作者：Rahul Agarwal 创造一个大的机器学习系统是一门艺术。在构建一个大的机器学习系统时，有很多事情需要考虑。但作为数据科学家，我们常常只担心项目的某些部分。但是我们是否考虑过一旦我们拥有了模型，我们将如何部署它们？我见过许多 ML 项目，其中许多项目注定要失败，因为它们从一开始就没有一个固定的生产计划。这篇文章是关于一个成功的 ML 项目的过程需求 —— 一个进入生产的项目。1. 在
目录一、贝叶斯理论二、实战朴素贝叶斯实战朴素贝叶斯1实战朴素贝叶斯3三、scikit-learn中朴素贝叶斯的分类算法的适用四、贝叶斯算法的优缺点一、贝叶斯理论贝叶斯模型 现在我们来看一下怎么操作。假设我有m个样本数据：这大大的简化了n维条件概率分布的难度，虽然很粗暴，但是很给力。 二、实战朴素贝叶斯实战朴素贝叶斯1demo.py（朴素贝叶斯算法实例，预测新闻类别）：from
转载
2024-07-08 10:14:34
32阅读
我们知道参数的置信区间的计算，这些都服从一定的分布(t分布、正态分布），因此在标准误前乘以相应的t分值或Z分值。但如果我们找不到合适的分布时，就无法计算置信区间了吗？幸运的是，有一种方法几乎可以用于计算各种参数的置信区间，这就是Bootstrap 法。相关视频本文使用BOOTSTRAP来获得预测的置信区间。我们将在线性回归基础上讨论汽车速度和制动距离数据（查看文末了解数据获取方式）。> re
转载
2023-07-05 21:55:40
1540阅读
R方法
原创
2016-12-22 14:13:19
916阅读
组名称和组数量已知的分组汇总被称为固定分组汇总，此类算法的分组依据来自于数据集之外，比如：按照参数列表中的客户名单分组，或按照条件列表进行分组。此类算法会涉及分组依据是否超出数据集、是否需要多余的组、数据是否重叠等问题，解决起来有一定的难度。本文将介绍R语言实现固定分组汇总的方法。 例1：分组依据不超出数据集
原创
2014-09-25 13:33:00
10000+阅读
（1） 对于在文件读取和写入的工作，R使用工作目录来完成。可以使用命 令getwd() (获得工作目录)来找到目录，使用命令setwd("C:/data") 或 者setwd("/home/paradis/R") 来改变目录。如果一个文件不在工作目录里 则必须给出它的路径8。 R可以用下面的函数读取存储在文本文件（ASCII）中的数据：read.table (其中有若干参数，见后文)，s
转载
2023-11-04 20:27:55
246阅读
1.1 PSW Package 简介PSW : Propensity Score Weighting Methods for Dichotomous Treatments...
原创
2022-08-22 08:39:19
880阅读
回所了，开始处理数据，由于cartopy绘制极地投影加标签实在是太麻烦了，就用R把nc数据处理了，再用ncl画图。 本文包括：R语言使用ncdf4批量读写nc使用lubridare包将日均数据转为月均数据使用trend包进行MK趋势检验ncl极地绘图R语言批量读取nc文件主要使用ncdf4包，用法和python差不多，没什么好讲的，直接上代码：library('ncdf4')
ncfiles<
转载
2023-06-01 16:51:45
255阅读
R变量的命名格式必须以字母开头只能包含字母、数字、下划线和.。对大小写敏感不能是保留关键字数据类型（mode）
numeric - (10.5, 55, 787)
integer - (1L, 55L, 100L, where the letter "L" declares this as an integer)
complex - (9 + 3i, where "i
转载
2023-12-05 18:50:35
35阅读
# 使用 Winsor 方法处理数据的 R 语言指南
在统计学中，Winsor 方法是一种用于处理极端值的技术。此方法包含通过将极端值替换为特定百分位数，从而减少数据集的离群影响。在本篇文章中，我们将探讨如何在 R 语言中实现 Winsor 方法。本文将通过几个步骤来完成这一任务，并且我们将包含饼状图和序列图来帮助理解整个过程。
