R語言與數(shù)據(jù)挖掘：公式迹缀；數(shù)據(jù)使碾；方法

R語言特征

對(duì)大小寫敏感

通常，數(shù)字祝懂，字母票摇，. 和 _都是允許的(在一些國家還包括重音字母)。不過砚蓬，一個(gè)命名必須以 . 或者字母開頭矢门，并且如果以 . 開頭，第二個(gè)字符不允許是數(shù)字灰蛙。

基本命令要么是表達(dá)式（expressions）要么就是 賦值（assignments）祟剔。

命令可以被 (;)隔開，或者另起一行摩梧。

基本命令可以通過大括弧({和}) 放在一起構(gòu)成一個(gè)復(fù)合表達(dá)式（compound expression）物延。

一行中，從井號(hào)(#)開始到句子收尾之間的語句就是是注釋障本。

R是動(dòng)態(tài)類型教届、強(qiáng)類型的語言。

R的基本數(shù)據(jù)類型有數(shù)值型（numeric）驾霜、字符型（character）案训、復(fù)數(shù)型（complex）和邏輯型（logical），對(duì)象類型有向量粪糙、因子强霎、數(shù)組、矩陣蓉冈、數(shù)據(jù)框城舞、列表、時(shí)間序列寞酿。

基礎(chǔ)指令

程序輔助性操作：

運(yùn)行

q()——退出R程序

tab——自動(dòng)補(bǔ)全

ctrl+L——清空console

ESC——中斷當(dāng)前計(jì)算

調(diào)試查錯(cuò)

browser()?和?debug()——設(shè)置斷點(diǎn)進(jìn)行家夺，運(yùn)行到此可以進(jìn)行瀏覽查看（具體調(diào)試看browser（）幫助文檔（c,n,Q））

stop('your message here.')——輸入?yún)?shù)不正確時(shí)，停止程序執(zhí)行

cat（）——查看變量伐弹？

幫助

help(solve)?和?solve 等同

??solve——檢索所有與solve相關(guān)的信息

help("[[") 對(duì)于特殊含義字符拉馋，加上雙引號(hào)或者單引號(hào)變成字符串，也適用于有語法涵義的關(guān)鍵字 if惨好，for 和 function

help(package="rpart")——查看某個(gè)包

help.start()——得到html格式幫助

help.search()——允許以任何方式（話題）搜索幫助文檔

example（topic）——查看某個(gè)幫助主題示例

apropos（"keyword"）——查找關(guān)鍵詞keyword相關(guān)的函數(shù)

RSiteSearch("onlinekey"煌茴， restrict=fuction)——用來搜索郵件列表文檔、R手冊(cè)和R幫助頁面中的關(guān)鍵詞或短語（互聯(lián)網(wǎng)）RSiteSearch('neural networks')

準(zhǔn)備

文件目錄設(shè)置

setwd（<dir>）——設(shè)置工作文件目錄

getwd（）——獲取當(dāng)前工作文件目錄

list.files()——查看當(dāng)前文件目錄中的文件

加載資源

search()——通過search()函數(shù)日川，可以查看到R啟動(dòng)時(shí)默認(rèn)加載7個(gè)核心包蔓腐。

基礎(chǔ)函數(shù)：數(shù)學(xué)計(jì)算函數(shù)，統(tǒng)計(jì)計(jì)算函數(shù)龄句，日期函數(shù)回论，包加載函數(shù)散罕，數(shù)據(jù)處理函數(shù)，函數(shù)操作函數(shù)傀蓉，圖形設(shè)備函數(shù)

setRepositpries（）——選擇軟件庫（CRAN笨使，Bioconductor，R-Forge）僚害，尋找安裝包的方法另看《【R筆記】尋找R的安裝包》

(.packages())——列出當(dāng)前包

(.packages(all.available=TRUE))——列出有效包

install.packages（“<package>”）——安裝包

library（）和require（）——加載R包（package）至工作空間

data（）——列出可以被獲取到的存在的數(shù)據(jù)集(base包的數(shù)據(jù)集)

data（，package=“nls”）——將nls包的datasets加載到數(shù)據(jù)庫中

批處理文件和結(jié)果重定向

source("commands.R")——執(zhí)行commands.R （存放批處理命令的）腳本文件繁调。

cat(,file="")——可以把R命令輸出至外部文件萨蚕，然后調(diào)用source函數(shù)進(jìn)行批處理

do.call(<funcname>，<pars>)——調(diào)用函數(shù)蹄胰，第一個(gè)參數(shù)<funcnames>指示調(diào)用函數(shù)字符串名稱岳遥，第二個(gè)參數(shù)包含調(diào)用所需參數(shù)的一個(gè)列表<pars>

sink("record.lis")——把后續(xù)的輸出結(jié)果從控制臺(tái)重定向到外部文件 record.lis 中

sink（）——把后續(xù)代碼輸出重新恢復(fù)到終端上展示

attach（<datafame>）——將數(shù)據(jù)框<datafame>中的變量鏈接到內(nèi)存中，便于數(shù)據(jù)調(diào)用

detach()——對(duì)應(yīng)attach()裕寨，取消變量的鏈接浩蓉，detach()里沒有參數(shù)！

注：attach()和detach()均是在默認(rèn)變量搜索路徑表中由前向后找到第一個(gè)符合變量名稱宾袜，因此之前若存在重名變量捻艳，有可能會(huì)出現(xiàn)問題！Ｇ烀ā认轨！

數(shù)據(jù)處理

輸入輸出（讀入輸出數(shù)據(jù)、文件）

assign("x",c(1,2,3))?和?x <- c(1,2,3)?和?c(1,2,3)->x ——向量賦值

read.table（"infantry.txt", sep="\t"月培， header=TRUE）——seq屬性用其它字符分割嘁字，比如文本文件用空格（tab）分隔，header設(shè)置為文件中已經(jīng)存在表頭名稱

read.csv("targets.csv")——讀入csv（Comma Seperated Values）文件杉畜，屬性被逗號(hào)分割

read.csv(url(""))——read.csv()?和?url()的合體纪蜒，讀存在網(wǎng)上的數(shù)據(jù)

x <- scan(file="")——手動(dòng)輸入數(shù)據(jù)，同時(shí)scan可以指定輸入變量的數(shù)據(jù)類型此叠，適合大數(shù)據(jù)文件

scan("data.dat", what = list("", 0, 0))——what指定變量類型列表

readLines('http://en.wikipedia.org/wiki/Main_Page',n=10)——讀取文本文件纯续，將文檔轉(zhuǎn)為以行為單位存放的list格式，比如讀取讀取wikipedia的主頁html文件的前十行

write.table(Data, file="file.txt", row.names = FALSE, quote=FALSE)——輸出拌蜘，quote為FALSE去掉字符串類型的雙引號(hào)杆烁，write.table(stasum, "stasum.csv",row.names = FALSE,col.name=FALSE,sep=",",append=TRUE)

write.csv（data，file="foo.csv",row.names=FALSE）——寫成csv格式,row.names=FALSE去掉行號(hào)

print（）——打印

save.image（"./data.RData"）——把原本在計(jì)算機(jī)內(nèi)存中（工作空間）活動(dòng)的數(shù)據(jù)轉(zhuǎn)存到硬盤中简卧。

load("./RData")——加載目錄中的*.RData兔魂，把文檔-詞項(xiàng)矩陣從磁盤加載到內(nèi)存中

數(shù)據(jù)查看

通用對(duì)象

R是一種基于對(duì)象（Object）的語言，對(duì)象具有很多屬性（Attribute）举娩，其中一種重要的屬性就是類（Class）析校，最基本的類包括了數(shù)值（numeric）构罗、邏輯（logical）、字符（character）智玻、列表（list）遂唧，符合類包括矩陣（matrix）、數(shù)組（array）吊奢、因子（factor）盖彭、數(shù)據(jù)框（dataframe）。

class()?和data.class(object)——查看對(duì)象object的類或類型

unclass()——消除對(duì)象object的類

基本數(shù)據(jù)類型

mode()——查看基本數(shù)據(jù)類型

length()——查看長度

as.<數(shù)據(jù)類型>——改變對(duì)象的數(shù)據(jù)類型

特殊屬性

attributes(<object>)——查看對(duì)象object各種屬性組成的列表

attr(<object>页滚，“name”)——存取對(duì)象object的名為name的屬性

混合類型

邏輯類型+數(shù)值類型=數(shù)值類型

邏輯類型+字符類型=字符類型

數(shù)值類型+字符類型=字符類型

ls()和?objects（）——查看當(dāng)前工作空間中存在的對(duì)象（變量）

rm(list=ls())——?jiǎng)h除工作空間的所有對(duì)象

methods(x)——查看x函數(shù)的源碼召边，有些自帶函數(shù)輸入名稱x可以直接看到，有一些需要調(diào)用methods方法才能查看函數(shù)x的源碼裹驰，出現(xiàn)多重名隧熙，輸入對(duì)應(yīng)名稱即可

str（）——查看數(shù)據(jù)（框）中的數(shù)據(jù)總體信息（比如樣本個(gè)數(shù)、變量個(gè)數(shù)幻林、屬性變量名稱贞盯、類型）

nrow(dataframe)——查看數(shù)據(jù)集行數(shù)

NROW（vector）——查看向量的行數(shù)，等于length(x)

head(dataframe)——查看數(shù)據(jù)集前6行數(shù)據(jù)

tail(dataframe)——查看數(shù)據(jù)集尾6行數(shù)據(jù)

