原创翻译 | 利用R用动图展示日本老龄化 美国人口观测局通过API向开拓者开放了他们大量的数据库。个中之一是国际数据库（International Data Base），它是人口观测部分提供的对多个国度汗青人口分类统计（通过年数和性别）的数据库，而且时间是一直延伸到2050年。Kyle Walker建设了易于通过R语言下载数据集的措施包（今朝只能在GitHub上找到），而且利用这个包来做了下... 继续阅读原创翻译 | 利用R用动图展示日本老龄化

浅谈C5.0与CART算法的较量–理论领略 ###一、决定树的成长 决定树是今朝较量风行的一种分类算法，实质上是一种自上而下的归纳进修算法。该算法最早由Quinlan在1986年提出，其时称为ID3算法，该算法是基于信息增益举办节点变量的选择，但该选择要了解倾向于属性值较量多的那些变量（如省份字段有31个程度，性别有2个程度，信息增益首选会思量选择省份作为特征节点）；并且该算法在结构树的时候不... 继续阅读浅谈C5.0与CART算法的较量–理论领略

R事情情况搭建 > 要用好R，首先要搭建好R事情情况 本文先容R事情情况搭建步调 ### 1 R软件下载和安装 R软件下载链接：https://mirror.lzu.edu.cn/CRAN/ Windows R软件 如下图：  下载乐成后，点击安装，慢慢顺序执行，个中有一个... 继续阅读R事情情况搭建

R语言经典问答：深入领略.Internal函数 写R语言的书，许多城市提到一个汗青话题，就是“Scheme和R语言的干系”。也有许多人问过我，R毕竟那边受了Scheme可能Lisp影响。这个提问也正好提供了一个很好的例子。 提问原帖：Understanding how .Internal C functions are handled in R   “黑邪术” 本日咱们从set.seed()函... 继续阅读R语言经典问答：深入领略.Internal函数

R中的关于极值理论的包 第一部门：包evir 一、摸索性函数： library(evir) data(danish) findthresh(danish, 50) 寻找阀值，例子中寻找出来的阀值使得逾越它的为50个数。 data(danish) emplot(danish) #履历漫衍函数，假如获得的功效是直线那么切合帕累托漫衍。 data(bmw) exindex(bmw, 100)... 继续阅读R中的关于极值理论的包

use R for fun系列之玩转图像篇 系列以use R for fun为主题，以COS论坛上的英华帖、相关package以及本身的一些code为素材，团结自身的一些编程体会，从而整合成文。本文是第三篇玩转图像篇。*本文素材出处均已在正文中注明接着for fun的话题往下讲，各人或多或少都曾经用过PS来玩过图片，其强大的成果令我们不得不惊叹，无论是美图照旧是恶搞都曾给我们带来了不少的兴趣。... 继续阅读use R for fun系列之玩转图像篇

R语言版的cntrade措施 李春涛和张璇两位老师写了个名叫cntrade的stata措施，用来从网易财经网获取沪深两市股票日度行情数据。 我用R重写了这个措施，请看： # cntrade R语言版 # 作者：陈堰平（统计之都，[email protected]） # 利用网易股票数据接口 原stata版的作者为： # 李春涛（中南财经政法大学，[email protected]... 继续阅读R语言版的cntrade措施

R语言 Kolmogorov-Smirnov检讨 Kolmogorov-Smirnov正态性检讨Kolmogorov-Smirnov是较量一个频率漫衍f(x)与理论漫衍g(x)可能两个视察值漫衍的检讨要领。其原假设H0:两个数据漫衍一致可能数据切公道论漫衍。D=max| f(x)- g(x)|，当实际视察值D>D(n,α)则拒绝H0，不然则接管H0假设。R语言中的 Kolmogorov-... 继续阅读R语言 Kolmogorov-Smirnov检讨

apriori算法尝试 r语言 a<-matrix(0,7,4,dimnames=list(c("basket1","basket2","basket3","basket4","basket5","basket6","basket7"),c("item1","item2","item3","item4"))) a[1,]<-c(1,0,1,0) a[2,]<-c(0,0,... 继续阅读apriori算法尝试 r语言

R语言：简朴线性回归阐明 fire.txt ：（数据出自何晓群–应用回归阐明）x y3.4 26.21.8 17.84.6 31.32.3 23.13.1 27.55.5 360.7 14.13 22.32.6 19.64.3 31.32.1 241.1 17.36.1 43.24.8 36.43.8 26.1#————————————————————-#数据筹备fire <- read... 继续阅读R语言：简朴线性回归阐明