R語言與數(shù)據(jù)挖掘：公式；數(shù)據(jù)；方法

R語言特征

對大小寫敏感
通常，數(shù)字，字母，. 和 _都是允許的(在一些國家還包括重音字母)。不過，一個命名必須以 . 或者字母開頭，并且如果以 . 開頭，第二個字符不允許是數(shù)字。
基本命令要么是表達式（expressions）要么就是 賦值（assignments）。
命令可以被 (;)隔開，或者另起一行。
基本命令可以通過大括弧({和}) 放在一起構(gòu)成一個復(fù)合表達式（compound expression）。
一行中，從井號(#)開始到句子收尾之間的語句就是是注釋。R是動態(tài)類型、強類型的語言。R的基本數(shù)據(jù)類型有數(shù)值型（numeric）、字符型（character）、復(fù)數(shù)型（complex）和邏輯型（logical），對象類型有向量、因子、數(shù)組、矩陣、數(shù)據(jù)框、列表、時間序列。

基礎(chǔ)指令

程序輔助性操作：

運行

q()——退出R程序tab——自動補全ctrl+L——清空consoleESC——中斷當前計算

調(diào)試查錯

browser() 和 debug()——設(shè)置斷點進行，運行到此可以進行瀏覽查看（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，停止程序執(zhí)行
cat（）——查看變量？

幫助

help(solve) 和?solve 等同??solve——檢索所有與solve相關(guān)的信息help("[[") 對于特殊含義字符，加上雙引號或者單引號變成字符串，也適用于有語法涵義的關(guān)鍵字 if，for 和 function
help(package="rpart")——查看某個包
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）——查看某個幫助主題示例apropos（"keyword"）——查找關(guān)鍵詞keyword相關(guān)的函數(shù)RSiteSearch("onlinekey"， restrict=fuction)——用來搜索郵件列表文檔、R手冊和R幫助頁面中的關(guān)鍵詞或短語（互聯(lián)網(wǎng)）RSiteSearch('neural networks')

準備

文件目錄設(shè)置

setwd（<dir>）——設(shè)置工作文件目錄getwd（）——獲取當前工作文件目錄list.files()——查看當前文件目錄中的文件

加載資源

search()——通過search()函數(shù)，可以查看到R啟動時默認加載7個核心包。
基礎(chǔ)函數(shù)：數(shù)學(xué)計算函數(shù)，統(tǒng)計計算函數(shù)，日期函數(shù)，包加載函數(shù)，數(shù)據(jù)處理函數(shù)，函數(shù)操作函數(shù)，圖形設(shè)備函數(shù) setRepositpries（）——選擇軟件庫（CRAN，Bioconductor，R-Forge），尋找安裝包的方法另看《【R筆記】尋找R的安裝包》(.packages())——列出當前包
(.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（<datasets>，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。cat(<Rcommond>,file="")——可以把R命令輸出至外部文件，然后調(diào)用source函數(shù)進行批處理

do.call(<funcname>，<pars>)——調(diào)用函數(shù)，第一個參數(shù)<funcnames>指示調(diào)用函數(shù)字符串名稱，第二個參數(shù)包含調(diào)用所需參數(shù)的一個列表<pars>sink("record.lis")——把后續(xù)的輸出結(jié)果從控制臺重定向到外部文件 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()——對應(yīng)attach(<datafame>)，取消變量的鏈接，detach()里沒有參數(shù)！注：attach()和detach()均是在默認變量搜索路徑表中由前向后找到第一個符合變量名稱，因此之前若存在重名變量，有可能會出現(xiàn)問題！！！

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=" "， header=TRUE）——seq屬性用其它字符分割，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，屬性被逗號分割read.csv(url("<link>"))——read.csv() 和 url()的合體，讀存在網(wǎng)上的數(shù)據(jù)

x <- scan(file="")——手動輸入數(shù)據(jù)，同時scan可以指定輸入變量的數(shù)據(jù)類型，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，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，quote為FALSE去掉字符串類型的雙引號，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
print（）——打印
save.image（"./data.RData"）——把原本在計算機內(nèi)存中（工作空間）活動的數(shù)據(jù)轉(zhuǎn)存到硬盤中。load("./RData")——加載目錄中的*.RData，把文檔-詞項矩陣從磁盤加載到內(nèi)存中

數(shù)據(jù)查看

通用對象

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

class(<object>) 和data.class(object)——查看對象object的類或類型unclass()——消除對象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>——改變對象的數(shù)據(jù)類型

特殊屬性

attributes(<object>)——查看對象object各種屬性組成的列表
attr(<object>，“name”)——存取對象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（）——查看當前工作空間中存在的對象（變量）rm(list=ls())——刪除工作空間的所有對象methods(x)——查看x函數(shù)的源碼，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，出現(xiàn)多重名，輸入對應(yīng)名稱即可
str（）——查看數(shù)據(jù)（框）中的數(shù)據(jù)總體信息（比如樣本個數(shù)、變量個數(shù)、屬性變量名稱、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

邏輯向量運算：TRUE，F(xiàn)ALSE——全部大寫isTRUE(x)——判斷x為TRUE*|，&，！——或且非，注意是單個，不是&&！
ANY，ALL——任意，全部
數(shù)組和矩陣train$vartrain$new[train$var == NA] <- 1Data[is.na(Data)] <- 0——數(shù)據(jù)框多維變量中給NA值賦值為0

apply（A，Margin，F(xiàn)UN，...）——A為矩陣，Margin設(shè)定待處理的維數(shù)，為1是橫排（行），為2是豎排（列）做運算，F(xiàn)un是運算函數(shù)sweep（x，2，apply（x，MARGIN=1，mean），F(xiàn)UN）——對數(shù)組或者矩陣進行運算。MARGIN=1表示行，2表示列；STATS統(tǒng)計量，如apply（x，MARGIN=1，mean），F(xiàn)UN函數(shù)運算默認為減法，“/”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。with(<data>，<colname|func>)——提取數(shù)據(jù)框中的某些參數(shù)做運算，對于數(shù)據(jù)框運算很方便