向量特征

邏輯向量運(yùn)算：

TRUE沪饺，F(xiàn)ALSE——全部大寫

isTRUE(x)——判斷x為TRUE

*|躏敢，&，整葡！——或且非父丰，注意是單個(gè)，不是&&掘宪！

ANY蛾扇，ALL——任意，全部

數(shù)組和矩陣

train$var

train$new[train$var == NA] <- 1

Data[is.na(Data)] <- 0——數(shù)據(jù)框多維變量中給NA值賦值為0

apply（A魏滚，Margin镀首，F(xiàn)UN，...）——A為矩陣鼠次，Margin設(shè)定待處理的維數(shù)更哄，為1是橫排（行），為2是豎排（列）做運(yùn)算腥寇，F(xiàn)un是運(yùn)算函數(shù)

sweep（x成翩，2，apply（x赦役，MARGIN=1麻敌，mean），F(xiàn)UN）——對(duì)數(shù)組或者矩陣進(jìn)行運(yùn)算掂摔。?MARGIN=1表示行术羔，2表示列赢赊；STATS統(tǒng)計(jì)量，如apply（x级历，MARGIN=1释移，mean），F(xiàn)UN函數(shù)運(yùn)算默認(rèn)為減法寥殖，“/”除法

y.vector<-with(data,get(yval))——表示在data數(shù)據(jù)框中讀取列名稱為yval的向量玩讳。

with(<data>，<colname|func>)——提取數(shù)據(jù)框中的某些參數(shù)做運(yùn)算嚼贡，對(duì)于數(shù)據(jù)框運(yùn)算很方便

繪圖

plot()——繪制圖像

plot(, , pch=as.integer()锋边，col，xlab编曼，ylab)——用factors區(qū)分圖像點(diǎn)的類型pch（圓的，三角剩辟，叉）掐场，col是顏色類別，xlab或者ylab對(duì)應(yīng)橫縱軸標(biāo)題

legend(,legend=,pch=1:3贩猎，cex=1熊户，col)——圖例，是位置（比如右上）吭服，

text(X嚷堡，Y，labels=c(1,2,3),adj=1.2)——添加標(biāo)注,X,Y是對(duì)應(yīng)坐標(biāo)的向量艇棕，labels是標(biāo)記值蝌戒，adj調(diào)整標(biāo)注位置

abline(h = ，lty=2)——低級(jí)繪圖添加一條水平線h或者是回歸模型直線沼琉，垂線v北苟；lty為2表示繪制虛線

abline(a,b)——畫一條y=a+bx的直線

points（x，y）————低級(jí)繪圖打瘪，畫個(gè)點(diǎn)友鼻，坐標(biāo)為向量x，y

lines（x闺骚，y）——低級(jí)繪圖彩扔，畫一條線，坐標(biāo)為向量x僻爽，y

axis(side=1虫碉，at=seq(from=0.7，by=1.2胸梆，length.out=7)蔗衡，labels=c（...）)——繪制坐標(biāo)軸纤虽，低級(jí)繪圖，side為2是縱坐標(biāo)

barchart（）——lattice包預(yù)先要對(duì)數(shù)據(jù)匯總

barplot(<vector>)——繪制柱狀圖绞惦，vector可增加名稱逼纸。也可以繪制直方圖，和hist（）均分?jǐn)?shù)據(jù)不太一樣济蝉，需要用table（）統(tǒng)計(jì)各個(gè)子分段下樣本數(shù)量后在畫圖杰刽。

mosaicplot（x~y，main王滤，color=T贺嫂，xlab，ylab）——柱形對(duì)應(yīng)關(guān)系圖

contour(<matrix>)——?jiǎng)?chuàng)建等高線

persp(<matrix>雁乡，expand=0.2）——?jiǎng)?chuàng)建3D圖第喳，expand擴(kuò)展值設(shè)置為0.2，否則為全屏擴(kuò)展

image（volcano）——加載柵格（矩陣）圖像

par（mfrow=c(1,2)踱稍，oma曲饱，mar）——mfrow設(shè)置圖形輸出窗口為1行2列，添加car包珠月？oma是所有圖像距離邊框的距離(底部扩淀，左邊，頂部啤挎，右邊)驻谆，mar是每幅圖像對(duì)邊框的距離，默認(rèn)是c(5, 4, 4, 2) + 0.1庆聘。

lines(data)——（低級(jí)）原圖中畫線胜臊，data是由散點(diǎn)(x，y)組成

rug（jitter（<data>），side =2）——檢驗(yàn)離群點(diǎn)數(shù)據(jù)，rug（）原圖中執(zhí)行繪圖繪制在橫坐標(biāo)上口叙，side為2是縱坐標(biāo)，jitter(<data>)對(duì)繪制值略微調(diào)整织盼，增加隨機(jī)排序以避免標(biāo)記值作圖重合。

pairs(data)——數(shù)據(jù)框各個(gè)變量的散布圖

coplot(y~x|a+b)——多個(gè)變量時(shí)的散點(diǎn)圖酱塔，在a沥邻，b（向量或是因子）的劃分下的y與x的散點(diǎn)圖

scatterplotMatr()——散點(diǎn)圖矩陣，car包

identify（<data>）——交互式點(diǎn)選羊娃，單擊圖形中的點(diǎn)唐全，將會(huì)輸出對(duì)應(yīng)數(shù)據(jù)的行號(hào)，右擊結(jié)束交互

stem(x，scale=1邮利，width=80弥雹，atom=1e-08)——莖葉圖,scale控制莖葉圖的長度，為2即是以0~4為一組延届，5~9為一組將個(gè)位分成兩部分剪勿，width是繪圖寬度，atom是容差

boxplot（）——箱圖方庭，研究變量的中心趨勢(shì)厕吉，以及變量發(fā)散情況和離群值。上體頂部和底部為上下四分位數(shù)械念，中間粗線為中位數(shù)头朱，上下伸出的垂直部分為數(shù)據(jù)的散步范圍，最遠(yuǎn)點(diǎn)為1.5倍四分為點(diǎn)龄减，超出后為異常點(diǎn)项钮，用圓圈表示。boxplot(y~f,notch=TRUE,col=1:3,add=TRUE)#y是數(shù)據(jù)希停，f是由因子構(gòu)成烁巫，notch是帶有切口的箱型圖，add=T圖疊加到上一幅圖脖苏。

plot（f，y）——箱線圖定踱，f是因子棍潘，y是與f因子對(duì)應(yīng)的數(shù)值

bwplot（<factor> ~ <y>，data崖媚，ylab）——lattice包的箱圖亦歉，繪制不同factor下的y的箱圖（條件繪圖，在某個(gè)因子取值集合下的y值變化）

bwplot（size~a1,data,panel=panel.bpplot,prob=seq(.01,.49,by=.01),datadensity=TRUE,ylab=''）——Hmisc包的分位箱圖

earth.count(na.omit（x）,number=4,overlap=1/5)——連續(xù)變量x的離散化畅哑，把x轉(zhuǎn)化為因子類型肴楷；number設(shè)置區(qū)間個(gè)數(shù)，overlap設(shè)置兩個(gè)區(qū)間靠近邊界的重合荠呐？每個(gè)區(qū)間的觀測值相等

stripplot(x1~y|x2)——lattice包的復(fù)雜箱圖赛蔫，存在兩個(gè)因子x1,x2控制下的y, x2按照從左到右，從下到上的順序排列泥张，左下方的x2值較小

palette()——col取值對(duì)應(yīng)的顏色呵恢，?"black"?? "red"???? "green3"? "blue"??? "cyan"??? "magenta" "yellow"? "gray"??

colors（）——列出對(duì)應(yīng)的顏色數(shù)組

qcc（）——qcc包，監(jiān)控轉(zhuǎn)化率型指標(biāo)的質(zhì)量監(jiān)控圖（P控制圖）媚创，監(jiān)控異常點(diǎn)渗钉，前提是二項(xiàng)分布足夠大后趨于正態(tài)分布

mosaic（<tab>，shade=T钞钙，legend=T）——繪制三級(jí)列聯(lián)表鳄橘，<tab>是三級(jí)列聯(lián)表或者公式声离，vcd包

curve（sapply(x,<func>)，<from>瘫怜，<to>）——畫曲線圖术徊，from和to設(shè)置橫坐標(biāo)取值范圍

編輯

optim(c(0,0),<func>)——優(yōu)化問題函數(shù)，c(0,0)是優(yōu)化函數(shù)參數(shù)的初始值宝磨，返回值par是參數(shù)最優(yōu)點(diǎn)值弧关，value是參數(shù)的最優(yōu)點(diǎn)時(shí)平方誤差值，counts是返回執(zhí)行輸入函數(shù)func的次數(shù)以及梯度gradient的次數(shù)唤锉，convergence值為0表示有把握找到最優(yōu)點(diǎn)世囊，非0值時(shí)對(duì)應(yīng)錯(cuò)誤，message是一些其它信息窿祥。

curve（sapply(x,<func>)株憾，<from>，<to>）——畫曲線圖晒衩，from和to設(shè)置橫坐標(biāo)取值范圍

sample(length(x)嗤瞎，<size>，replace=F)——采樣听系，生成向量x的隨機(jī)順序的大小為<size>的新向量贝奇；replace為False為不重復(fù)抽樣，為True則重復(fù)抽樣

Round ——取整靠胜。精確

ceiling()——取整掉瞳，偏向數(shù)值小的

floor() ——取整，偏向數(shù)值大的

%/% ——整除

colnames(Data)[4]="value"——更換某一列名

edit（）——編輯數(shù)據(jù)表格

fix（）——

rm（x浪漠，y）——移除對(duì)象（變量）x和y

na.exclude()——移除缺失數(shù)據(jù)整行

na.omit()——?jiǎng)h除缺失數(shù)據(jù)

attr（na.omit（<data>）,"na.action"）——返回向量a中元素為NA的下標(biāo)

na.fail（）——如果向量中至少包括1個(gè)NA值陕习，則返回錯(cuò)誤；如果不包括任何NA址愿，則返回原有向量

merge(x = targets, y = infanty)——合并數(shù)據(jù)框该镣，x和y是待合并數(shù)據(jù)框，相同屬性字段也會(huì)合并在一起

merge(x, y, by = intersect(names(x), names(y)),by.x = by, by.y = by, all = FALSE, all.x = all, all.y = all,sort = TRUE, suffixes = c(".x",".y"),incomparables = NULL, ...)?

merge函數(shù)參數(shù)的說明:

??? x,y:用于合并的兩個(gè)數(shù)據(jù)框

? ?by,by.x,by.y:指定依據(jù)哪些行合并數(shù)據(jù)框,默認(rèn)值為相同列名的列.

