R语言学习过程各种笔记.docx

R语言学习过程各种笔记 R语言学习过程各种笔记 PAGE / NUMPAGES R语言学习过程各种笔记 数据挖掘与数据分析的主要区别是什么？ 数据分析就是为了处理原有计算方法、 统计方法，着重点就是数据、 算法、统计、数值。 数据挖掘是从庞大的数据库中分析出有目标数据群， 筛选出利于决策的有效信息 简单来说就是 数据分析是针对以往取得的成绩，比如说哪方面做得好，哪方面需要改进； 数据挖掘就是通过以前的成绩预测未来的发展的趋势，并且为决策者提供建议。 读 excel 时可以先复制再运行 data - (clipboard, header = T, sep = \t) 在 R 语言中，使用“ =”和“ - ”到底有什么不同？ 就是等 号和箭头号有什么区别，是完全一样还是局部不同？ R 里通常用符号 ”-”代替其它语言里的 ” =来”作赋值符号。 因为前者敲起来比等号要麻烦， 且 大部分情况下两者是等价的，所以通常就愉懒依旧用 ”=来”赋值。但要切记两者在某些时候 是有区别的。字面上的解释，可以认为 ”-”是赋值， ”=是”传值。在函数调用中， func(x=1) 与 func(x-1) 是有区别的， 前者调用完后变量 x 不会被保留，而后者会在工作区里保留变量 x=1 。再如  length(x=seq(1,10))  计算完成后  x 不会被保留， 而  length(x-seq(1,10))  计算完后 你会在工作区里发现  x 这个变量。 矩阵知识： 1_矩阵的生成 2_矩阵的四则运算 3_矩阵的矩阵运算 4_矩阵的分解 1_1 将向量定义成数组 向量只有定义了维数向量 (dim 属性 ) 后才能被看作是数组 . 比如 : z=1:12; dim(z)=c(3,4); z; [,1] [,2] [,3] [,4] [1,] 1 4 7 10 [2,] 2 5 8 11 [3,] 3 6 9 12 注意：生成矩阵是按列排列的。 1_2 用 array ( ) 函数构造多维数组 用法为： array(data=NA,dim=length(data),dimnames=NULL) 参数描述： data ：是一个向量数据。 dim ：是数组各维的长度，缺省时为原向量的长度。 dimname ：是数组维的名字，缺省时为空。 例子： x=array(1:20,dim=c(4,5)) 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 1_3 用 matrix() 函数构造矩阵 函数 matrix) 是构造矩阵 ( 二维数组 ) 的函数，其构造形式为 matrix(data=NA ，nrow=1， ncol=1 ，byrow=FALSE，dimnames=NULL) 其中 data 是一个向量数据， nro 、是矩阵的行数， ncol 是矩阵的列数 . 当byrow=TRUE时，生成矩阵的数据按行放置， 缺省时相当于 byrow=FALSE，数据按列放置 .dimname。是数组维的名字，缺省时为空 . 如构造一个 3x5 阶的矩阵 A=matrix(1:15,nrow=3,byrow=TRUE) A [,1] [,2] [,3] [,4] [,5] [1,] 1 2 3 4 5 [2,] 6 7 8 9 10 [3,] 11 12 13 14 15 2_矩阵的四则运算 可以对数组之间进行四则运算 (+ 、一、* 、/) ，这时进行的是数组对应元素的四则运算。一般情况下参加运算的矩阵或者数组的维数是相同的， 但也可以计算不同维的，这是要将对应的元素补足。 3_1 转置运算 对于矩阵 A，函数 t(A) 表示矩阵 A 的转置，如： A=matrix(1:6,nrow=2); A; [,1] [,2] [,3] [1,] 1 3 5 [2,] 2 4 6 t(A); [,1] [,2] [1,] 1 2 [2,] 3 4 [3,] 5 6 3_2 求方阵的行列式 函数 det() 是求矩阵行列式的值，如 det(matrix(1:4,ncol=2)); [1] -2 3_3 向量的内积 对于 n 维向量 x，可以看成 nxl 阶矩阵或 lxn 阶矩阵。若 x 与 y 是相同维数的向量，则 x%*%Y表示 x 与 y 作内积 . 例如， x=1:5; Y=2*1:5 x%*%y [ ，1] [1 ，]110 函数 crossprod() 是内积运算函数 ( 表示交叉乘积 ) ，crossprod(x,y) 计算向量 x 与 y 的内积，即 t(x) %*% y 。crossprod