其他教程

其他教程:包含了所有代写案例以及部分答案

  • 一些应用都利用了自然语言处理惩罚技能。虽然,统计配景的阐明类科研人员更存眷于舆情阐明这类的文本挖掘技能。 许多统计软件都提供了文本挖掘的成果,好比常见的数据阐明软件SAS、SPSS等,下图是文本挖掘东西及特性的一个总结(来自于Journal of Statistical Software 2008) Preprocess:数据筹备、导入、清洗以及一般性的预处理惩罚; Associate:关联阐明,按照同时呈现的频率找出关联法则; Cluster:将相似的文档(词条)举办聚类; Categoriz … 继续阅读“R语言下的文本挖掘”

    :
  • 有时候需要计较同一个data frame中的多支股票的收益率,实现这一目标最冒失的做法是对罗列办轮回。这个要领有失雅观且不足高效。显式轮回是应用R语言的大忌之一,所以才有了*apply族函数的降生,但是有时候,*apply函数也不是须要的。好比在计较多支股票收益率的时候,就可以用TTR包中的ROC函数取代。> require(quantmod) > symbols < -c(‘FNMIX’,’DBLTX’,’AGG&# … 继续阅读“应用ROC函数计较多支股票收益率”

    :
  • 所有R用户接管的第一个“莫名其妙”的原则就是: 不要在R中写显式轮回… 不要写显式轮回… 不要写轮回… 不轮回… 不… 我第一次接管到这个“黄金律”,就跟当年从basic语言转到C语言的时候,老师说: 不要写go to… 不go to… 不… 一样的,好震撼。往往对付R用户来说,R根基上不行能是他们进修的第一门计较机语言,什么C啊Java啊甚至matlab可能VBA都大概排在R前面。所以,轮回,无论是 … 继续阅读“摸索R包plyr:离开R中显式轮回”

    :
  • 对表格排序往往是许大都据阐明进程必不行少的构成部门,我们习惯了在Excel中完成这样的操纵。其实R语言也可以对表格数据举办简朴的排序,把握这些有用的函数,在利用R语言举办数据阐明时就不消在excel和R平台之间往返的倒数据了。 以下是在R平台上的代码输入进运算功效。典型order.csv请见博文的附件,留意配置事情目次(你存放order.csv的位置) > rm(list=ls()) #清空向量 > setwd(“D:/ziliao/zhuanye/R bear/lab0 … 继续阅读“R语言中对表格和数组举办排序”

    :
  • 工欲善其事,必先利其器,作为一个战斗在IT界第一线的工程师,C/C++、Java、perl、python、ruby、php、javascript、erlang等等等等,你手中总有一把利用自如的刀,辅佐你披荆棘。应用场景抉择常识的储蓄与东西的选择,反过来,无论你选择了什么样的东西,你必然会尽力地把它改革成切合本身应用场景所需的谁人样子。从这个原理来说,我选择了R[1]作为数据挖掘人员手中攻城陷池的那把云梯,并尽力地把它改革本钱身但愿的谁人样子。关于R的一个较量精确的描写是:R是一门用于统计计较和作 … 继续阅读“R 语言的黑白势是什么?”

    :
  • 一、关于R 1. R的源起 R是S语言的一种实现。S语言是由 AT&T贝尔尝试室开拓的一种用来举办数据摸索、统计阐明、作图的表明型语言。最初S语言的实现版本主要是S-PLUS。S-PLUS是一个贸易 软件,它基于S语言,并由MathSoft公司的统计科学部进一步完善。厥后Auckland大学的Robert Gentleman 和 Ross Ihaka 及其他志愿人员开拓了一个R系统。R的利用与S-PLUS有许多雷同之处,两个软件有必然的兼容性。 2. R is free R是用于统计阐明 … 继续阅读“数据阐明与R语言条记1:R与R语言”

    :
  • 一些伴侣问我,SAS的数据如何加载到R中(SAS中如何挪用R的数据),R如何挪用SAS的数据,以下的我以为相对来说较量利便的要领,也是我本身一直在用的要领,供各人参考! 第一:R加载/挪用SAS –在SAS中生成传送文件 LIBNAME SAS_R xport ‘C:sea.xpt’;DATA SAS_R.sea;SET custdet1;RUN; –在R中读入library(foreign)library(Hmisc)sea<-sasxpo … 继续阅读“SAS与R语言的数据加载与转化”

    :
  • 一、单因子方差分析(one-way ANOVA) 1)建模: 我们采用multcomp包中的cholesterol数据集作为例子,其中response为响应变量,trt为预测变量,这个处理中有五种水平。从下面的箱形图中可观察到处理的不同水平对于响应变量的影响。再用aov函数建立单因子方差模型,从结果的P值可看到各组均值有显著不同。 1 aggregate(response, by=list(trt), FUN=mean) 2 bwplot(response~trt) 3 model=a … 继续阅读“操作R语言举办方差阐明”

    :