? ?all,all.x,all.y:指定x和y的行是否應(yīng)該全在輸出文件.

? ? sort:by指定的列是否要排序.

? ?suffixes:指定除by外相同列名的后綴.

? ?incomparables:指定by中哪些單元不進(jìn)行合并.

scale(x, center = TRUE, scale = TRUE)——中心化與標(biāo)準(zhǔn)化响谓，center是中心化损合，scale是標(biāo)準(zhǔn)化。（全選：減去均值娘纷，再除以標(biāo)準(zhǔn)差）

cut(x塌忽，breaks=c(0,10,30)，labels失驶，ordered_result=F)——連續(xù)數(shù)據(jù)的離散化土居，將向量依據(jù)breaks區(qū)間分割為因子向量。labels設(shè)置返回因子向量的水平標(biāo)簽值，ordered_result為False生成的因子向量無大小意義擦耀，否則有大小意義

apply族函數(shù)

apply(A棉圈，MARGIN，F(xiàn)UN眷蜓，...)——處理對(duì)象A是矩陣或數(shù)組分瘾，MARGIN設(shè)定待計(jì)算的維數(shù)，F(xiàn)UN是某些函數(shù)吁系，如mean德召，sum

注：apply與其它函數(shù)不同，它并不能明顯改善計(jì)算效率汽纤，因?yàn)樗旧韮?nèi)置為循環(huán)運(yùn)算上岗。

按列？

lappy(dataframe蕴坪，F(xiàn)UN肴掷，list(median,sd))——處理對(duì)象是向量、列表或其它對(duì)象背传，輸出格式為列表list

sapply(dataframe$Filed呆瞻，F(xiàn)UN)——與lapply()相似，輸出格式為矩陣（或數(shù)據(jù)框）

按行径玖？

tapply(X, INDEX, FUN, simplify = TRUE)——處理分組數(shù)據(jù), INDEX和X是有同樣長度的因子痴脾，simplify是邏輯變（量默認(rèn)為T）

aggregate(x~y+z, data，F(xiàn)UN)和by()——和tapply功能類似

其余參看：apply函數(shù)族

plyr庫

ddply(Data梳星，.(user_id赞赖，item_id)，summarize丰泊，liulan=sum(liulan)）——split-apply-combine的一體化函數(shù)薯定；.(user_id始绍，item_id)作為每行的一對(duì)標(biāo)識(shí)ID（因子）瞳购，前面的“.”號(hào)省略數(shù)據(jù)框名稱；summrize是一個(gè)函數(shù)fun亏推；liulan是一個(gè)變量学赛，最后生成的數(shù)據(jù)框只有user_id，item_id吞杭，liulan三列盏浇。詳情參見例子 ?R語言利器之ddply

transform(x，y)——將x和y的列轉(zhuǎn)換成·一個(gè)數(shù)據(jù)框芽狗。

reshape庫（reshape2）

melt（data绢掰，id.vars）——轉(zhuǎn)換數(shù)據(jù)溶解。修改數(shù)據(jù)組織結(jié)構(gòu)，創(chuàng)建一個(gè)數(shù)據(jù)矩陣滴劲，以id.var作為每行的編號(hào)攻晒，剩余列數(shù)據(jù)取值僅作為1列數(shù)值，并用原列名作為新數(shù)值的分類標(biāo)記班挖。

cast（data, userid~itemid,value="rattings",fill=0）——統(tǒng)計(jì)轉(zhuǎn)換數(shù)據(jù)鲁捏，生成矩陣，公式~左邊的作為行表名萧芙，右邊的作為列表名给梅。之后可以用cor（）計(jì)算每列數(shù)據(jù)之間的相關(guān)系數(shù)，并計(jì)算距離双揪。

acast 和 dcast（data, userid~itemid,value.var="rattings"）——同上动羽，reshape2包，acast最后生成數(shù)組盟榴，dcase生成數(shù)據(jù)框曹质。參見?R語言進(jìn)階之4：數(shù)據(jù)整形（reshape）

字符串處理

nchar()——獲取字符串長度，它能夠獲取字符串的長度擎场，它也支持字符串向量操作羽德。注意它和length()的結(jié)果是有區(qū)別的？什么區(qū)別

paste("a", "b", sep="")——字符串粘合迅办，負(fù)責(zé)將若干個(gè)字符串相連結(jié)宅静，返回成單獨(dú)的字符串。其優(yōu)點(diǎn)在于站欺，就算有的處理對(duì)象不是字符型也能自動(dòng)轉(zhuǎn)為字符型姨夹。

strsplit(A，split='[,.]')——字符串分割矾策，負(fù)責(zé)將字符串按照某種分割形式將其進(jìn)行劃分磷账，它正是paste()的逆操作。

substr(data,start,stop)——字符串截取贾虽，能對(duì)給定的字符串對(duì)象取出子集逃糟，其參數(shù)是子集所處的起始和終止位置。子集為從start到stop的下標(biāo)區(qū)間

grep()——字符串匹配蓬豁，負(fù)責(zé)搜索給定字符串對(duì)象中特定表達(dá)式 绰咽，并返回其位置索引。grepl()函數(shù)與之類似地粪，但其后面的"l"則意味著返回的將是邏輯值

regexpr（pattern,text）——從字符串text中提取特定的字符串的下標(biāo)位置

gregexpr（）——只查詢匹配的第一個(gè)特定字符串的下標(biāo)位置

gsub("a",1,<vector>)——字符串替代取募，負(fù)責(zé)搜索字符串的特定表達(dá)式，并用新的內(nèi)容加以替代蟆技。

sub()函數(shù)——和gsub是類似的玩敏，但只替代第一個(gè)發(fā)現(xiàn)結(jié)果斗忌。

chartr( )——字符串替換函數(shù)

toupper( )、tolower( )及casefold( )——大小寫轉(zhuǎn)換函數(shù)

其余參見：R語言中的字符串處理函數(shù)

控制流

if—else——分支語句

switch(index,case1,case2,casen)——index指示跳到第i個(gè)casei中

for（i in <vecter>）——循環(huán)語句旺聚，通過控制變量i

while——循環(huán)語句飞蹂，通過設(shè)定循環(huán)范圍

repeat—break——循環(huán)語句，無限循環(huán)翻屈，由break跳出

特殊數(shù)據(jù)對(duì)象

向量特性

向量數(shù)組初始小標(biāo)序號(hào)從1開始

向量增加元素可以直接通過“vector[n+1]<-0”方式增加

a<-c()——向量初始化

vector <- numeric（<int>）——?jiǎng)?chuàng)建初始向量<int>個(gè)數(shù)陈哑，并賦初值為0

length（vector）<- leg——修改對(duì)象長度為leg

names(vector) <- c("A","B","C")——給向量起名稱

vector["A"]——通過名稱訪問對(duì)應(yīng)元素

a == c(1, 99, 3)——比較每一個(gè)元素對(duì)應(yīng)是否相等

c（0，1）——?jiǎng)?chuàng)建向量伸眶，向量內(nèi)元素類型應(yīng)一致惊窖！

seq（5，9）和?5：9 ——連續(xù)向量厘贼，等差數(shù)列

seq（5界酒，9，0.5）——以0.5為間隔創(chuàng)建

seq(from,to,length,by)

數(shù)據(jù)索引

which（is.na(var) == T）——返回對(duì)應(yīng)數(shù)組序號(hào)

which.max() 和 which.min()——返回?cái)?shù)值類型中最大和最小元素下標(biāo)

subset（<data>,<condition>嘴秸，<colname>）——索引毁欣，<data>是數(shù)據(jù)，<condition>是索引條件岳掐，colnames指定索引列名

match（x凭疮，table，nomatch串述，incomparables）——匹配函數(shù)执解，返回x對(duì)應(yīng)值在table中是否存在，并從1開始編號(hào)纲酗。x是查詢對(duì)象衰腌，table是待匹配的向量，nomatch是不匹配項(xiàng)的設(shè)置值（默認(rèn)為NA值）觅赊，incomparables設(shè)置table表中不參加匹配的數(shù)值右蕊，默認(rèn)為NULL

<x> %n% <y>——判斷x中是否包含y，返回x對(duì)應(yīng)的邏輯值

排序

sort(x, decreasing = FALSE, na.last = NA, ...)——排序吮螺，單變量排序饶囚，輸出排序結(jié)果（不是序號(hào)）。na.last為TRUE规脸，缺失值放在數(shù)據(jù)最后坯约，為False? ? 缺失值放在數(shù)據(jù)最前面熊咽，為NA莫鸭，缺失數(shù)據(jù)將被移除

sort.list()——排序輸出序號(hào)值

order()——排序，多個(gè)變量數(shù)據(jù)框排序横殴，返回?cái)?shù)據(jù)框序號(hào)數(shù)被因。order例子【結(jié)】

結(jié)合ddply和transform函數(shù)卿拴，降序輸出并，輸出編號(hào)：ddply(dfx,.(group,sex),.fun=function(x){transform(x[order(x$age,decreasing=TRUE),c(1:3)],ind=1:length(group))})

rank()——秩排序梨与，有重復(fù)數(shù)字的時(shí)候就用這個(gè)堕花，根據(jù)數(shù)值之間的遠(yuǎn)近輸出序號(hào)

rev()——依據(jù)下標(biāo)從后往前倒排數(shù)據(jù)

unique（<dataframe>）——返回?zé)o重復(fù)樣本的數(shù)據(jù)集

duplicated（x）——查找重復(fù)數(shù)據(jù)，重復(fù)序號(hào)返回為TRUE

比較大小

pmin（x1,x2,...）——比較向量中的各元素粥鞋，并把較小的元素組成新向量

pmax（x1,x2,...）——

向量間的交缘挽、并、補(bǔ)集

union(x, y)——（并集）合并兩組數(shù)據(jù)呻粹，x和y是沒有重復(fù)的同一類數(shù)據(jù)壕曼，比如向量集

intersect(x, y)——（交集）對(duì)兩組數(shù)據(jù)求交集，x和y是沒有重復(fù)的同一類數(shù)據(jù)等浊，比如向量集

setdiff(x, y)——（補(bǔ)集）x中與y不同的數(shù)據(jù)腮郊，x和y是沒有重復(fù)的同一類數(shù)據(jù)，比如向量集筹燕，重復(fù)不同不記

setequal(x, y)——判斷x與y相同轧飞，返回邏輯變量，True為相同撒踪，F(xiàn)alse不同过咬。x和y是沒有重復(fù)的同一類數(shù)據(jù)，比如向量集

is.element(x, y)?和?%n%——對(duì)x中每個(gè)元素制妄，判斷是否在y中存在援奢，TRUE為x，y重共有的元素忍捡，F(xiàn)asle為y中沒有集漾。x和y是沒有重復(fù)的同一類數(shù)據(jù)，比如向量集

