13   17
[2,]    2    6   10   14   18
[3,]    3    7   11   15   19
[4,]    4    8   12   16   20
> print(m<-matrix(x,5))#x排成五行
     [,1] [,2] [,3] [,4]
[1,]    1    6   11   16
[2,]    2    7   12   17
[3,]    3    8   13   18
[4,]    4    9   14   19
[5,]    5   10   15   20
> print(m<-matrix(x,4,byrow = T))#x按照行排列
     [,1] [,2] [,3] [,4] [,5]
[1,]    1    2    3    4    5
[2,]    6    7    8    9   10
[3,]   11   12   13   14   15
[4,]   16   17   18   19   20
> print(m<-matrix(x,4,byrow = F))#x按照列排列
     [,1] [,2] [,3] [,4] [,5]
[1,]    1    5    9   13   17
[2,]    2    6   10   14   18
[3,]    3    7   11   15   19
[4,]    4    8   12   16   20
> rname<-("R1","R2","R3","R4")
Error: unexpected ',' in "rname<-("R1","
> rname<-c("R1","R2","R3","R4")
> cname<-c("C1","C2","C3","C4","C5")
> dimnames(m)<-list(rname,cname)#为矩阵行和列命名
> m
   C1 C2 C3 C4 C5
R1  1  5  9 13 17
R2  2  6 10 14 18
R3  3  7 11 15 19
R4  4  8 12 16 20

title: dim函数
~~~R
> dim(x)#显示向量的维数
NULL
> dim(x)<-c(4,5)#为向量添加维数
> x
     [,1] [,2] [,3] [,4] [,5]
[1,]    1    5    9   13   17
[2,]    2    6   10   14   18
[3,]    3    7   11   15   19
[4,]    4    8   12   16   20
> dim(x)<-c(2,2,5)# 三维数组
> x
, , 1

     [,1] [,2]
[1,]    1    3
[2,]    2    4

, , 2

     [,1] [,2]
[1,]    5    7
[2,]    6    8

, , 3

     [,1] [,2]
[1,]    9   11
[2,]   10   12

, , 4

     [,1] [,2]
[1,]   13   15
[2,]   14   16

, , 5

     [,1] [,2]
[1,]   17   19
[2,]   18   20
~~~

### 数组
1. 维度可以大于2
2. 创建函数：array()
	1. myarray <- array(vector, dimensions, dimnames)
	2. vector包含了数组中的数据
	3. dimensions是一个数值型向量，给出了各个维度下标的最大 值
	4. dimnames是可选的、各维度名称标签的列表
	5. (行,列,维度)
```ad-R
~~~R
> dim(x)<-c(2,2,5)#三维数组，x已被定义为1-20的向量
> x
, , 1

