#程式功能：測試《r語言實戰——機器學習與資料分析》中的示例
#呼叫方法：r控制台輸入：source("d:/***/r/test.r")
#設定工作目錄，每次退出後再進都需要重新設定
setwd("d:/***/r")
#讀入文字檔案格式的資料
# data <- read.table("test.txt",sep="\t", header = t);
#繪製指數分布的pdf圖
curve(dexp(x, rate = 1/2), from=0, to=5, ylim=c(0,1.5), main='exponential', col='red')
curve(dexp(x, rate = 1), from=0, to=5, ylim=c(0,1.5), add=true, col='blue')
curve(dexp(x, rate = 2), from=0, to=5, ylim=c(0,1.5), add=true, col='green')
text.legend = c('lambda=0.5', 'lambda=1', 'lambda=2')
legend('topright', legend=text.legend, lty=c(1,1,1), col=c('red', 'blue', 'green'))
#標準正態分佈概率密度函式的模擬
normal.pop <- rnorm(1000)
par(mfrow=c(1,2))
plot(density(normal.pop), xlim=c(-4,4), main="標準正態分佈(模擬)")
curve(dnorm(x), from=-4, to=4, main='標準正態分佈（標準）')
#分位數函式本質上是累積分布函式的反函式
x1 <- 0:10
pmf <- dbinom(x1, 10, 0.5)
plot(pmf ~ x1, type='h')
cdf <- pbinom(x1, 10, 0.5)
plot(cdf ~ x1, type='s')
大資料分析學習之使用R語言實戰機器學習
大資料分析學習之使用r語言實戰機器學習 機器學習的核心主要側重於找出複雜資料的意義。這是乙個應用廣泛的任務，機器學習的使用是非常廣泛的。本課程主要分為兩個階段，第乙個部分 掌握r語言的處理資料的基本語法。第二部分 介紹機器學習原理，並通過大量的案例，為學員介紹r語言通過機器學習的演算法來處理和解決實...
R語言實戰（二） 資料分析基礎知識
1 資料集 通常是由資料構成的乙個矩形陣列，行 表示 觀測 記錄 示例 列 表示 變數 字段 屬性 2 r中的資料結構 3 向量 c 可以用來建立向量 a b c 訪問向量中的元素 a c 2,4 a 2 6 4 矩陣 矩陣是乙個二維陣列 y y 1 2 3 4 1,1 6 11 16 2,2 7 ...
資料分析與R語言01
prod 就是連乘，例如 x c 1 5 則prod x 1 2 3 4 5 120 seq 產生向量，例如 seq 5,20 seq 5,121,by 2 步長為2 seq 5,121,length 10 diag 矩陣的對角線，例如 diag 10,3,4 返回三行四列，且對角線是10 1 2 ...