其他

本文使用的資料集為ggplot2包內建的diamonds資料集，其包含了約54000顆鑽石的價格和品質的資訊。這組資料涵蓋了反映鑽石品質的四個“C”——克拉重量（carat）、切工（cut）、顏色（color）和淨度（clarity），以及五個物理指標——深度（depth）、鑽石寬度（table）、x、y、z。如下圖： 本文使用的另一個資料集是未經處理資料的一個容量為100的隨機樣本 set.seed(1410) #使樣本可重複

最近做迴歸分析，出現了相關係數與迴歸方程係數符號相反的問題，經過研究，確認是多重共線性問題並探索瞭解決方法。 在此將多重共線性相關知識整理如下。 解釋變數理論上的高度相關與觀測值高度相關沒有必然關係，有可能兩個解釋變數理論上高度相關，但觀測值未必高度相關，反之亦然。所以多重共線性本質上是資料問題。 造成多重共線性原因有一下幾種： 1、解釋變數都享有共同的時間趨勢； 2、一個解釋變數是另一個的滯後，二者往往遵循一個趨勢；

這個函數是在stringr包下面的一個函數，在做資料清洗的時候還是很有用的，大概用法就是去提取一個字串下的某種內容，按照一些自己想要的規則，具體用法如下： x<-"abacdef12g"  str_extract_all(x,"[f0-9]") [[1]] [1] "f" "1" "2" > str_extract_all(x,"[f0-9]{1,3}") [[1]] [1] "f12" > str_extract_all(x,"[f0-9]{1,2}

1. summary()函數可以擷取描述性統計量 可以提供最小值、最大值、四分位元和數值型變數的均值，以及因子向量和邏輯型向量的頻數統計 2. misc包中的describe()函數 可返回變數和觀測的數量、缺失值和唯一值的數目、平均值、分位元，以及五個最大的值和五個最小的值 3.psych包中的describe()函數

usage split(x, f, drop = false,...) arguments x: data to be divided f: define the grouping example 1 > split(1:10, 2)$`2` [1] 1 2 3 4 5 6 7 8 9 10> split(1:10,1:2)$`1`[1] 1 3 5 7 9$`2`[1] 2 4 6 8 10 example 2 >

先言：R語言常用介面操作 協助：help(nnet) = ?nnet =??nnet 清除命令框中所有顯示內容：Ctrl+L 清除R空間中記憶體變數：rm(list=ls())、gc() 擷取或者設定當前工作目錄：getwd、setwd 儲存指定檔案或者從磁碟中讀取出來：save、load 讀入、讀出檔案：read.table、wirte.table、read.csv、write.csv 1、一些簡單的基本統計量

STL = Standard Template Library，標準模板庫，惠普實驗室開發的一系列軟體的統稱。它是由Alexander Stepanov、Meng Lee和David R

從網上搜尋到的Yahoo 財經API介面，基本可以取到世界各個市場的股票，指數，外匯等資料 但是測試下來好像日本國內資料沒有，不過調查之後發現可以使用其他方式擷取，擷取的方法會在隨後的博文再附上。 1.擷取即時資料 http://finance.yahoo.com/d/quotes.csv?s=股票名稱&f=資料列選項 s — 表示股票名稱，多個股票之間使用英文加號分隔，如“XOM+BBDb.TO+JNJ+MSFT”

http://table.finance.yahoo.com/table.csv?s=ibm&d=8&e=5&f=2013&g=d&a=11&b=16&c=1991&ignore=.csv上面的連結可以抓取IBM股票從1991年11月16日起到2013年8月5日的資料。http://table.finance.yahoo.com/table.csv?s=sohu&d=8&e=5&f=2013&g=d&

1.迴歸的多面性 迴歸類型 用途 簡單線性 個量化的解釋變數來預測一個量化的響應變數（一個因變數、一個自變數） 多項式 一個量化的解釋變數預測一個量化的響應變數，模型的關係是 n階多項式（一個預測變數，但同時包含變數的冪） 多元線性 用兩個或多個量化的解釋變數預測一個量化的響應變數（不止一個預測變數） 多變數    用一個或多個解釋變數預測多個響應變數 Logistic 用一個或多個解釋變數預測一個類型變數 泊松

查看資料結構： import pandas as pddata = pd.read_csv('/Users/liailan/tmp/AirPassengers.csv')print(data.head()) Unnamed: 0 time value0 1 1949-01 1121 2 1949-02 1182 3 1949-03 1323 4 1949-04