繪圖

plot()——繪制圖像plot(<vecter_horizontal>, <vector_vertical>, pch=as.integer(<factors>)，col，xlab，ylab)——用factors區(qū)分圖像點的類型pch（圓的，三角，叉），col是顏色類別，xlab或者ylab對應(yīng)橫縱軸標題legend(<location="topright">,legend=<vector_labelname>,pch=1:3，cex=1，col)——圖例，<location>是位置（比如右上），<vector_labelname>圖例類別標簽名，pch是圖例對應(yīng)標簽的類別id（向量），<cex>調(diào)整字體比例大小，顏色設(shè)置，legend("topright", levels(<factors>), pch=1:length(levels(factors)))text(X，Y，labels=c(1,2,3),adj=1.2)——添加標注,X,Y是對應(yīng)坐標的向量，labels是標記值，adj調(diào)整標注位置abline(h = <int>，lty=2)——低級繪圖添加一條水平線h或者是回歸模型直線，垂線v；lty為2表示繪制虛線
abline(a,b)——畫一條y=a+bx的直線points（x，y）————低級繪圖，畫個點，坐標為向量x，ylines（x，y）——低級繪圖，畫一條線，坐標為向量x，y
axis(side=1，at=seq(from=0.7，by=1.2，length.out=7)，labels=c（...）)——繪制坐標軸，低級繪圖，side為2是縱坐標
barchart（）——lattice包預(yù)先要對數(shù)據(jù)匯總barplot(<vector>)——繪制柱狀圖，vector可增加名稱。也可以繪制直方圖，和hist（）均分數(shù)據(jù)不太一樣，需要用table（）統(tǒng)計各個子分段下樣本數(shù)量后在畫圖。mosaicplot（x~y，main，color=T，xlab，ylab）——柱形對應(yīng)關(guān)系圖
contour(<matrix>)——創(chuàng)建等高線
persp(<matrix>，expand=0.2）——創(chuàng)建3D圖，expand擴展值設(shè)置為0.2，否則為全屏擴展image（volcano）——加載柵格（矩陣）圖像
par（mfrow=c(1,2)，oma，mar）——mfrow設(shè)置圖形輸出窗口為1行2列，添加car包？oma是所有圖像距離邊框的距離(底部，左邊，頂部，右邊)，mar是每幅圖像對邊框的距離，默認是c(5, 4, 4, 2) + 0.1。lines(data)——（低級）原圖中畫線，data是由散點(x，y)組成rug（jitter（<data>），side =2）——檢驗離群點數(shù)據(jù)，rug（）原圖中執(zhí)行繪圖繪制在橫坐標上，side為2是縱坐標，jitter(<data>)對繪制值略微調(diào)整，增加隨機排序以避免標記值作圖重合。
pairs(data)——數(shù)據(jù)框各個變量的散布圖
coplot(y~x|a+b)——多個變量時的散點圖，在a，b（向量或是因子）的劃分下的y與x的散點圖scatterplotMatr()——散點圖矩陣，car包
identify（<data>）——交互式點選，單擊圖形中的點，將會輸出對應(yīng)數(shù)據(jù)的行號，右擊結(jié)束交互stem(x，scale=1，width=80，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，5~9為一組將個位分成兩部分，width是繪圖寬度，atom是容差
boxplot（）——箱圖，研究變量的中心趨勢，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)，中間粗線為中位數(shù)，上下伸出的垂直部分為數(shù)據(jù)的散步范圍，最遠點為1.5倍四分為點，超出后為異常點，用圓圈表示。boxplot(y~f,notch=TRUE,col=1:3,add=TRUE)#y是數(shù)據(jù)，f是由因子構(gòu)成，notch是帶有切口的箱型圖，add=T圖疊加到上一幅圖。plot（f，y）——箱線圖，f是因子，y是與f因子對應(yīng)的數(shù)值bwplot（<factor> ~ <y>，data，ylab）——lattice包的箱圖，繪制不同factor下的y的箱圖（條件繪圖，在某個因子取值集合下的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，把x轉(zhuǎn)化為因子類型；number設(shè)置區(qū)間個數(shù)，overlap設(shè)置兩個區(qū)間靠近邊界的重合？每個區(qū)間的觀測值相等stripplot(x1~y|x2)——lattice包的復(fù)雜箱圖，存在兩個因子x1,x2控制下的y, x2按照從左到右，從下到上的順序排列，左下方的x2值較小
palette()——col取值對應(yīng)的顏色，"black" "red" "green3" "blue" "cyan" "magenta" "yellow" "gray" colors（）——列出對應(yīng)的顏色數(shù)組

qcc（）——qcc包，監(jiān)控轉(zhuǎn)化率型指標的質(zhì)量監(jiān)控圖（P控制圖），監(jiān)控異常點，前提是二項分布足夠大后趨于正態(tài)分布mosaic（<tab>，shade=T，legend=T）——繪制三級列聯(lián)表，<tab>是三級列聯(lián)表或者公式，vcd包
curve（sapply(x,<func>)，<from>，<to>）——畫曲線圖，from和to設(shè)置橫坐標取值范圍

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，返回值par是參數(shù)最優(yōu)點值，value是參數(shù)的最優(yōu)點時平方誤差值，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)，convergence值為0表示有把握找到最優(yōu)點，非0值時對應(yīng)錯誤，message是一些其它信息。curve（sapply(x,<func>)，<from>，<to>）——畫曲線圖，from和to設(shè)置橫坐標取值范圍
sample(length(x)，<size>，replace=F)——采樣，生成向量x的隨機順序的大小為<size>的新向量；replace為False為不重復(fù)抽樣，為True則重復(fù)抽樣Round ——取整。精確
ceiling()——取整，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，y）——移除對象（變量）x和y
na.exclude(<data>)——移除缺失數(shù)據(jù)整行
na.omit(<data>)——刪除缺失數(shù)據(jù)
attr（na.omit（<data>）,"na.action"）——返回向量a中元素為NA的下標na.fail（）——如果向量中至少包括1個NA值，則返回錯誤；如果不包括任何NA，則返回原有向量
merge(x = targets, y = infanty)——合并數(shù)據(jù)框，x和y是待合并數(shù)據(jù)框，相同屬性字段也會合并在一起
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中哪些單元不進行合并.
scale(x, center = TRUE, scale = TRUE)——中心化與標準化，center是中心化，scale是標準化。（全選：減去均值，再除以標準差）
cut(x，breaks=c(0,10,30)，labels，ordered_result=F)——連續(xù)數(shù)據(jù)的離散化，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簽值，ordered_result為False生成的因子向量無大小意義，否則有大小意義