Vectorize()——將不能進(jìn)行向量化預(yù)算的函數(shù)進(jìn)行轉(zhuǎn)化

矩陣

array（data=NA,dim=length(data),dimnames=null）——數(shù)組砸脊、矩陣初始化,dim是數(shù)組各維的長度dimnames是數(shù)組維的名字具篇，默認(rèn)為空，array(1:20, dim=c(4,5))凌埂。數(shù)組是多維的驱显，dim屬性設(shè)置維數(shù)

matrix(0, 3, 4)——0為賦初值，3行瞳抓，4列埃疫，存儲(chǔ)方式是先列后行！矩陣是二維的孩哑，用ncol和nrow設(shè)置矩陣的行數(shù)和列數(shù)栓霜。byrow設(shè)置存儲(chǔ)方式（默認(rèn)列優(yōu)先），若為TRUE則以行優(yōu)先

dim（<vector>）<- c(2,3)——設(shè)置矩陣為2行3列

dimnames（）=list(c（<row>）横蜒，c（<col>）)——設(shè)置參數(shù)行和列的名稱胳蛮，以列表的形式進(jìn)行輸入

matrix[ ,4]——矩陣第4列

as.vector(matrix)——將矩陣轉(zhuǎn)換成向量

a["name1","name2"]——矩陣以行和列的名稱來代替行列的下標(biāo)销凑，name1是行名，name2是列名

rbind（）——矩陣合并斗幼，按行合并蜕窿，自變量寬度應(yīng)該相等

cbind（）——矩陣合并，安列合并呆馁，自變量高度應(yīng)該相等

t()——矩陣轉(zhuǎn)置

det()——行列式

solve（A渠羞，b）——求線性方程組Ax=b

solve（A）——求逆矩陣

eigen（A） ——求距陣的特征值與特征向量，Ax=(Lambda)x智哀，A$values是矩陣的特征值構(gòu)成的向量次询，A$vectors是A的特征向量構(gòu)成的矩陣

*——矩陣中每個(gè)元素對(duì)應(yīng)相乘

%*%——矩陣相乘

因子

因子和向量的區(qū)別：

向量里面存的元素類型可以是字符型，而因子里面存的是整型數(shù)值對(duì)應(yīng)因子的類別（levels）

as.integer(<factors>)——因子可以轉(zhuǎn)化為整型

levels(<factors>)——查看因子類別

gl（n瓷叫，k屯吊，length）——因子,n為水平數(shù)，k為重復(fù)的次數(shù)摹菠，length為結(jié)果的長度

factor(x盒卸，levels，labels)——因子

as.factror()——將向量轉(zhuǎn)化為無序因子次氨，不能比較大小

as.order()——將向量轉(zhuǎn)化為有序因子

is.factor()——判斷是否為無序因子

is.order()——判斷是否為有序因子

列表和數(shù)據(jù)框

list()——列表

unlist()——列表轉(zhuǎn)化為向量

data.frame()——數(shù)據(jù)框

names(<dataframe>)——顯示數(shù)據(jù)框的列名稱

dataframe[[2]]?和?dataframe[["TheSec.Name"]]和??dataframe$TheSec.Name——獲取數(shù)據(jù)框第二列的元素值

as.matrix(<dataframe>)[蔽介，1]——把數(shù)據(jù)框轉(zhuǎn)化為矩陣后，再去提取列向量

na和NULL的區(qū)別

is.na()——判斷na值存在煮寡，na是指該數(shù)值缺失但是存在虹蓄。

is.null（）——判斷數(shù)據(jù)是否為NULL。NULL是指不存在幸撕，可以通過 train$var<-NULL 的方法去掉屬性變量var律胀。

處理缺失數(shù)據(jù)na

1炭菌、將缺失部分剔除

2、用最高頻率值來填補(bǔ)缺失值

3投储、通過變量的相關(guān)關(guān)系來填補(bǔ)缺失值

4、通過探索案例之間的相似性來填補(bǔ)缺失值

公式

a:b——a和b的交互效應(yīng)

a+b——a和b的相加效應(yīng)

a*b——相加和交互效應(yīng)（等價(jià)于a+b+a：b）

-b——去掉b的影響

1——y~1擬合一個(gè)沒有因子影響的模型（僅僅是截距）

-1——y~x-1表示通過原點(diǎn)的線性回歸（等價(jià)于y~x+0或者0+y~x）

^n——包含所有知道n階的交互作用（a+b+c）^2==a+b+c+a:b+a:c+b:c

poly(a,n)——a的n階多項(xiàng)式

I(x1+x2)——表示模型y=b（x1+x2）+a

數(shù)理統(tǒng)計(jì)

基礎(chǔ)知識(shí)

統(tǒng)計(jì)量

mean（x，trim=0,na,rm=FALSE）——均值客蹋，trim去掉x兩端觀測值的便利，默認(rèn)為0辆琅，即包括全部數(shù)據(jù)，na.rm=TRUE允許數(shù)據(jù)中有缺失

weighted.mean(x似袁，<weigth>)——加權(quán)平均值，weigth表示對(duì)應(yīng)權(quán)值

median——中值

quantile(x绒尊，probs=seq(,,))——計(jì)算百分位數(shù)，是五數(shù)總和的擴(kuò)展谭羔，probs設(shè)置分位數(shù)分位點(diǎn)，用seq(0,1,0.2)設(shè)置话告，表示以樣本值*20%為間隔劃分?jǐn)?shù)據(jù)佛呻。

var（）——樣本方差（n-1）

sd——樣本標(biāo)準(zhǔn)差（n-1）

cov——協(xié)方差

cor——相關(guān)矩陣

fivenum(x,na.rm=TRUE)——五數(shù)總括：中位數(shù)，下上四分位數(shù)绑莺，最小值，最大值

數(shù)學(xué)函數(shù)

sum（x,y,z对扶，na.rm=FALSE）——x+y+z，na.rm為TURE可以忽略掉na值數(shù)據(jù)

sum（x>4）——統(tǒng)計(jì)向量x中數(shù)值大于4的個(gè)數(shù)

rep（“LOVE络凿！”，<times>）——重復(fù)times次怨愤，rep(1:3，c（1差导，2，3）)表示1個(gè)1犀被，2個(gè)2，3個(gè)3組成的序列

sqrt（）——開平方函數(shù)

2^2 和 **——“^”冪運(yùn)算

abs（）——絕對(duì)值函數(shù)

'%%'——表示求余

'%/%'——求商（整數(shù)）

exp? ： 2.71828…

expm1? ： 當(dāng)x的絕對(duì)值比1小很多的時(shí)候昌腰，它將能更加正確的計(jì)算exp(x)-1

log? ： 對(duì)數(shù)函數(shù)（自然對(duì)數(shù)）

log10? ： 對(duì)數(shù)（底為10）函數(shù)（常用對(duì)數(shù)）

log2? ： 對(duì)數(shù)（底為2）函數(shù)

因?yàn)?0>e>1固灵，常用對(duì)數(shù)比自然對(duì)數(shù)更接近橫坐標(biāo)軸x

log1p()——log（1+p）丛忆，用來解決對(duì)數(shù)變換時(shí)自變量p=0的情況。指數(shù)和對(duì)數(shù)的變換得出任何值的0次冪都是1

特性：對(duì)數(shù)螺旋圖凰浮。當(dāng)圖像呈指數(shù)型增長時(shí)，常對(duì)等式的兩邊同時(shí)取對(duì)數(shù)已轉(zhuǎn)換成線性關(guān)系笛厦。

sin? ： 正弦函數(shù)

cos? ： 余弦函數(shù)

tan? ：? 正切函數(shù)

asin? ：? 反正弦函數(shù)

acos? ：? 反余弦函數(shù)

atan? ：? 反正切函數(shù)

sinh? ：? 超越正弦函數(shù)

cosh? ：? 超越余弦函數(shù)

tanh? ：? 超越正切函數(shù)

asinh? ：? 反超越正弦函數(shù)

acosh? ：? 反超越余弦函數(shù)

atanh? ：? 反超越正切函數(shù)

logb? ：? 和log函數(shù)一樣

log1px? ：? 當(dāng)x的絕對(duì)值比1小很多的時(shí)候劝贸，它將能更加正確的計(jì)算log(1+x)

gamma? ：? Γ函數(shù)（伽瑪函數(shù)）

lgamma? ：? 等同于log(gamma(x))

ceiling? ：? 返回大于或等于所給數(shù)字表達(dá)式的最小整數(shù)

floor? ：? 返回小于或等于所 給數(shù)字表達(dá)式的最大整數(shù)

trunc? ：? 截取整數(shù)部分

round? ：? 四舍五入

signif(x,a)? ：? 數(shù)據(jù)截取函數(shù) x：有效位 a：到a位為止

圓周率用 ‘pi’表示

crossprod(A,B)——A %*% t(B) 菠秒，內(nèi)積

tcrosspeod(A,B)——t(A) %*% B言缤，外積

%*%——內(nèi)積，a1b1+a2b2+...+anbn=a*b*cos<a,b>僻孝，crossprod(x)表示x與x的內(nèi)積。||x||2荞雏，矩陣相乘

%o%——外積，a*b*sin<a,b>（矩陣乘法筑辨，叉積），tcrossprod(x,y)表示x與y的外積痢毒。*表示矩陣中對(duì)應(yīng)元素的乘積！

