其他教程

其他教程:包含了所有代写案例以及部分答案

  • 【编者按】“收集数据只是第一步,阐明数据才是要害”,R语言的成长满意了大数据时代统计编程的需求,然而开源情况下的R语言面对着诸多问题,贸易支持或者会给R语言带来更好的成长,Revolution Analytics首先推出了AdviseR,CFOworld的Joab Jackson为我们带来了出色阐明。 数据的爆炸性增长给企业带来了压力,同时也催生了数据驱动业务的成长理念,企业等各类组织不得不重视数据统计和阐明的浸染,为统计计较和图形化而生的R语言迎合了这一复杂的需求,为了辅佐企业更好地把握和操作 … 继续阅读“R语言如何成长?贸易支持或者可行”

    :
  • 目次零:写在前面的一些空话 一、R眼看琅琊榜的根基道理 1、导入数据 2、筛选数据 3、多条件筛选对话 4、导出数据 二、R眼看琅琊榜的基本阐明 1、快速对文天职章节 2、快速定位人物进场章节 3、快速定位人物互动章节 三、总结零:写在前面的一些空话最近电视剧琅琊榜很是之火,除了主角以外,内里许多副角都很是出彩。原著琅琊榜也长短常出色的。有些电视剧里没明说的理会,在小说里会明文说出来,这让智商不足 … 继续阅读“R语言-用R眼看琅琊榜小说的正确姿势”

    :
  • 本文先容R语言做呆板进修的焦点包:gbm ![](http://img.shujuren.org/pictures/X0/5862740862579.png) ### 一 gbm简介 gbm是通用梯度回归模子(Generalized Boosted Regression Models)简称。 gbm扩展了Freund and Schapire的**Adaboost算法**和Friedman的梯度晋升机(**gradient boosting machine**)。 ### 二、安装和加载gbm包 … 继续阅读“RForML之焦点包:gbm”

    :
  • 再次声明,用R来处理惩罚字符串数据并不是一个很好的选择,照旧推荐利用Perl可能Python等语言。不外R自己除了提供了一些常用的字符串处理惩罚函数,也对正则表达式有了必然的支持,详细各个函数的利用要领照旧要参考R的辅佐文档。sub()与gsub()利用正则表达式对字符串举办替换。grep()、regexpr()、gregexpr()都是用于正则表达式的匹配,只是返回的功效名目有些差异。几个函数的利用名目如下: grep(pattern, x, ignore.case = FALSE, exte … 继续阅读“在R中利用正则表达式”

    :
  • 统计学家常常絮聒这样一句话,“一张好的图片胜过千言万语。”画图正是R语言的强项。个中的根基画图呼吁就包罗了大量的参数设置,完全可以满意各类出书物的需要,更况且尚有lattice和ggplot2这两大格点画图包的存在。海外媒体包罗CNN都在操作R的强大画图成果揭示数据之美。优秀的图形表达离不开富厚的色彩搭配,让我们劈头相识一下R画图中的色彩配置。让我们随便弄个饼图先 pie(rep(1,10)) 不得不说这默认的颜色真是弱爆了,让我们挪用rainbow函数增加点色彩,这下感受许多几何了 mycol … 继续阅读“R语言中的色彩”

    :
  • 首先必需要提到的是QuantLib,它是用C++写的一个开源软件库,主要成果是为种种金融计较提供一个综合框架。而RQuantLib则是毗连R和QuantLib的桥梁,今朝的函数集主要包罗了债券和金融衍生品的计较。我们来计较一个欧式期权价值以相识QuantLib包的利用。期权价值可以看作是一个多元函数,其影响因素包罗了标的资产价值(underlying)、执行价值(strike)、标的资产红利率(dividendYield)、无风险收益率(riskFreeRate)、标的资产颠簸率(volatil … 继续阅读“操作RQuantLib包计较期权价值”

    :
  • 关联阐明(association analysis)又常称为购物篮阐明,是指假如两个或多个事物之间存在必然的关联,那么个中一个事物就能通过其他事物举办预测.它的目标是为了挖掘埋没在数据间的彼此干系。关联阐明最常用在市场销售数据中,顾主的购物篮中假如包括啤酒的同时,还包括了尿布,这就展现了这两种物品之间的关联。关联阐明的挖掘任务可解析为两个步调:一是发明频繁项集,二是从频繁项会合发生法则。下面用R语言中的arules扩展包来实现apriori算法,来举办关联阐明library(arules)#从r … 继续阅读“操作apriori算法举办关联阐明”

    :
  • 生命游戏是英国数学家John Horton Conway在1970年发现的细胞自念头(cellular automaton)。它最初于1970年10月在《科学美国人》杂志中呈现。生命游戏是在一个二维矩形世界中,这个世界中的每个方格居住着一个细胞。细胞的生命状态只有在世或灭亡两种。细胞在下一个时刻的存亡取决于相邻八个方格中在世细胞的数量。假如相邻方格在世的细胞数量过多,这个细胞会因为资源匮乏而在下一个时刻死去;相反,假如周围活细胞过少,这个细胞会因太孑立而死去。个中一种较为富厚的设定有如下四条: … 继续阅读“用R实现生命游戏(Game of Life)”

    :