apply族函數(shù)

apply(A，MARGIN，F(xiàn)UN，...)——處理對象A是矩陣或數(shù)組，MARGIN設(shè)定待計算的維數(shù)，F(xiàn)UN是某些函數(shù)，如mean，sum注：apply與其它函數(shù)不同，它并不能明顯改善計算效率，因為它本身內(nèi)置為循環(huán)運算。按列？lappy(dataframe，F(xiàn)UN，list(median,sd))——處理對象是向量、列表或其它對象，輸出格式為列表listsapply(dataframe$Filed，F(xiàn)UN)——與lapply()相似，輸出格式為矩陣（或數(shù)據(jù)框）
按行？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，simplify是邏輯變（量默認為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，.(user_id，item_id)，summarize，liulan=sum(liulan)）——split-apply-combine的一體化函數(shù)；.(user_id，item_id)作為每行的一對標識ID（因子），前面的“.”號省略數(shù)據(jù)框名稱；summrize是一個函數(shù)fun；liulan是一個變量，最后生成的數(shù)據(jù)框只有user_id，item_id，liulan三列。詳情參見例子 R語言利器之ddplytransform(x，y)——將x和y的列轉(zhuǎn)換成·一個數(shù)據(jù)框。

reshape庫（reshape2）

melt（data，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)建一個數(shù)據(jù)矩陣，以id.var作為每行的編號，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)值的分類標記。cast（data, userid~itemid,value="rattings",fill=0）——統(tǒng)計轉(zhuǎn)換數(shù)據(jù)，生成矩陣，公式~左邊的作為行表名，右邊的作為列表名。之后可以用cor（）計算每列數(shù)據(jù)之間的相關(guān)系數(shù)，并計算距離。acast 和 dcast（data, userid~itemid,value.var="rattings"）——同上，reshape2包，acast最后生成數(shù)組，dcase生成數(shù)據(jù)框。參見R語言進階之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，它也支持字符串向量操作。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，負責將若干個字符串相連結(jié)，返回成單獨的字符串。其優(yōu)點在于，就算有的處理對象不是字符型也能自動轉(zhuǎn)為字符型。strsplit(A，split='[,.]')——字符串分割，負責將字符串按照某種分割形式將其進行劃分，它正是paste()的逆操作。substr(data,start,stop)——字符串截取，能對給定的字符串對象取出子集，其參數(shù)是子集所處的起始和終止位置。子集為從start到stop的下標區(qū)間grep()——字符串匹配，負責搜索給定字符串對象中特定表達式 ，并返回其位置索引。grepl()函數(shù)與之類似，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位置gregexpr（）——只查詢匹配的第一個特定字符串的下標位置gsub("a",1,<vector>)——字符串替代，負責搜索字符串的特定表達式，并用新的內(nèi)容加以替代。
sub()函數(shù)——和gsub是類似的，但只替代第一個發(fā)現(xiàn)結(jié)果。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casei中for（i in <vecter>）——循環(huán)語句，通過控制變量iwhile——循環(huán)語句，通過設(shè)定循環(huán)范圍repeat—break——循環(huán)語句，無限循環(huán)，由break跳出

特殊數(shù)據(jù)對象

向量特性

向量數(shù)組初始小標序號從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>）——創(chuàng)建初始向量<int>個數(shù)，并賦初值為0
length（vector）<- leg——修改對象長度為legnames(vector) <- c("A","B","C")——給向量起名稱
vector["A"]——通過名稱訪問對應(yīng)元素a == c(1, 99, 3)——比較每一個元素對應(yīng)是否相等
c（0，1）——創(chuàng)建向量，向量內(nèi)元素類型應(yīng)一致！seq（5，9）和 5：9 ——連續(xù)向量，等差數(shù)列seq（5，9，0.5）——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）——返回對應(yīng)數(shù)組序號
which.max() 和 which.min()——返回數(shù)值類型中最大和最小元素下標subset（<data>,<condition>，<colname>）——索引，<data>是數(shù)據(jù)，<condition>是索引條件，colnames指定索引列名match（x，table，nomatch，incomparables）——匹配函數(shù)，返回x對應(yīng)值在table中是否存在，并從1開始編號。x是查詢對象，table是待匹配的向量，nomatch是不匹配項的設(shè)置值（默認為NA值），incomparables設(shè)置table表中不參加匹配的數(shù)值，默認為NULL<x> %n% <y>——判斷x中是否包含y，返回x對應(yīng)的邏輯值

排序

sort(x, decreasing = FALSE, na.last = NA, ...)——排序，單變量排序，輸出排序結(jié)果（不是序號）。na.last為TRUE，缺失值放在數(shù)據(jù)最后，為False 缺失值放在數(shù)據(jù)最前面，為NA，缺失數(shù)據(jù)將被移除sort.list()——排序輸出序號值order()——排序，多個變量數(shù)據(jù)框排序，返回數(shù)據(jù)框序號數(shù)。order例子【結(jié)】結(jié)合ddply和transform函數(shù)，降序輸出并，輸出編號：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，有重復(fù)數(shù)字的時候就用這個，根據(jù)數(shù)值之間的遠近輸出序號
rev()——依據(jù)下標從后往前倒排數(shù)據(jù)unique（<dataframe>）——返回無重復(fù)樣本的數(shù)據(jù)集duplicated（x）——查找重復(fù)數(shù)據(jù)，重復(fù)序號返回為TRUE

比較大小

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

向量間的交、并、補集

union(x, y)——（并集）合并兩組數(shù)據(jù)，x和y是沒有重復(fù)的同一類數(shù)據(jù)，比如向量集intersect(x, y)——（交集）對兩組數(shù)據(jù)求交集，x和y是沒有重復(fù)的同一類數(shù)據(jù)，比如向量集setdiff(x, y)——（補集）x中與y不同的數(shù)據(jù)，x和y是沒有重復(fù)的同一類數(shù)據(jù)，比如向量集，重復(fù)不同不記setequal(x, y)——判斷x與y相同，返回邏輯變量，True為相同，F(xiàn)alse不同。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x中每個元素，判斷是否在y中存在，TRUE為x，y重共有的元素，F(xiàn)asle為y中沒有。x和y是沒有重復(fù)的同一類數(shù)據(jù)，比如向量集
Vectorize()——將不能進行向量化預(yù)算的函數(shù)進行轉(zhuǎn)化