向量內(nèi)積（點(diǎn)乘）和向量外積（叉乘）

正態(tài)分布

dnorm（x，mean=0,sd=1,log=FALSE）——正態(tài)分布的概率密度函數(shù)

pnorm(x帅霜，mean=0,sd=1)——返回正態(tài)分布的分布函數(shù)·

rnorm（n钝尸，mean=0.sd=1）——生成n個(gè)正態(tài)分布隨機(jī)數(shù)構(gòu)成的向量

qnorm()——下分為點(diǎn)函數(shù)

qqnorm（data）——畫出qq散點(diǎn)圖

qqline（data）——低水平作圖，用qq圖的散點(diǎn)畫線

qq.plot（<x>猪叙，main=''）——qq圖檢驗(yàn)變量是否為正態(tài)分布

簡單分析

summary()——描述統(tǒng)計(jì)摘要，和 Hmisc()包的describe()類似，會(huì)顯示NA值充包，四分位距是第1個(gè)（25%取值小于該值）和第3個(gè)四分位數(shù)（75%取值小于該值）的差值（50%取值的數(shù)值），可以衡量變量與其中心值的偏離程度家浇，值越大則偏離越大舔株。

table(<datafame>$<var>)——統(tǒng)計(jì)datafame數(shù)據(jù)中屬性變量var的數(shù)值取值頻數(shù)(NA會(huì)自動(dòng)去掉载慈！)辞做，列聯(lián)表

table(<data_var_1>, <data_var_2>)——比較兩個(gè)data_var童叠，<data_var_1>為列撰豺，為行污桦，先列后行亭姥！

xtabs(formular坝撑，data)——列聯(lián)表

ftable( table())——三維列聯(lián)表

prop.table()——統(tǒng)計(jì)所占百分比例

prop.table(table(<data_var_1>, <data_var_2>)，<int>)——比較兩個(gè)data_var所占百分比扶认，<int>填1位按行百分計(jì)算狱从，2為列計(jì)算

margin.table( table()，<int> )——計(jì)算列聯(lián)表的邊際頻數(shù)（邊際求和）,<int>=1為按列變量

addmargin.table（table()与涡，<int>?）——計(jì)算列聯(lián)表的邊際頻數(shù)（邊際求和）并求和,<int>=1為按列變量

as.formula(<string>)——轉(zhuǎn)換為一個(gè)R公式递沪，<string>是一個(gè)字符串

循環(huán)時(shí)的判斷語句：

ifelse(, , )——if款慨，else的變種谬莹，test是判斷語句,其中的判斷變量可以是一個(gè)向量檩奠！yes是True時(shí)的賦值桩了，no是False時(shí)的賦值

hist(，prob=T埠戳，xlab='橫坐標(biāo)標(biāo)題'井誉，main='標(biāo)題'在岂，ylim=0:1，freq叠蝇，breaks=seq(0,550,2))——prob=T表示是頻率直方圖洲鸠，在直角坐標(biāo)系中覆履，用橫軸每個(gè)小區(qū)間對(duì)應(yīng)一個(gè)組的組距，縱軸表示頻率與組距的比值找爱，直方圖面積之和為1；prob位FALSE表示頻數(shù)直方圖闷板；ylim設(shè)置縱坐標(biāo)的取值范圍萧求；freq為TRUE繪出頻率直方圖酪碘，counts繪出頻數(shù)直方圖枕屉，F(xiàn)ALSE繪出密度直方圖哨颂。breaks設(shè)置直方圖橫軸取點(diǎn)間隔，如seq(0,550,2)表示間隔為2拨与，從0到550之間的數(shù)值何荚。

density(,na.rm=T)——概率密度函數(shù)（核密度估計(jì)候齿，非參數(shù)估計(jì)方法）禁漓，用已知樣本估計(jì)其密度,作圖為lines(density(data),col="blue")

ecdf（data）——經(jīng)驗(yàn)分布函數(shù),作圖plot(ecdf(data),verticasl=FALSE,do.p=FALSE)廓潜，verticals為TRUE表示畫豎線，默認(rèn)不畫佛致。do.p=FALSE表示不畫點(diǎn)處的記號(hào)

假設(shè)檢驗(yàn)

分布函數(shù)

shapiro.test(data)——正態(tài)W檢驗(yàn)方法，當(dāng)p值大于a為正態(tài)分布

ks.test(x,y)——經(jīng)驗(yàn)分布的K-S檢驗(yàn)方法，比較x與y的分布是否相同，y是與x比較的數(shù)據(jù)向量或者是某種分布的名稱径密，ks.test(x, rnorm(length(x), mean(x), sd(x)))，或ks.test(x,"pnorm",mean(x),sd(x))

chisq.test(x旬蟋，y油昂，p)——Pearson擬合優(yōu)度X2（卡方）檢驗(yàn)，x是各個(gè)區(qū)間的頻數(shù)，p是原假設(shè)落在小區(qū)間的理論概率冕碟，默認(rèn)值表示均勻分布,要檢驗(yàn)其它分布拦惋，比如正態(tài)分布時(shí)先構(gòu)造小區(qū)間，并計(jì)算各個(gè)區(qū)間的概率值安寺，方法如下：

brk<-cut(x,br=c(-6,-4,-2,0,2,4,6,8))#切分區(qū)間

A<-table(brk)#統(tǒng)計(jì)頻數(shù)

p<-pnorm(c(-4,-2,0,2,4,6,8),mean(x),sd(x))#構(gòu)造正態(tài)分布函數(shù)

p<-c(p[1],p[2]-p[1],p[3]-p[2],p[4]-p[3],p[5]-p[4],p[6]-p[5],p[7]-p[6])#計(jì)算各個(gè)區(qū)間概率值

chisq.test(A,p=p)

正態(tài)總體的均值方差

t.test(x厕妖，y，alternative=c("two.sided","less","greater")挑庶，var.equal=FALSE)——單個(gè)正態(tài)總體均值μ或者兩個(gè)正態(tài)總體均值差μ1-μ2的區(qū)間估計(jì)言秸；alternative表示備擇假設(shè)：two.side（默認(rèn)）是雙邊檢驗(yàn)，less表示H1:μ<μ0迎捺，greater表示H1：μ>μ0的單邊檢驗(yàn)(μ0表示原假設(shè))举畸；當(dāng)var.equal=TRUE時(shí)，則是雙樣本方差相同的情況，默認(rèn)為不同

var.test(x，y)——雙樣本方差比的區(qū)間估計(jì)

獨(dú)立性檢驗(yàn)（原假設(shè)H0：X與Y獨(dú)立）

chisq.test(x,correct=FALSE)——卡方檢驗(yàn)比搭，x為矩陣，dim(x)=c(2,2)合是，對(duì)于大樣本（頻數(shù)大于5）

fisher.test()——單元頻數(shù)小于5，列聯(lián)表為2*2

相關(guān)性檢驗(yàn)（原假設(shè)H0：X與Y相互獨(dú)立）

cor.test（x,y,method=c("pearson","kendall","spearman")）——相關(guān)性檢驗(yàn)锭环，觀察p-value小于0.05則相關(guān)聪全。method選擇相關(guān)性檢驗(yàn)方法

秩

rank()——秩統(tǒng)計(jì)量

cor.test（）——秩相關(guān)檢驗(yàn)：Spearman，Kendall

wilcox.test(x,y=NULL辅辩，mu,alternative难礼，paired=FALSE，exact=FALSE,correct=FALSE玫锋，conf.int=FALSE)——秩顯著性檢驗(yàn)（一個(gè)樣本來源于總體的檢驗(yàn)蛾茉，顯著性差異的檢驗(yàn)），Wilcoxon秩和檢驗(yàn)（非成對(duì)樣本的秩次和檢驗(yàn)）,mu是待檢測參數(shù)撩鹿，比如中值谦炬，paired邏輯變量，說明變量x节沦，y是否為成對(duì)數(shù)據(jù)键思，exact說民是否精確計(jì)算P值，correct是邏輯變量甫贯，說明是否對(duì)p值采用連續(xù)性修正吼鳞，conf.int是邏輯變量，給出相應(yīng)的置信區(qū)間叫搁。

uniroot(f赔桌，interval=c(1,2))——求一元方程根的函數(shù)供炎，f是方程，interval是求解根的區(qū)間內(nèi)纬乍，返回值root為解

optimize(）或 optimise（）——求一維變量函數(shù)的極小點(diǎn)

nlm（f碱茁，p）——求解無約束問題裸卫，求解最小值仿贬，f是極小的目標(biāo)函數(shù)，p是所有參數(shù)的初值墓贿，采用Newton型算法求極小茧泪，函數(shù)返回值是一個(gè)列表，包含極小值聋袋、極小點(diǎn)的估計(jì)值队伟、極小點(diǎn)處的梯度、Hesse矩陣以及求解所需的迭代次數(shù)等幽勒。