     [,1] [,2]
[1,]    1    3
[2,]    2    4

, , 2

     [,1] [,2]
[1,]    5    7
[2,]    6    8

, , 3

     [,1] [,2]
[1,]    9   11
[2,]   10   12

, , 4

     [,1] [,2]
[1,]   13   15
[2,]   14   16

, , 5

     [,1] [,2]
[1,]   17   19
[2,]   18   20
```

```ad-R
title: 矩阵的运算

| 函数 | 含义     |
| ---- | -------- |
| +    |          |
| -    |          |
| % * % |计算外积          |
| *    | 计算内积 |
| /    |          |
| t    | 转置矩阵 |
```

### 数据框

1. 定义：
	1. 数据框是一种表格式的数据结构。数据框旨在模拟数据集，与其他统计软件例如SAS或者SPSS中的数据集的概念一致。
	2. 数据集通常是由数据构成的一个矩形数组，行表示观测，列表示变量。不同的行业对于数据集的行和列叫法不同。
2. 特点
	1. 数据框形状上很像矩阵
	2. 数据框是比较规则的列表
	3. 矩阵必须为同一数据类型
	4. 数据框每一列必须同一类型，每一行可以不同
3. 函数：data.frame()
```ad-R
title: 生成数据框
~~~R
mydata <- data.frame(col1, col2, col3,...)#列向量col1、col2、col3等可为任何类型（如字符型、数值型或逻辑型）。每一列的名称可由函数names指定
stats<-data.frame(state.name,state.abb,state.region,state.x77)
```
```ad-R
title:数据框的访问
~~~R
stats[1]#访问数据框的第一列
stats[c(1,4)]#输出第一列和第四列
stats=stats[-c(1,4)]#删除第一列和第四列
stats[,"state.abb"]#使用行名字/列名取出对应行/列
stats$"state.abb"#快速取出对应行列
stats$state.abb#快速取出对应行列
attach(mtcars)#加载数据框到R搜索目录中，加载完成后可以直接在页面敲列名来加载数据框
with(mtcars,{mpg})#访问数据框
with(mtcars,{sum(mpg)})#求和
```
从0开始的学习记录
关注
R语言学习-问题解决-Error in `[<-.ts`(`*tmp*`,...only replacement of elements is allowed
wlt9037的博客
07-05 3万+
Error in `[<-.ts`(`*tmp*`, ri, value = c(2.7110254334953, 2.95418132827278, : only replacement of elements is allowed
对比只适用于有两个或多于两个层次的因子
Timo_CSDN的博客
06-11 5565
这个博主写了一个debug_contrast_error 专门用于看这种情况到底是哪一部出了问题。 定义好函数之后， err <- debug_contrast_error(data=dat2) 给出你所用的数据中所有factor或characher变量的level
读书笔记_第二十章
阿拉丁
02-02 3530
#高级编程 #R是一种面向对象的，实用的数组编程语言 #对象的名称由大小写字母，数字0~9，句号和下划线组成 #名称是区分大小写的，而且不能以数字开头，句号被视为没有特殊含义的简单字符 #所有的对象在程序执行时都存储在RAM中，这对大规模数据分析有显著的影响 #数据类型 #原子向量 atomic vector #原子向量是包含单个数据类型(逻辑类型，实数，复数，字符串或原始类型)的数组 #每...
Error in contrasts can be applied only to factors with 2 or more levels
data+scenario+science+insight
03-19 5627
Error in `contrasts<-`(`*tmp*`, value = contr.funs[1 + isOF[nn]]): contrasts can be applied only to factors with 2 or more levels 目录 Error in `contrasts<-`(`*tmp*`, value = contr.funs[1 + isOF[nn]]): contrasts can be applied only to factors with
R数据框实用操作方法总结
孤星夜神的博客
12-22 5112
一、开场 R语言中的数据框data.frame被定义为由不同变量值（列）和不同观察值（行）所组成的二维数据结构，每一列存储的数据类型必须相同，不同数据列的数据类型可以相同，也可以不同，但是每列的行数（长度）必须相同。其实R数据框就是标准的Excel表格数据，对，你可以这样理解…… 数据框是R语言进行数据处理和分析常用的数据结构类型，这也为什么R的内置数据集有占46%的是数据框。通常用R基础函数...
模拟电子技术-学习笔记 2024 4.1-6.1
Clichesa的博客
05-04 2306
模电学习笔记
R语言学习笔记-RStudio基础操作
m0_65188455的博客
05-29 4572
R语言学习笔记-RStudio基础操作
用商业案例学R语言数据挖掘-学习笔记.pdf
03-11
在R语言的学习中，首先需要理解基本数据类型，包括numeric（数值型）、character（字符型）等，并能熟练判断数据类型和进行数据类型转换。向量是R中最基本的数据结构，能进行加减乘除运算，以及生成特定序列。矩阵和...
Java基本数据类型-学习笔记.docx
07-05
基本数据类型是 Java 语言的基础，理解基本数据类型是学习 Java 的关键。 Java 基本数据类型有八种，它们分别是 byte、short、int、long、float、double、boolean 和 char。这八种基本数据类型可以分为四类：整数...
Excel图表之道-学习笔记PPT课件.pptx
11-23
Excel图表之道学习笔记PPT课件 本资料共分为19个部分，涵盖了Excel图表的基本原则、图表制作顺序、图表样式选择、图表标题和刻度线、各种图表使用注意事项、专业图表设计原则、图表绘制技巧、设计原则和形成自己的...
SQL server-2017-学习笔记.docx
09-08
在SQL Server 2017的学习中，我们首先需要了解SQL Server的基础操作，这包括了基本的增删改查操作，比如INSERT、DELETE、UPDATE和SELECT。这些是数据库管理中最常用的操作，用于处理数据的存取和修改。 接着，我们...
R语言错误的提示（中英文翻译）
热门推荐
08-14 2万+
# Chinese translations for R package # Copyright (C) 2005 The R Foundation # This file is distributed under the same license as the PACKAGE package. # 陈斐 <feic@normipaiva.com>, 2006. # ...
R语言中for循环或者做数组截断出现如下报错only 0's may be mixed with negative subscripts
DSP_G的博客
12-11 1万+
在用R语言写循环语句或者数组截断时，会出现这种报错only 0's may be mixed with negative subscripts 这种错误一般都是写了类似x[i-10:i+j-10]的数组引起的，改正的方法是将i-10和i+j-10用括号括起来，如x[(i-10):(i+j-10)]。 这样就可以解决了，初学R语言的同学一定要注意这些细节，要不然会被这种小问题折磨
使用scroll-behavior属性实现页面平滑滚动的几个问题
wangyining070205的博客
09-28 851
在较长的页面中，为了便于用户浏览，开发人员经常会使用锚点链接，锚点链接默认的效果是瞬间跳转，为了让用户体验更好，往往会添加滚动效果。我记得要实现滚动效果，以前一般是结合一段JavaScript代码来实现。后来偶然知道了scroll-behavior: smooth;这个CSS属性，觉得用来实现滚动效果非常方便。
剖析：基于 RDMA 的多机数据分发和接收场景
kingking44的博客
09-25 1028
RDMA（远程直接内存访问）是一种技术，允许一台计算机直接访问另一台计算机的内存，而无需通过操作系统内核的干预。低延迟：绕过内核和网络栈，减少了数据传输的延迟。高吞吐量：因为数据传输无需 CPU 参与，所以 CPU 可以处理其他任务，提供了更高的吞吐量。低 CPU 占用率：CPU 不需要参与数据传输的管理，大大减少了系统开销。高性能计算（HPC）分布式数据库存储系统（如 NVMe over Fabrics）大规模数据中心网络（如 RoCE, iWARP）内存注册
基于R语言机器学习遥感数据处理与模型空间预测
最新发布
PhyliciaFelicia的博客
09-30 538
基于R语言机器学习遥感数据处理与模型空间预测 R语言的随机森林实现不仅支持分类和回归任务，还支持处理多类别问题、处理缺失数据，以及评估变量重要性等功能。这些包通常具有高度优化的计算性能，能够处理大规模数据集，同时提供灵活的参数调整接口，方便用户根据具体需求进行模型调优。
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