矩陣

array（data=NA,dim=length(data),dimnames=null）——數(shù)組、矩陣初始化,dim是數(shù)組各維的長度dimnames是數(shù)組維的名字，默認為空，array(1:20, dim=c(4,5))。數(shù)組是多維的，dim屬性設(shè)置維數(shù)
matrix(0, 3, 4)——0為賦初值，3行，4列，存儲方式是先列后行！矩陣是二維的，用ncol和nrow設(shè)置矩陣的行數(shù)和列數(shù)。byrow設(shè)置存儲方式（默認列優(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>），c（<col>）)——設(shè)置參數(shù)行和列的名稱，以列表的形式進行輸入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，name1是行名，name2是列名
rbind（）——矩陣合并，按行合并，自變量寬度應(yīng)該相等
cbind（）——矩陣合并，安列合并，自變量高度應(yīng)該相等
t()——矩陣轉(zhuǎn)置det()——行列式solve（A，b）——求線性方程組Ax=bsolve（A）——求逆矩陣eigen（A） ——求距陣的特征值與特征向量，Ax=(Lambda)x，A$values是矩陣的特征值構(gòu)成的向量，A$vectors是A的特征向量構(gòu)成的矩陣*——矩陣中每個元素對應(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，k，length）——因子,n為水平數(shù)，k為重復(fù)的次數(shù)，length為結(jié)果的長度factor(x，levels，labels)——因子as.factror()——將向量轉(zhuǎn)化為無序因子，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>)[，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，na是指該數(shù)值缺失但是存在。is.null（）——判斷數(shù)據(jù)是否為NULL。NULL是指不存在，可以通過 train$var<-NULL 的方法去掉屬性變量var。

處理缺失數(shù)據(jù)na

1、將缺失部分剔除2、用最高頻率值來填補缺失值
3、通過變量的相關(guān)關(guān)系來填補缺失值4、通過探索案例之間的相似性來填補缺失值

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)（等價于a+b+a：b）-b——去掉b的影響1——y~1擬合一個沒有因子影響的模型（僅僅是截距）-1——y~x-1表示通過原點的線性回歸（等價于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階多項式I(x1+x2)——表示模型y=b（x1+x2）+a

數(shù)理統(tǒng)計

基礎(chǔ)知識

統(tǒng)計量

mean（x，trim=0,na,rm=FALSE）——均值，trim去掉x兩端觀測值的便利，默認為0，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，<weigth>)——加權(quán)平均值，weigth表示對應(yīng)權(quán)值median——中值
quantile(x，probs=seq(<start>,<end>,<diff>))——計算百分位數(shù)，是五數(shù)總和的擴展，probs設(shè)置分位數(shù)分位點，用seq(0,1,0.2)設(shè)置，表示以樣本值*20%為間隔劃分數(shù)據(jù)。var（）——樣本方差（n-1）sd——樣本標準差（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)，最小值，最大值

數(shù)學(xué)函數(shù)

sum（x,y,z，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)計向量x中數(shù)值大于4的個數(shù)rep（“LOVE！”，<times>）——重復(fù)times次，rep(1:3，c（1，2，3）)表示1個1，2個2，3個3組成的序列sqrt（）——開平方函數(shù)2^2 和 **——“^”冪運算abs（）——絕對值函數(shù)
'%%'——表示求余
'%/%'——求商（整數(shù)）
exp ： 2.71828…expm1 ： 當x的絕對值比1小很多的時候，它將能更加正確的計算exp(x)-1log ： 對數(shù)函數(shù)（自然對數(shù)）log10 ： 對數(shù)（底為10）函數(shù)（常用對數(shù)）log2 ： 對數(shù)（底為2）函數(shù)因為10>e>1，常用對數(shù)比自然對數(shù)更接近橫坐標軸xlog1p()——log（1+p），用來解決對數(shù)變換時自變量p=0的情況。指數(shù)和對數(shù)的變換得出任何值的0次冪都是1特性：對數(shù)螺旋圖。當圖像呈指數(shù)型增長時，常對等式的兩邊同時取對數(shù)已轉(zhuǎn)換成線性關(guān)系。
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x的絕對值比1小很多的時候，它將能更加正確的計算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)字表達式的最小整數(shù)floor ： 返回小于或等于所 給數(shù)字表達式的最大整數(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) ，內(nèi)積tcrosspeod(A,B)——t(A) %*% B，外積%*%——內(nèi)積，a1b1+a2b2+...+anbn=a*b*cos<a,b>，crossprod(x)表示x與x的內(nèi)積。||x||2，矩陣相乘%o%——外積，a*b*sin<a,b>（矩陣乘法，叉積），tcrossprod(x,y)表示x與y的外積。*表示矩陣中對應(yīng)元素的乘積！向量內(nèi)積（點乘）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，mean=0,sd=1)——返回正態(tài)分布的分布函數(shù)·rnorm（n，mean=0.sd=1）——生成n個正態(tài)分布隨機數(shù)構(gòu)成的向量qnorm()——下分為點函數(shù)
qqnorm（data）——畫出qq散點圖qqline（data）——低水平作圖，用qq圖的散點畫線qq.plot（<x>，main=''）——qq圖檢驗變量是否為正態(tài)分布