顯著性差異檢驗(yàn)（方差分析嗜侮，原假設(shè)：相同，相關(guān)性）

mcnemar.test(x,y啥容，correct=FALSE)——相同個(gè)體上的兩次檢驗(yàn)锈颗，檢驗(yàn)兩元數(shù)據(jù)的兩個(gè)相關(guān)分布的頻數(shù)比變化的顯著性，即原假設(shè)是相關(guān)分布是相同的咪惠。y是又因子構(gòu)成的對(duì)象击吱，當(dāng)x是矩陣時(shí)此值無效。

binom.test(x遥昧，n覆醇，p，alternative=c("two.sided","less","greater")炭臭，conf.level=0.95)——二項(xiàng)分布永脓，符號(hào)檢驗(yàn)（一個(gè)樣本來源于總體的檢驗(yàn)，顯著性差異的檢驗(yàn)）

aov（x~f）——計(jì)算方差分析表鞋仍，x是與（因子）f對(duì)應(yīng)因素水平的取值常摧，用summary（）函數(shù)查看信息

aov（x~A+B+A：B）——雙因素方差，其中X~A+B中A和B是不同因素的水平因子（不考慮交互作用）凿试，A：B代表交互作用生成的因子

p.adjust()——P值調(diào)整函數(shù)

pairwise.t.test(x排宰，g，p.adjust.method="holm")——多重t檢驗(yàn),p.adjust.method是P值的調(diào)整方法那婉，其方法由p.adjust（）給出板甘，默認(rèn)值按Holm方法（”holm“）調(diào)整，若為”none“详炬，表示P值不做任何調(diào)整盐类。雙因素交互作用時(shí)g=A：B

shapiro.test（x）——數(shù)據(jù)的正態(tài)W檢驗(yàn)

bartlett.test（x~f寞奸，data）——Bartlett檢驗(yàn)，方差齊性檢驗(yàn)

kruskal.test（x~f在跳，data）——Kruskal-Wallis秩和檢驗(yàn)枪萄，非參數(shù)檢驗(yàn)法，不滿足正態(tài)分布

friedman.test(x猫妙，f1瓷翻，f2，data）——Friedman秩和檢驗(yàn)割坠，不滿足正態(tài)分布和方差齊性齐帚，f1是不同水平的因子，f2是試驗(yàn)次數(shù)的因子

常用模型

1彼哼、回歸模型

lm（y~.对妄，<data>）——線性回歸模型，“.”代表數(shù)據(jù)中所有除y列以外的變量敢朱，變量可以是名義變量（虛擬變量剪菱，k個(gè)水平因子，生成k-1個(gè)輔助變量（值為0或1））

summary（）——給出建模的診斷信息：

1拴签、數(shù)據(jù)擬合的殘差（Residual standard error孝常，RSE），殘差應(yīng)該符合N（0篓吁，1）正態(tài)的茫因，值越小越好

2、檢驗(yàn)多元回歸方程系數(shù)（變量）的重要性杖剪，t檢驗(yàn)法冻押，Pr>|t|, Pr值越小該系數(shù)越重要（拒絕原假設(shè)）

3、多元R方或者調(diào)整R2方盛嘿，標(biāo)識(shí)模型與數(shù)據(jù)的擬合程度洛巢，即模型所能解釋的數(shù)據(jù)變差比例，R方越接近1模型擬合越好次兆，越小稿茉，越差。調(diào)整R方考慮回歸模型中參數(shù)的數(shù)量芥炭，更加嚴(yán)格

4漓库、檢驗(yàn)解釋變量x與目標(biāo)變量y之間存在的依賴關(guān)系，統(tǒng)計(jì)量F园蝠，用p-value值渺蒿，p值越小越好

5、繪圖檢驗(yàn)plot(<lm>)——繪制線性模型彪薛，和qq.plot誤差的正態(tài)QQ圖

6茂装、精簡線性模型怠蹂，向后消元法

線性回歸模型基礎(chǔ)

lm（formula=x~y，data少态，subset）——回歸分析城侧，x是因變量（響應(yīng)變量），y是自變量（指示變量）彼妻，formular=y~x是公式嫌佑，其中若是有x^2項(xiàng)時(shí)，應(yīng)把公式改寫為y~I(x^2)澳骤，subset為可選擇向量歧强，表示觀察值的子集。例：lm(Y ~ X1 + X2 + I(X2^2) + X1:X2, data = data)

predict(lm(y~x)为肮，new，interval=“prediction”肤京，level=0.95)——預(yù)測颊艳，new為待預(yù)測的輸入數(shù)據(jù)，其類型必須為數(shù)據(jù)框data.frame忘分，如new<-data.frame(x=7)棋枕，interval=“prediction”表示同時(shí)要給出相應(yīng)的預(yù)測區(qū)間

predict(lm(y~x))——直接用用原模型的自變量做預(yù)測，生成估計(jì)值

篩選模型自變量

lm.new<-update(lm.sol妒峦，sqrt(.)~.)——修正原有的回歸模型重斑，將響應(yīng)變量做開方變換

update（, .~. - x1）——移除變量x1后的模型

coef(lm.new)——提取回歸系數(shù)

回歸診斷

1、正態(tài)性（QQ圖）

plot(x,which)——回歸模型殘差圖肯骇，which=1~4分別代表畫普通殘差與擬合值的殘差圖窥浪，畫正態(tài)QQ的殘差圖，畫標(biāo)準(zhǔn)化殘差的開方與擬合值的殘差圖笛丙，畫Cook統(tǒng)

norm.test（）——正態(tài)性檢驗(yàn)漾脂，p-value>0.05為正態(tài)

計(jì)量的殘差圖

residuals()和resid()——?dú)埐?/p>

rstandard()——標(biāo)準(zhǔn)化殘差

rstudent()——學(xué)生化殘差

influence.measures(model)——model是由lm或者glm構(gòu)成的對(duì)象，對(duì)回歸診斷作總括胚鸯，返回列表中包括骨稿，廣義線性模型也可以使用

anova（<lm>）——簡單線性模型擬合的方差分析（確定各個(gè)變量的作用）

anova（<lm1>,<lm2>）——比較兩個(gè)模型（檢驗(yàn)原假設(shè)為不同）

2、誤差的獨(dú)立性——car包提供Duerbin_Watson檢驗(yàn)函數(shù)

3姜钳、線性——car包c(diǎn)rPlots（）繪制成分殘差圖（偏殘差圖）可以看因變量與自變量之間是否呈線性

4坦冠、同方差性——car包ncvTest（）原假設(shè)為誤差方差不變，若拒絕原假設(shè)哥桥，則說明存在異方差性

5辙浑、多重共線性——car包中的vif（）函數(shù)計(jì)算VIF方差膨脹因子，一般vif>2存在多重共線性問題

異常點(diǎn)分析（影響分析）

hatvalues（）和hat（）——帽子矩陣

dffits（）——DFFITS準(zhǔn)則

cooks.distance()——Cook統(tǒng)計(jì)量泰讽，值越大越有可能是異常值點(diǎn)

covratio（）——COVRATIO準(zhǔn)則

kappa（z例衍，exact=FALSE）——多重共線性昔期，計(jì)算矩陣的條件數(shù)k,若k<100則認(rèn)為多重共線性的程度很小佛玄；100<=k<=1000則認(rèn)為存在中等程度或較強(qiáng)的多重共線性硼一；若k>1000則認(rèn)為存在嚴(yán)重的多重共線性。z是自變量矩陣（標(biāo)準(zhǔn)化梦抢，中心化的般贼？相關(guān)矩陣），exact是邏輯變量奥吩，當(dāng)其為TRUE時(shí)計(jì)算精準(zhǔn)條件數(shù)哼蛆，否則計(jì)算近似條件數(shù)。用eigen（z）計(jì)算特征值和特征向量霞赫，最小的特征值對(duì)應(yīng)的特征向量為共線的系數(shù)腮介。

step()——逐步回歸，觀察AIC和殘差平方和最小端衰，廣義線性模型也可以使用

add1()——前進(jìn)法

drop()——后退法

stepAIC（sol,direction="backward"）——MASS包叠洗，可以實(shí)現(xiàn)逐步回歸（向前、向后旅东、向前向后）

預(yù)測

predict（灭抑，，level=0.95抵代，interval="prediction"）——回歸預(yù)測腾节，sol是模型，newdataframe是待預(yù)測數(shù)據(jù)框荤牍，level設(shè)置置信度案腺，interval="prediction"表示結(jié)果要計(jì)算置信區(qū)間

glm(formula，family=binomial（link=logit）参淫，data=data.frame)——廣義線性模型救湖，logit默認(rèn)為二項(xiàng)分布族的鏈接函數(shù)，formula有兩種輸入方法涎才，一種方法是輸入成功和失敗的次數(shù)鞋既，另一種像線性模型的公式輸入方式

predict(glm()，data.frame(x=3.5)耍铜，type="response")——預(yù)測廣義線性回歸模型邑闺，type=“response”表示結(jié)果為概率值，否則為預(yù)測值y

inv.logit（）——預(yù)測值y的反logit棕兼，boot包的函數(shù)

glmnet（）——正則化glm函數(shù)陡舅，glmnet包，執(zhí)行結(jié)果的行數(shù)越前正則化越強(qiáng)伴挚。其輸出結(jié)果的意義是：

1）DF是指明非0權(quán)重個(gè)數(shù)靶衍，但不包括截距項(xiàng)灾炭。可以認(rèn)為大部分輸入特征的權(quán)重為0時(shí)颅眶，這個(gè)模型就是稀疏的（sparse）蜈出。

2）%Dev就是模型的R2

3)超參數(shù)（lambda）是正則化參數(shù)。lambda越大涛酗，說明越在意模型的復(fù)雜度铡原，其懲罰越大，使得模型所有權(quán)重趨向于0商叹。

plot（lm(y~x)燕刻，which=1:4，caption=c(“Residuals vs Fitted”剖笙，“Normal Q-Q plot”卵洗，“Scale-Location plot”，“Cook's distance plot”)）——畫回歸模型殘差圖枯途，which為1表示畫普通殘差與擬合值的殘差圖忌怎，2表示畫正態(tài)QQ的殘差圖，3表示畫標(biāo)準(zhǔn)化殘差的開方與擬合值的殘差圖酪夷，4表示畫Cook統(tǒng)計(jì)量的殘差圖；caption是圖題的內(nèi)容孽惰。

avova(sol1,sol2,test="Chisq")——比較模型兩個(gè)模型晚岭，廣義線性模型可用卡方檢驗(yàn)（分類變量），不拒絕原假設(shè)說明兩個(gè)沒有顯著差異勋功，即用較少自變量模型就可以坦报。