1. 剔除含有缺失值的案例（行） algae[!complete.case(algae),]  %找出algae資料集中具有缺失值的全部案例 剔除分兩種：一種是剔除具有缺失值的全部案例；另一種是剔除缺失值較多的案例。 （1） 刪除algae資料集中具有缺失值的全部案例：algae <- na.omit(algae)     （2） 剔除algae資料集中缺失值較多的案例 Step1

#缺失值 an=c(1,2,NA)is.na(an) #會形成一個布爾向量 布爾向量就是一群像（FALSE,FALSE,TURE）這樣的向量。 關於缺失值還有一個函數：complete.cases函數 該函數與is.na的區別在於： 1、輸出資料格式不同。is.na按照資料框格式形成一個（FALSE,FALSE,TURE）列，而complete.cases形成是一個數列向量，不再是按照資料框格式；

轉載自 http://blog.sina.com.cn/s/blog_70f632090101bnd8.html#cmt_3111974 今天學習ARIMA預測時間序列。  指數平滑法對於預測來說是非常有協助的，而且它對時間序列上面連續的值之間相關性沒有要求。但是，如果你想使用指數平滑法計算出預測區間， 那麼預測誤差必須是不相關的， 而且必須是服從零均值、 方差不變的常態分佈。即使指數平滑法對時間序列連續數值之間相關性沒有要求，在某種情況下，

Subsetting R Objects 取子集的三種基本方法 [ ：“單方括弧”返回的對象和原來相同，如向量的子集還是向量；也可用於在對象中選擇多個元素 [ [：“雙方括弧”僅可用於提取單一元素，並且用來提取列表或者資料框中的元素，但是，由於列表或者資料框中的元素類別不唯一，因此它返回對象的類型不一定是列表或者資料框 $ ：“貨幣符號”是提取有名字的列表或資料框中的一個元素 （一）向量取子集 舉例 單括弧+數字索引： > x <- c("a", "b", "c",

在資料分析中，我們會經常遇到缺失值問題。一般的缺失值的處理方法有刪除法和填補法。通過刪除法，我們可以刪除缺失資料的樣本或者變數。而缺失值填補法又可分為單變數填補法和多變數填補法，其中單變數填補法又可分為隨機填補法、中位元/中值填補法、迴歸填補法等。本文簡單介紹一下如何在R語言中利用mice包對缺失值進行迴歸填補。 假設未經處理資料只有兩列P（壓力）和T（溫度），具體資料如下： orig_data <- data.frame( T = c(0.47, 0.45, 0.48, 0.4

主要用到VIM和mice包 install.packages(c("VIM","mice")) 1.處理缺失值的步驟 步驟： （1）識別缺失資料； （2）檢查導致資料缺失的原因； （3）刪除包含缺失值的執行個體或用合理的數值代替（插補）缺失值 缺失值資料的分類： （1）完全隨機缺失：若某變數的缺失資料與其他任何觀測或未觀測變數都不相關，則資料為完全隨機缺失（MCAR）。

主要用到VIM和mice包 install.packages(c("VIM","mice")) 1.處理缺失值的步驟 步驟： （1）識別缺失資料； （2）檢查導致資料缺失的原因； （3）刪除包含缺失值的執行個體或用合理的數值代替（插補）缺失值 缺失值資料的分類： （1）完全隨機缺失：若某變數的缺失資料與其他任何觀測或未觀測變數都不相關，則資料為完全隨機缺失（MCAR）。

轉自http://blog.sciencenet.cn/home.php?mod=space&uid=255662&do=blog&id=240107 正態總體均值的假設檢驗 t檢驗 單個總體 例一  某種元件的壽命X（小時），服從常態分佈，N（mu,sigma^2），其中mu,sigma^2均未知，16隻元件的壽命如下：問是否有理由認為元件的平均壽命大於255小時。 命令： X<-c(159, 280, 101, 212

t檢驗和 Z檢驗都可用於均值檢驗。 單樣本均值檢驗 當樣本容量小於30時使用t檢驗，當樣本容量大於30時使用Z檢驗 Z檢驗使用例子: library(UsingR)x<-rnorm(50,0,5)simple.z.test(x,5)運行結果: [1] -2.947929 3.250022 結果說明在信賴度為95%的情況下總體的均值區間為[-2.947929 3.250022]