簡單分析

summary()——描述統(tǒng)計摘要，和 Hmisc()包的describe()類似，會顯示NA值，四分位距是第1個（25%取值小于該值）和第3個四分位數(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，值越大則偏離越大。
table(<datafame>$<var>)——統(tǒng)計datafame數(shù)據(jù)中屬性變量var的數(shù)值取值頻數(shù)(NA會自動去掉！)，列聯(lián)表
table(<data_var_1>, <data_var_2>)——比較兩個data_var，<data_var_1>為列，<data_var_2>為行，先列后行！
xtabs(formular，data)——列聯(lián)表ftable( table())——三維列聯(lián)表prop.table()——統(tǒng)計所占百分比例prop.table(table(<data_var_1>, <data_var_2>)，<int>)——比較兩個data_var所占百分比，<int>填1位按行百分計算，2為列計算
margin.table( table()，<int> )——計算列聯(lián)表的邊際頻數(shù)（邊際求和）,<int>=1為按列變量addmargin.table（table()，<int>）——計算列聯(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R公式，<string>是一個字符串循環(huán)時的判斷語句：ifelse(<test>, <yes>, <no>)——if，else的變種，test是判斷語句,其中的判斷變量可以是一個向量！yes是True時的賦值，no是False時的賦值
hist(<data>，prob=T，xlab='橫坐標標題'，main='標題'，ylim=0:1，freq，breaks=seq(0,550,2))——prob=T表示是頻率直方圖，在直角坐標系中，用橫軸每個小區(qū)間對應(yīng)一個組的組距，縱軸表示頻率與組距的比值，直方圖面積之和為1；prob位FALSE表示頻數(shù)直方圖；ylim設(shè)置縱坐標的取值范圍；freq為TRUE繪出頻率直方圖，counts繪出頻數(shù)直方圖，F(xiàn)ALSE繪出密度直方圖。breaks設(shè)置直方圖橫軸取點間隔，如seq(0,550,2)表示間隔為2，從0到550之間的數(shù)值。
density(<data>,na.rm=T)——概率密度函數(shù)（核密度估計，非參數(shù)估計方法），用已知樣本估計其密度,作圖為lines(density(data),col="blue")ecdf（data）——經(jīng)驗分布函數(shù),作圖plot(ecdf(data),verticasl=FALSE,do.p=FALSE)，verticals為TRUE表示畫豎線，默認不畫。do.p=FALSE表示不畫點處的記號

假設(shè)檢驗

分布函數(shù)

shapiro.test(data)——正態(tài)W檢驗方法，當p值大于a為正態(tài)分布ks.test(x,y)——經(jīng)驗分布的K-S檢驗方法，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，ks.test(x, rnorm(length(x), mean(x), sd(x)))，或ks.test(x,"pnorm",mean(x),sd(x))
chisq.test(x，y，p)——Pearson擬合優(yōu)度X2（卡方）檢驗，x是各個區(qū)間的頻數(shù)，p是原假設(shè)落在小區(qū)間的理論概率，默認值表示均勻分布,要檢驗其它分布，比如正態(tài)分布時先構(gòu)造小區(qū)間，并計算各個區(qū)間的概率值，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])#計算各個區(qū)間概率值chisq.test(A,p=p)

正態(tài)總體的均值方差

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

獨立性檢驗（原假設(shè)H0：X與Y獨立）

chisq.test(x,correct=FALSE)——卡方檢驗，x為矩陣，dim(x)=c(2,2)，對于大樣本（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（原假設(shè)H0：X與Y相互獨立）

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

秩

rank()——秩統(tǒng)計量cor.test（）——秩相關(guān)檢驗：Spearman，Kendallwilcox.test(x,y=NULL，mu,alternative，paired=FALSE，exact=FALSE,correct=FALSE，conf.int=FALSE)——秩顯著性檢驗（一個樣本來源于總體的檢驗，顯著性差異的檢驗），Wilcoxon秩和檢驗（非成對樣本的秩次和檢驗）,mu是待檢測參數(shù)，比如中值，paired邏輯變量，說明變量x，y是否為成對數(shù)據(jù)，exact說民是否精確計算P值，correct是邏輯變量，說明是否對p值采用連續(xù)性修正，conf.int是邏輯變量，給出相應(yīng)的置信區(qū)間。
uniroot(f，interval=c(1,2))——求一元方程根的函數(shù)，f是方程，interval是求解根的區(qū)間內(nèi)，返回值root為解optimize(）或 optimise（）——求一維變量函數(shù)的極小點nlm（f，p）——求解無約束問題，求解最小值，f是極小的目標函數(shù)，p是所有參數(shù)的初值，采用Newton型算法求極小，函數(shù)返回值是一個列表，包含極小值、極小點的估計值、極小點處的梯度、Hesse矩陣以及求解所需的迭代次數(shù)等。

顯著性差異檢驗（方差分析，原假設(shè)：相同，相關(guān)性）

mcnemar.test(x,y，correct=FALSE)——相同個體上的兩次檢驗，檢驗兩元數(shù)據(jù)的兩個相關(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。y是又因子構(gòu)成的對象，當x是矩陣時此值無效。binom.test(x，n，p，alternative=c("two.sided","less","greater")，conf.level=0.95)——二項分布，符號檢驗（一個樣本來源于總體的檢驗，顯著性差異的檢驗）
aov（x~f）——計算方差分析表，x是與（因子）f對應(yīng)因素水平的取值，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），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，g，p.adjust.method="holm")——多重t檢驗,p.adjust.method是P值的調(diào)整方法，其方法由p.adjust（）給出，默認值按Holm方法（”holm“）調(diào)整，若為”none“，表示P值不做任何調(diào)整。雙因素交互作用時g=A：B
shapiro.test（x）——數(shù)據(jù)的正態(tài)W檢驗bartlett.test（x~f，data）——Bartlett檢驗，方差齊性檢驗
kruskal.test（x~f，data）——Kruskal-Wallis秩和檢驗，非參數(shù)檢驗法，不滿足正態(tài)分布friedman.test(x，f1，f2，data）——Friedman秩和檢驗，不滿足正態(tài)分布和方差齊性，f1是不同水平的因子，f2是試驗次數(shù)的因子