非線性模型

poly（想，degree=1）——計(jì)算正交多現(xiàn)實(shí)狂鞋，x是數(shù)值向量片择，degree是正交多項(xiàng)式的階數(shù)，并且degree<length（x）樣本個(gè)數(shù)骚揍，例如建立二次正交式回歸模型：lm(y~1+poly（x字管，2）)

nls（formula,data,start）——求解非線性最小二乘問題，formula是包括變量和非線性擬合的公式信不，start是初始點(diǎn)嘲叔，用列表形式給出

nlm(f，p)——非線性最小二乘抽活，構(gòu)造最小目標(biāo)函數(shù)硫戈，方程移項(xiàng)2為0，f是極小的目標(biāo)函數(shù)下硕，p是所有參數(shù)的初值丁逝，采用Newton型算法求極小汁胆，函數(shù)返回值是一個(gè)列表，minimum的值便是極小值霜幼，estimate是參數(shù)的估計(jì)值嫩码。例如：

fn<-function(p,x,y){

f<-y-p[1]*exp(p[2]*x)

res<-sum(f^2)

}

nlm.sol<-nlm(fn,p=c(3,-0.1),x,y)

2、回歸樹

rpart( y ~.辛掠， )——rpart包谢谦，回歸樹，葉結(jié)點(diǎn)目標(biāo)變量的平均值就是樹的預(yù)測值萝衩。生成一棵樹回挽，再做修剪（防止過度擬合），內(nèi)部10折交叉驗(yàn)證

printcp（）——查看回歸樹結(jié)果猩谊，rt是指rpart（）函數(shù)的運(yùn)行結(jié)果模型千劈，plotcp（<rt>）以圖形方式顯示回歸樹的參數(shù)信息

參數(shù)如下：

? ??cp——當(dāng)偏差的減少小于某一個(gè)給定界限值，默認(rèn)0.01

? ??minsplit——當(dāng)結(jié)點(diǎn)中的樣本數(shù)量小于某個(gè)給定界限時(shí)牌捷，默認(rèn)20

? ??maxdepth——當(dāng)樹的深度大于一個(gè)給定的界限值墙牌，默認(rèn)30

prune（<rt>,cp）——自行設(shè)置cp值的建樹

snip.rpart(, c(4,7))——修剪，需要修剪的那個(gè)地方的是結(jié)點(diǎn)號(hào)c(4暗甥，7)喜滨，指出輸出樹對(duì)象來需要修剪的樹的結(jié)點(diǎn)號(hào)

snip.rpart()——交互修剪，點(diǎn)擊結(jié)點(diǎn)撤防，右擊結(jié)束

3虽风、隨機(jī)森林

randomForest(y ~.， <data>)——組合模型寄月，由大量樹模型構(gòu)成辜膝，回歸任務(wù)采用預(yù)測結(jié)果的平均值。

4漾肮、支持向量機(jī)

svm(<formula>厂抖，<data>，gamma=1/ncol(<data>)克懊，<cost>)——e1071包忱辅，回歸任務(wù)，<gamma>=0.01保檐，<cost>=100違反邊際所引入的損失?

5耕蝉、時(shí)間序列分析

ts(<data>, frequency=12, start=(2006,1))——把一個(gè)向量轉(zhuǎn)化為時(shí)間序列對(duì)象，<data>向量夜只，frequency表示頻率垒在，start表示時(shí)間起始點(diǎn)

decompose(，type)——把時(shí)間序列分解成長期趨勢(shì)和周期性變化，是設(shè)置了頻率（周期長度）的時(shí)間序列數(shù)據(jù)场躯，type="additive"為累加形式：長期趨勢(shì)+周期性變化+隨機(jī)變化谈为；"multiplicative"分解為累乘形式：長期趨勢(shì)*周期性變化*隨機(jī)變化。默認(rèn)使用"additive"累加形式踢关。函數(shù)返回值sol<-decompose()中伞鲫，sol$trend是時(shí)間序列趨勢(shì)，seasonal是季節(jié)性周期變化签舞，random是隨機(jī)誤差秕脓。

stl(<data>,"per")——分解時(shí)間序列，返回值sol<-stl()中儒搭，sol$time.series[, "seasonal"]讀取周期性序列seasonal吠架，sol$time.series[, "trend"]讀取長期趨勢(shì)trend。誤差可以使用sol$time.series[,?"remainder"]讀取搂鲫。

增長率：

diff(data,lag=1)——差分傍药，上下做差，lag控制變量上下間隔為1

ring.growth[t]=(data[t]-data[t-1])/data[t-1]——同比增長率魂仍，描述指標(biāo)變化趨勢(shì)

sam.per.grown[t]=(data[t]-data[t-T])/data[t-T]——環(huán)比增長率拐辽，分析周期性變化，避免周期性變化給數(shù)據(jù)分析帶來的影響擦酌，T一般以周為單位

移動(dòng)平均：

filter(x, filter, method=c("convolution", "recursive"), side=2,...)——線性過濾函數(shù)俱诸，x待轉(zhuǎn)化的向量數(shù)據(jù)，method=convolution（卷積方法）:使用x內(nèi)部樣本組成線性模型（系數(shù)ai由filter參數(shù)設(shè)置的赊舶，side參數(shù)設(shè)置卷積方法是單邊或者雙邊）乙埃，recursive（遞歸方法）:使用y內(nèi)部樣本以及當(dāng)前階段的x樣本組成線性模型（系數(shù)ai由filter設(shè)置）y遞歸[t]=x[t]+sum(ai*y[t-i])。side為1（單邊卷積）y卷積[t]=a1*x[t]+...+a(k+1)*x[t-k]锯岖，side為2（雙邊卷積）y卷積[t]=a1*x[t+m]+...+a(m+1)*x[t]

指數(shù)平滑:

sol<-HoltWinters(<data>)——實(shí)現(xiàn)二次平滑和三次平滑指數(shù)。

sol.forst<-forecast.HoltWinters(sol, h=12)——預(yù)測HoltWinters函數(shù)產(chǎn)生的模型的新時(shí)間序列甫何，h表示頻率出吹？預(yù)測未來12個(gè)月

plot.forecast(sol.forst, include=10)——繪制預(yù)測圖，include=10表明繪制預(yù)測前10個(gè)月的數(shù)據(jù)和未來12個(gè)月的預(yù)測數(shù)據(jù)

ARIMA模型

ymd()——lubridate包辙喂，將"年-月-日"格式的字符串轉(zhuǎn)換成日期對(duì)象捶牢，（可以比較前后時(shí)間）

自相關(guān)性

cov(data.frame(x,y))——協(xié)方差矩陣S

cor(data.frame(x,y))——相關(guān)系數(shù)矩陣R

rnorm（n，<mean>巍耗，<sd>）

arima.sim（n=100秋麸，list（ar=，ma=））——模擬100個(gè)樣本的模擬序列

lag.plot(data炬太，lag=k灸蟆，do.line=FALSE)——繪制原始數(shù)據(jù)和k階滯后的散點(diǎn)圖

acf（data，lag.max=16亲族，ci.type="ma"）——計(jì)算并繪制自相關(guān)圖炒考，0階自相關(guān)系數(shù)是rxx可缚，所以恒等于1。ci.type="ma"主要是慨率acf的標(biāo)準(zhǔn)誤的問題斋枢，以使acf圖等準(zhǔn)確帘靡。

pacf（data，lag.max=16）——偏自相關(guān)圖瓤帚，消除Xt-1描姚，...，Xt-k+1的影響后戈次，研究Xt和Xt-k的相關(guān)性轩勘。

Box.test（data,type="Ljung-Box",lag=16，fitdf=p+q）——自相關(guān)性檢驗(yàn)朝扼，p-value<0.05赃阀，標(biāo)識(shí)數(shù)據(jù)data具有自相關(guān)，fitdf為自由度參數(shù)p+q

arima（data擎颖，order=c（p榛斯，d，q））——計(jì)算模型參數(shù)并建模搂捧，TSA包中驮俗，order設(shè)置AR過程的階數(shù)p，差分過程的d（用于穩(wěn)定化）和MA過程的階數(shù)q允跑。當(dāng)p=d=0時(shí)王凑，表示只使用MA過程對(duì)序列建模。結(jié)果sol<-arima（）調(diào)用predict(sol聋丝，n.ahead=5)$pred進(jìn)行預(yù)測索烹，n.ahead參數(shù)用于設(shè)置預(yù)測新階段的數(shù)據(jù)量（未來5個(gè)月），predict(...）$se標(biāo)準(zhǔn)誤差SE弱睦，用于計(jì)算預(yù)測范圍（預(yù)測范圍=預(yù)測值+-置信度（alpha）*標(biāo)準(zhǔn)誤差SE百姓。

eacf(data)——根據(jù)凸顯中三角區(qū)域頂點(diǎn)的行坐標(biāo)和列坐標(biāo)分別確定ARMA的p和q

norm.test（）——正態(tài)性檢驗(yàn)，p-value>0.05為正態(tài)

tsdiag（sol）——繪制模型殘差的散點(diǎn)圖况木、自相關(guān)圖和不同階數(shù)下的Box.test體檢驗(yàn)p-value值

模型評(píng)估

RMSE（lm垒拢，<?which>）——qpcR包中計(jì)算均方根誤差，計(jì)算子集subset

聚類分析

dist（x火惊，method=”euclidean“）——計(jì)算距離

”euclidean“Euclid距離求类；

”maximum“——Chebyshev距離；

”manhattan“絕對(duì)值（馬氏）距離屹耐；

“canberra”Lance距離尸疆；

“minkowski”Minkowski閔式距離；

“binary”定性變量的距離

scale(x, center = TRUE, scale = TRUE)——中心化與標(biāo)準(zhǔn)化，center是中心化仓技，scale是標(biāo)準(zhǔn)化鸵贬。（全選：減去均值，再除以標(biāo)準(zhǔn)差）

hclust（d,method=“complete”）——系統(tǒng)聚類脖捻，d是又dist構(gòu)成的距離結(jié)構(gòu)阔逼，method是系統(tǒng)聚類的方法（默認(rèn)為最長距離法）