常用模型

1、回歸模型

lm（y~.，<data>）——線性回歸模型，“.”代表數(shù)據(jù)中所有除y列以外的變量，變量可以是名義變量（虛擬變量，k個水平因子，生成k-1個輔助變量（值為0或1））summary（）——給出建模的診斷信息：1、數(shù)據(jù)擬合的殘差（Residual standard error，RSE），殘差應(yīng)該符合N（0，1）正態(tài)的，值越小越好2、檢驗多元回歸方程系數(shù)（變量）的重要性，t檢驗法，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，標識模型與數(shù)據(jù)的擬合程度，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，越小，越差。調(diào)整R方考慮回歸模型中參數(shù)的數(shù)量，更加嚴格4、檢驗解釋變量x與目標變量y之間存在的依賴關(guān)系，統(tǒng)計量F，用p-value值，p值越小越好5、繪圖檢驗plot(<lm>)——繪制線性模型，和qq.plot誤差的正態(tài)QQ圖
6、精簡線性模型，向后消元法
線性回歸模型基礎(chǔ)lm（formula=x~y，data，subset）——回歸分析，x是因變量（響應(yīng)變量），y是自變量（指示變量），formular=y~x是公式，其中若是有x^2項時，應(yīng)把公式改寫為y~I(x^2)，subset為可選擇向量，表示觀察值的子集。例：lm(Y ~ X1 + X2 + I(X2^2) + X1:X2, data = data)predict(lm(y~x)，new，interval=“prediction”，level=0.95)——預(yù)測，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，如new<-data.frame(x=7)，interval=“prediction”表示同時要給出相應(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，生成估計值
篩選模型自變量lm.new<-update(lm.sol，sqrt(.)~.)——修正原有的回歸模型，將響應(yīng)變量做開方變換update（<lm>, .~. - 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，which=1~4分別代表畫普通殘差與擬合值的殘差圖，畫正態(tài)QQ的殘差圖，畫標準化殘差的開方與擬合值的殘差圖，畫Cook統(tǒng)norm.test（）——正態(tài)性檢驗，p-value>0.05為正態(tài)
計量的殘差圖residuals()和resid()——殘差
rstandard()——標準化殘差rstudent()——學(xué)生化殘差influence.measures(model)——model是由lm或者glm構(gòu)成的對象，對回歸診斷作總括，返回列表中包括，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（確定各個變量的作用）anova（<lm1>,<lm2>）——比較兩個模型（檢驗原假設(shè)為不同）
2、誤差的獨立性——car包提供Duerbin_Watson檢驗函數(shù)3、線性——car包crPlots（）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、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)，則說明存在異方差性5、多重共線性——car包中的vif（）函數(shù)計算VIF方差膨脹因子，一般vif>2存在多重共線性問題
異常點分析（影響分析）hatvalues（）和hat（）——帽子矩陣dffits（）——DFFITS準則cooks.distance()——Cook統(tǒng)計量，值越大越有可能是異常值點covratio（）——COVRATIO準則
kappa（z，exact=FALSE）——多重共線性，計算矩陣的條件數(shù)k,若k<100則認為多重共線性的程度很小；100<=k<=1000則認為存在中等程度或較強的多重共線性；若k>1000則認為存在嚴重的多重共線性。z是自變量矩陣（標準化，中心化的？相關(guān)矩陣），exact是邏輯變量，當其為TRUE時計算精準條件數(shù)，否則計算近似條件數(shù)。用eigen（z）計算特征值和特征向量，最小的特征值對應(yīng)的特征向量為共線的系數(shù)。
step()——逐步回歸，觀察AIC和殘差平方和最小，廣義線性模型也可以使用add1()——前進法
drop()——后退法stepAIC（sol,direction="backward"）——MASS包，可以實現(xiàn)逐步回歸（向前、向后、向前向后）
預(yù)測predict（<sol>，<newdataframe>，level=0.95，interval="prediction"）——回歸預(yù)測，sol是模型，newdataframe是待預(yù)測數(shù)據(jù)框，level設(shè)置置信度，interval="prediction"表示結(jié)果要計算置信區(qū)間
glm(formula，family=binomial（link=logit），data=data.frame)——廣義線性模型，logit默認為二項分布族的鏈接函數(shù)，formula有兩種輸入方法，一種方法是輸入成功和失敗的次數(shù)，另一種像線性模型的公式輸入方式predict(glm()，data.frame(x=3.5)，type="response")——預(yù)測廣義線性回歸模型，type=“response”表示結(jié)果為概率值，否則為預(yù)測值yinv.logit（）——預(yù)測值y的反logit，boot包的函數(shù)
glmnet（）——正則化glm函數(shù)，glmnet包，執(zhí)行結(jié)果的行數(shù)越前正則化越強。其輸出結(jié)果的意義是：

1）DF是指明非0權(quán)重個數(shù)，但不包括截距項。可以認為大部分輸入特征的權(quán)重為0時，這個模型就是稀疏的（sparse）。2）%Dev就是模型的R²3)超參數(shù)（lambda）是正則化參數(shù)。lambda越大，說明越在意模型的復(fù)雜度，其懲罰越大，使得模型所有權(quán)重趨向于0。

plot（lm(y~x)，which=1:4，caption=c(“Residuals vs Fitted”，“Normal Q-Q plot”，“Scale-Location plot”，“Cook's distance plot”)）——畫回歸模型殘差圖，which為1表示畫普通殘差與擬合值的殘差圖，2表示畫正態(tài)QQ的殘差圖，3表示畫標準化殘差的開方與擬合值的殘差圖，4表示畫Cook統(tǒng)計量的殘差圖；caption是圖題的內(nèi)容。
avova(sol1,sol2,test="Chisq")——比較模型兩個模型，廣義線性模型可用卡方檢驗（分類變量），不拒絕原假設(shè)說明兩個沒有顯著差異，即用較少自變量模型就可以。
非線性模型
poly（想，degree=1）——計算正交多現(xiàn)實，x是數(shù)值向量，degree是正交多項式的階數(shù)，并且degree<length（x）樣本個數(shù)，例如建立二次正交式回歸模型：lm(y~1+poly（x，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，start是初始點，用列表形式給出nlm(f，p)——非線性最小二乘，構(gòu)造最小目標函數(shù)，方程移項2為0，f是極小的目標函數(shù)，p是所有參數(shù)的初值，采用Newton型算法求極小，函數(shù)返回值是一個列表，minimum的值便是極小值，estimate是參數(shù)的估計值。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 ~.， <data>)——rpart包，回歸樹，葉結(jié)點目標變量的平均值就是樹的預(yù)測值。生成一棵樹，再做修剪（防止過度擬合），內(nèi)部10折交叉驗證
printcp（<rt>）——查看回歸樹結(jié)果，rt是指rpart（）函數(shù)的運行結(jié)果模型，plotcp（<rt>）以圖形方式顯示回歸樹的參數(shù)信息參數(shù)如下： cp——當偏差的減少小于某一個給定界限值，默認0.01 minsplit——當結(jié)點中的樣本數(shù)量小于某個給定界限時，默認20 maxdepth——當樹的深度大于一個給定的界限值，默認30
prune（<rt>,cp）——自行設(shè)置cp值的建樹
snip.rpart(<rt>, c(4,7))——修剪，需要修剪的那個地方的是結(jié)點號c(4，7)，指出輸出樹對象來需要修剪的樹的結(jié)點號snip.rpart(<rt>)——交互修剪，點擊結(jié)點，右擊結(jié)束

3、隨機森林

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

4、支持向量機

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

5、時間序列分析

ts(<data>, frequency=12, start=(2006,1))——把一個向量轉(zhuǎn)化為時間序列對象，<data>向量，frequency表示頻率，start表示時間起始點
decompose(<data>，type)——把時間序列分解成長期趨勢和周期性變化，<data>是設(shè)置了頻率（周期長度）的時間序列數(shù)據(jù)，type="additive"為累加形式：長期趨勢+周期性變化+隨機變化；"multiplicative"分解為累乘形式：長期趨勢*周期性變化*隨機變化。默認使用"additive"累加形式。函數(shù)返回值sol<-decompose()中，sol$trend是時間序列趨勢，seasonal是季節(jié)性周期變化，random是隨機誤差。
stl(<data>,"per")——分解時間序列，返回值sol<-stl()中，sol$time.series[, "seasonal"]讀取周期性序列seasonal，sol$time.series[, "trend"]讀取長期趨勢trend。誤差可以使用sol$time.series[,"remainder"]讀取。
增長率：
diff(data,lag=1)——差分，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，描述指標變化趨勢sam.per.grown[t]=(data[t]-data[t-T])/data[t-T]——環(huán)比增長率，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，T一般以周為單位
移動平均：
filter(x, filter, method=c("convolution", "recursive"), side=2,...)——線性過濾函數(shù)，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，side參數(shù)設(shè)置卷積方法是單邊或者雙邊），recursive（遞歸方法）:使用y內(nèi)部樣本以及當前階段的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]，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)生的模型的新時間序列，h表示頻率？預(yù)測未來12個月plot.forecast(sol.forst, include=10)——繪制預(yù)測圖，include=10表明繪制預(yù)測前10個月的數(shù)據(jù)和未來12個月的預(yù)測數(shù)據(jù)

ARIMA模型

ymd()——lubridate包，將"年-月-日"格式的字符串轉(zhuǎn)換成日期對象，（可以比較前后時間）
自相關(guān)性cov(data.frame(x,y))——協(xié)方差矩陣Scor(data.frame(x,y))——相關(guān)系數(shù)矩陣Rrnorm（n，<mean>，<sd>）arima.sim（n=100，list（ar=，ma=））——模擬100個樣本的模擬序列l(wèi)ag.plot(data，lag=k，do.line=FALSE)——繪制原始數(shù)據(jù)和k階滯后的散點圖acf（data，lag.max=16，ci.type="ma"）——計算并繪制自相關(guān)圖，0階自相關(guān)系數(shù)是rxx，所以恒等于1。ci.type="ma"主要是慨率acf的標準誤的問題，以使acf圖等準確。pacf（data，lag.max=16）——偏自相關(guān)圖，消除Xt-1，...，Xt-k+1的影響后，研究Xt和Xt-k的相關(guān)性。Box.test（data,type="Ljung-Box",lag=16，fitdf=p+q）——自相關(guān)性檢驗，p-value<0.05，標識數(shù)據(jù)data具有自相關(guān)，fitdf為自由度參數(shù)p+qarima（data，order=c（p，d，q））——計算模型參數(shù)并建模，TSA包中，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。當p=d=0時，表示只使用MA過程對序列建模。結(jié)果sol<-arima（）調(diào)用predict(sol，n.ahead=5)$pred進行預(yù)測，n.ahead參數(shù)用于設(shè)置預(yù)測新階段的數(shù)據(jù)量（未來5個月），predict(...）$se標準誤差SE，用于計算預(yù)測范圍（預(yù)測范圍=預(yù)測值+-置信度（alpha）*標準誤差SE。
eacf(data)——根據(jù)凸顯中三角區(qū)域頂點的行坐標和列坐標分別確定ARMA的p和qnorm.test（）——正態(tài)性檢驗，p-value>0.05為正態(tài)tsdiag（sol）——繪制模型殘差的散點圖、自相關(guān)圖和不同階數(shù)下的Box.test體檢驗p-value值
模型評估RMSE（lm，<which>）——qpcR包中計算均方根誤差，計算子集subset

聚類分析

dist（x，method=”euclidean“）——計算距離”euclidean“Euclid距離；”maximum“——Chebyshev距離；”manhattan“絕對值（馬氏）距離；“canberra”Lance距離；“minkowski”Minkowski閔式距離；“binary”定性變量的距離
scale(x, center = TRUE, scale = TRUE)——中心化與標準化，center是中心化，scale是標準化。（全選：減去均值，再除以標準差）
hclust（d,method=“complete”）——系統(tǒng)聚類，d是又dist構(gòu)成的距離結(jié)構(gòu)，method是系統(tǒng)聚類的方法（默認為最長距離法）“single”最短距離法“；”complete“最長距離法；”median“中間距離法；”mcquitty“Mcquitty相似法；”average“類平均法”centroid“重心法”ward“離差平法和法
plot（hclist（），hang=0.1）——譜系圖，hang表示譜系圖中各類所在的位置，hang取負值時，表示譜系圖從底部畫起。
as.dendrogram（hclust（），hang=-1）——將hclust得到的對象強制轉(zhuǎn)換為譜系圖plot（x，type=c（”rectangle“，”triangle“），horiz=FALSE）——譜系圖，x為as.dendrogram返回的對象，type是指是矩形或是三角形，horiz是邏輯變量，當horiz為TRUE時，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，hang=0.1）——譜系圖，舊版停用，已被plot替換
rect.hclust（x，k，h，border）——在譜系圖（plclust（））中標注聚類情況，確定聚類個數(shù)的函數(shù)，x是由hclust生成的對象，k是類個數(shù)；h是譜系圖中的閾值，要求分成的各類的距離大于h；border是數(shù)或向量，標明矩形框的顏色；例如：rec.hclust（hclust()，k=3）
kmeans(x，centers，iter.max，nstart=1，algorithm)——K均值方法，centers是聚類的個數(shù)或者是初始類的中心，iter.max為最大迭代次數(shù)（默認為10），nstart是隨機集合的個數(shù)（當centers為聚類的個數(shù)時），algorithm為動態(tài)聚類算法，例如：km<-kmeans(scale(data),4,nstart=20)，返回值中，size表示各類的個數(shù)，means表示各類均值，Clustering表示聚類后分類情況？，可以用sort(kmeans()$cluser)對分類情況排序