“single”最短距離法“；

”complete“最長距離法地沮；

”median“中間距離法嗜浮；

”mcquitty“Mcquitty相似法；

”average“類平均法

”centroid“重心法

”ward“離差平法和法

plot（hclist（）摩疑，hang=0.1）——譜系圖危融，hang表示譜系圖中各類所在的位置，hang取負(fù)值時(shí)雷袋，表示譜系圖從底部畫起吉殃。

as.dendrogram（hclust（），hang=-1）——將hclust得到的對(duì)象強(qiáng)制轉(zhuǎn)換為譜系圖

plot（x楷怒，type=c（”rectangle“蛋勺，”triangle“），horiz=FALSE）——譜系圖鸠删，x為as.dendrogram返回的對(duì)象抱完，type是指是矩形或是三角形，horiz是邏輯變量刃泡，當(dāng)horiz為TRUE時(shí)巧娱，表示譜系圖水平放置。

as.dist()——將普通矩陣轉(zhuǎn)化為聚類分析用的距離結(jié)構(gòu)

plclust（x烘贴，hang=0.1）——譜系圖禁添，舊版停用，已被plot替換

rect.hclust（x桨踪，k上荡，h，border）——在譜系圖（plclust（））中標(biāo)注聚類情況馒闷，確定聚類個(gè)數(shù)的函數(shù)，x是由hclust生成的對(duì)象叁征，k是類個(gè)數(shù)纳账；h是譜系圖中的閾值，要求分成的各類的距離大于h捺疼；border是數(shù)或向量疏虫，標(biāo)明矩形框的顏色；例如：rec.hclust（hclust()，k=3）

kmeans(x卧秘，centers呢袱，iter.max，nstart=1翅敌，algorithm)——K均值方法羞福，centers是聚類的個(gè)數(shù)或者是初始類的中心，iter.max為最大迭代次數(shù)（默認(rèn)為10）蚯涮，nstart是隨機(jī)集合的個(gè)數(shù)（當(dāng)centers為聚類的個(gè)數(shù)時(shí)）治专，algorithm為動(dòng)態(tài)聚類算法，例如：km<-kmeans(scale(data),4,nstart=20)遭顶，返回值中张峰，size表示各類的個(gè)數(shù)，means表示各類均值棒旗，Clustering表示聚類后分類情況喘批？，可以用sort(kmeans()$cluser)對(duì)分類情況排序

主成分分析

princomp() 和 prcomp（）——主成分分析铣揉，結(jié)果的標(biāo)準(zhǔn)差顯示每一個(gè)主成分的貢獻(xiàn)率（成分方差占總方差的比例）饶深，返回值loadings每一列代表每一個(gè)成分的載荷因子

summary（x，loadings=FALSE）——提取主成分的信息老速，x是princomp（）得到的對(duì)象粥喜，loadings是邏輯變量，為TRUE表示顯示主成分分析原始變量的系數(shù)橘券，F(xiàn)alse則不顯示额湘。返回表中，Standard deviation是標(biāo)準(zhǔn)差旁舰，即方差或lambda的開方锋华，Proportion of Variance表示方差的貢獻(xiàn)率，Cumulative Proportion表示累積貢獻(xiàn)率箭窜。

loadings(x)——顯示主成分或因子分析中l(wèi)oadings載荷的內(nèi)容毯焕，主成分是對(duì)應(yīng)割裂，即正交矩陣Q磺樱；因子分析中是載荷因子矩陣纳猫。x是princomp（）或者factanal（）得到的對(duì)象。

predict（x竹捉，newdata）——預(yù)測主成分的值芜辕，x是由princomp（）得到的對(duì)象，newdata是由預(yù)測值構(gòu)成的數(shù)據(jù)框块差，當(dāng)newdata為默認(rèn)值時(shí)預(yù)測已有數(shù)據(jù)的主成分值侵续。例如predict(<pca>)[,1]——用主成分的第一列作為原有數(shù)據(jù)的預(yù)測結(jié)果

screeplot(x倔丈，type=c（"barplot",”lines“))——主成分的碎石圖，確定主成分維數(shù)的選擇状蜗，x是由princomp（）得到的對(duì)象需五，type是描述畫出的碎石圖的類型，”barplot“是直方圖轧坎，”lines“是直線圖宏邮。

biplot（x，choices=1:2眶根，scale=1）——畫關(guān)于主成分的散點(diǎn)圖和原坐標(biāo)在主成分下的方向蜀铲，x是由princomp（）得到的對(duì)象，choices選擇主成分属百，默認(rèn)為第1记劝、2主成分

factanal（x,factor,covmat=NULL，scores=c("none","regression","Bartlett")族扰，rotation=”varimax“）——因子分析,factors是公因子的個(gè)數(shù)厌丑，covmat是樣本協(xié)方差和相關(guān)矩陣,scores因子得分方法，rotation表示旋轉(zhuǎn)渔呵，默認(rèn)為方差最大旋轉(zhuǎn)

cancor（x怒竿，y，xcenter=TRUE扩氢，ycenter=TRUE）——典型相關(guān)分析耕驰，xcenter，ycenter是邏輯變量录豺，為TRUE時(shí)做數(shù)據(jù)中心化

R包

rpart——決策樹算法

my_tree <- rpart（朦肘，，）——rpart(Survived ~ Sex + Age,

???????????????? data=train, method="class")

rattle

rpart.plot

RColorBrewer

fancyRpartPlot(my_tree)——繪制更好看的決策樹

ggplot2——?繪圖包

qplot(<vecter_horizontal>, <vector_vertical>, color = <factor> )——繪圖類似plot

dplyr——輸出處理包

tbl_df（）——將數(shù)據(jù)轉(zhuǎn)換為一種特殊的數(shù)據(jù)框類型tbl双饥，類似（as.data.frame（））媒抠，僅是改變了顯示，數(shù)據(jù)結(jié)構(gòu)沒有變化

glimpse（）——類似str（）

hflights——飛行數(shù)據(jù)

數(shù)據(jù)集

data（）——查看R自帶數(shù)據(jù)列表

iris——鳶尾花數(shù)據(jù)集總共150行3種類別

iris3[1:50, 1:4, 1:3]——每50行一組咏花，分3個(gè)類別分別

volcano——87x61 matrix with elevation value

模型函數(shù)

神經(jīng)網(wǎng)絡(luò)

nnet()——在nnet包中BP神經(jīng)網(wǎng)絡(luò)趴生，存在一層的隱藏層。

參數(shù)：

size=0昏翰，設(shè)置隱藏層中神經(jīng)元數(shù)苍匆，設(shè)置為0時(shí)，表示建立一層神經(jīng)網(wǎng)絡(luò)棚菊？沒有隱藏層

Wts：初始系數(shù)刮吧，不設(shè)定則使用隨機(jī)數(shù)設(shè)定

linout：為TRUE時(shí)莉兰，模型輸出（目標(biāo)變量）為連續(xù)型實(shí)數(shù)摆舟，一般用于回歸分析；如果為FALSE（默認(rèn)取值）則輸出為邏輯數(shù)據(jù)瘩缆，一般用于（目標(biāo)變量為分類型）分類分析，也可以把linout設(shè)為TRUE再添加一個(gè)階躍函數(shù)轉(zhuǎn)為邏輯型輸出筝家。

maxit：最大迭代次數(shù)iterations旋讹，默認(rèn)為100次，一般盡量將maxit設(shè)置大于觀測結(jié)果final value上顯示的迭代次數(shù)冒滩。

skip：是否跳過隱藏層微驶，如果為FALSE（默認(rèn)），則不跳過

decay：加權(quán)系數(shù)的衰減

隱藏層中神經(jīng)單元數(shù)目的確定

支持向量機(jī)

svm()——e1071包中回歸非線性

ksvm()——kernlab包中分類开睡，分類時(shí)用的默認(rèn)參數(shù)樹徑向基核函數(shù)

多元自適應(yīng)回歸樣條

mars()——mda包

earth()——earth包因苹，具有更多優(yōu)勢(shì)

決策樹

RWeka包：C4.5（分類，輸入變量是分類型或連續(xù)型篇恒，輸出變量是分類型）

J48()

rpart包：分類回歸樹（CART）算法（輸入扶檐、輸出分類或連續(xù)變量）

rpart（）——擬合樹模型，參數(shù)xval設(shè)置k折交叉驗(yàn)證

prune()——剪枝

party包：條件推理決策樹（CHAID）算法（輸入胁艰、輸出分類或連續(xù)變量）

ctree（）

隨機(jī)森林

randomForest包：分類與回歸樹的隨機(jī)森林

randomForest()——隨機(jī)森林款筑，預(yù)測，分類腾么，估計(jì)變量的重要性（通過計(jì)算每個(gè)變量被移除后隨機(jī)森林誤差的增加（選擇變量需要用到模型的信息奈梳，但用其它模型來做預(yù)測）

party包：條件推理決策樹的隨機(jī)森林

cforest()

時(shí)間序列

ts——在stats包中創(chuàng)建一個(gè)時(shí)間序列

xts包——時(shí)間序列

xts(,)——時(shí)間數(shù)列，可以是單元的也可以是多元的解虱。時(shí)間序列數(shù)據(jù)攘须，時(shí)間標(biāo)簽。as.xts(read.zoo("abc.csv", header = T))

seq.POSIXct() 和 Date——標(biāo)識(shí)時(shí)間信息的規(guī)格的類

index() 和 time()——獲取對(duì)象的時(shí)間標(biāo)簽

coredata()——獲取時(shí)間序列的數(shù)值

貝葉斯分類

e1071包：

nativeBayes（）——樸素貝葉斯分類器殴泰，可以處理分類型和連續(xù)型自變量

knn

knn（）——class包

TTR包——技術(shù)指標(biāo)集合

quantmod包——分析金融數(shù)據(jù)

tserise包

特殊字符

formula=y~.——"."是除y以外數(shù)據(jù)中的所有變量

function（fromula, train, test于宙，...）——特殊參數(shù)“...",允許特定函數(shù)具有可變參數(shù)，這個(gè)參數(shù)結(jié)構(gòu)是一個(gè)列表艰匙，用來獲取傳遞給前三個(gè)命名參數(shù)之后的所有參數(shù)限煞。這個(gè)結(jié)構(gòu)用于給實(shí)際模型傳遞所需要的額外參數(shù)。

<model.object>@pars——（模型）對(duì)象的屬性用操作符“@”訪問员凝，比如對(duì)象object的屬性是pars