主成分分析

princomp() 和 prcomp（）——主成分分析，結(jié)果的標準差顯示每一個主成分的貢獻率（成分方差占總方差的比例），返回值loadings每一列代表每一個成分的載荷因子summary（x，loadings=FALSE）——提取主成分的信息，x是princomp（）得到的對象，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)，F(xiàn)alse則不顯示。返回表中，Standard deviation是標準差，即方差或lambda的開方，Proportion of Variance表示方差的貢獻率，Cumulative Proportion表示累積貢獻率。
loadings(x)——顯示主成分或因子分析中l(wèi)oadings載荷的內(nèi)容，主成分是對應(yīng)割裂，即正交矩陣Q；因子分析中是載荷因子矩陣。x是princomp（）或者factanal（）得到的對象。predict（x，newdata）——預(yù)測主成分的值，x是由princomp（）得到的對象，newdata是由預(yù)測值構(gòu)成的數(shù)據(jù)框，當newdata為默認值時預(yù)測已有數(shù)據(jù)的主成分值。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，type=c（"barplot",”lines“))——主成分的碎石圖，確定主成分維數(shù)的選擇，x是由princomp（）得到的對象，type是描述畫出的碎石圖的類型，”barplot“是直方圖，”lines“是直線圖。biplot（x，choices=1:2，scale=1）——畫關(guān)于主成分的散點圖和原坐標在主成分下的方向，x是由princomp（）得到的對象，choices選擇主成分，默認為第1、2主成分
factanal（x,factor,covmat=NULL，scores=c("none","regression","Bartlett")，rotation=”varimax“）——因子分析,factors是公因子的個數(shù)，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)，默認為方差最大旋轉(zhuǎn)cancor（x，y，xcenter=TRUE，ycenter=TRUE）——典型相關(guān)分析，xcenter，ycenter是邏輯變量，為TRUE時做數(shù)據(jù)中心化
R包
rpart——決策樹算法my_tree <- rpart（<formula>，<data>，<method>）——rpart(Survived ~ Sex + Age, data=train, method="class")rattlerpart.plotRColorBrewerfancyRpartPlot(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，類似（as.data.frame（）），僅是改變了顯示，數(shù)據(jù)結(jié)構(gòu)沒有變化
glimpse（<tbl>）——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，分3個類別分別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)，存在一層的隱藏層。參數(shù)：size=0，設(shè)置隱藏層中神經(jīng)元數(shù)，設(shè)置為0時，表示建立一層神經(jīng)網(wǎng)絡(luò)？沒有隱藏層Wts：初始系數(shù)，不設(shè)定則使用隨機數(shù)設(shè)定linout：為TRUE時，模型輸出（目標變量）為連續(xù)型實數(shù)，一般用于回歸分析；如果為FALSE（默認取值）則輸出為邏輯數(shù)據(jù)，一般用于（目標變量為分類型）分類分析，也可以把linout設(shè)為TRUE再添加一個階躍函數(shù)轉(zhuǎn)為邏輯型輸出。maxit：最大迭代次數(shù)iterations，默認為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)。skip：是否跳過隱藏層，如果為FALSE（默認），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svm()——e1071包中回歸非線性ksvm()——kernlab包中分類，分類時用的默認參數(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，具有更多優(yōu)勢
決策樹RWeka包：C4.5（分類，輸入變量是分類型或連續(xù)型，輸出變量是分類型）J48()rpart包：分類回歸樹（CART）算法（輸入、輸出分類或連續(xù)變量）rpart（）——擬合樹模型，參數(shù)xval設(shè)置k折交叉驗證prune()——剪枝
party包：條件推理決策樹（CHAID）算法（輸入、輸出分類或連續(xù)變量）ctree（）
隨機森林randomForest包：分類與回歸樹的隨機森林randomForest()——隨機森林，預(yù)測，分類，估計變量的重要性（通過計算每個變量被移除后隨機森林誤差的增加（選擇變量需要用到模型的信息，但用其它模型來做預(yù)測）
party包：條件推理決策樹的隨機森林cforest()
時間序列ts——在stats包中創(chuàng)建一個時間序列xts包——時間序列
xts(<data>,<label>)——時間數(shù)列，可以是單元的也可以是多元的。<data>時間序列數(shù)據(jù)，<label>時間標簽。as.xts(read.zoo("abc.csv", header = T))seq.POSIXct() 和 Date——標識時間信息的規(guī)格的類

index() 和 time()——獲取對象的時間標簽coredata()——獲取時間序列的數(shù)值
貝葉斯分類e1071包：nativeBayes（）——樸素貝葉斯分類器，可以處理分類型和連續(xù)型自變量
knnknn（）——class包
TTR包——技術(shù)指標集合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，...）——特殊參數(shù)“...",允許特定函數(shù)具有可變參數(shù)，這個參數(shù)結(jié)構(gòu)是一個列表，用來獲取傳遞給前三個命名參數(shù)之后的所有參數(shù)。這個結(jié)構(gòu)用于給實際模型傳遞所需要的額外參數(shù)。<model.object>@pars——（模型）對象的屬性用操作符“@”訪問，比如對象object的屬性是pars

來自為知筆記(Wiz)

總結(jié)

以上是生活随笔為你收集整理的【R笔记】R语言函数总结的全部內(nèi)容，希望文章能夠幫你解決所遇到的問題。

如果覺得生活随笔網(wǎng)站內(nèi)容還不錯，歡迎將生活随笔推薦給好友。