## Winsor 方法实现流程
在开始之前，我们可以将整个流
# R语言注释方法
作为一名经验丰富的开发者，我将教会你如何在R语言中实现注释。注释是一种很重要的编程技巧，能够让代码更具可读性，并且方便他人理解你的代码。在本文中，我将为你展示整个实现注释的流程，并提供每一步需要使用的代码和注释。
## 实现注释的步骤
下面是实现注释的几个步骤的概述。我们将在接下来的章节中逐步详细解释每一步。
1. 创建一个R脚本文件或在R控制台中输入代码。
2. 使用
原创
2023-10-22 11:17:56
699阅读
假设检验总体均值的检验一个总体均值的检验大样本的检验z.test(table$PM2.5.,mu=81,sigma.x = sd(table$PM2.5.),alternative = "less",conf.level = 0.95)小样本的检验t.test(table$厚度,mu=5)检验效应量library(lsr)
cohensD(table$厚度,mu=5)两个总体均值之差的检验独立大样
转载
2023-09-05 18:49:02
141阅读
假设检验及R实现7.1假设检验概述对总体参数的具体数值所作的陈述，称为假设;再利用样本信息判断假设足否成立，这整个过程称为假设检验。7.1.1理论依据假设检验之所以可行，其理沦背景是小概率理论。小概率事件在一次试验中儿乎是不可能发生的，但是它一以发生，我们就有理由拒绝原假设:反之，小概率事件没有发生，则认为原假设是合理的。这个小概率的标准由研究者事先确定，即以所谓的显著性水平α(0<α<
转载
精选
2016-04-08 10:04:21
7586阅读
一 . K-近邻算法（KNN）概述 最简单最初级的分类器是将全部的训练数据所对应的类别都记录下来，当测试对象的属性和某个训练对象的属性完全匹配时，便可以对其进行分类。但是怎么可能所有测试对象都会找到与之完全匹配的训练对象呢，其次就是存在一个测试对象同时与多个训练对象匹配，导致一个训练对象被分到了多个类的问题，基于这些问题呢，就产生了KNN。 KNN是通过测量
转载
2023-07-16 16:23:26
137阅读
欢迎大家关注我的公众号小明的数据分析笔记本 如果需要以上的代码和数据的话，直接在我的公众号留言即可！
原创
2022-03-18 11:17:42
72阅读
之前给大家写过一篇数据清洗的文章，解决的问题是你拿到原始数据后如何快速地对数据进行处理，处理到你基本上可以拿来分析的地步，其中介绍了如何选变量如何筛选个案，变量重新编码，如何去重，如何替换缺失值，如何计算变量等等------R数据分析：数据清洗的思路和核心函数介绍今天呢，就更进一步，对于一个处理好的数据，我们就可以进行统计分析了，本文的思路就是对照期刊论文的一般流程写写如何快速的实现一篇论文的统计
1.控制输出数字的精度
format(123.123,digits=4) 输出4位数字123.1，如果整数超过4位，小数部分就全被略去。
转载
2023-05-27 21:04:51
137阅读
#矩阵 #1.定义矩阵> m<-matrix(c(1:10),nrow=2,ncol=5)#这里的第一个nrow为行，ncol为列数。但是数组的数量必须与矩阵的第一个参数的数目相同，同时行数和列数只要列出一个就可以> m<-matrix(c(1:10),nrow=2)
> m<-matrix(c(1:10),ncol=5)#这里这三个m是一样的 #2.这里默认
转载
2023-05-30 16:21:38
174阅读
样本大小 ：指实验设计中每种条件/组中观测的数目；显著性水平（alpha）：由I型错误的概率来定义，可看做是发现效应不发生的概率；功效：通过1减去二型错误的概率来定义，即真实效应发生的概率；效应值：指在重力备择或研究假设下效应的量。1、用pwr包做功效分析pwr包中的函数 函数功效计算的对象pwr.2p.test（）两比例（n相等）pwr.2p2n.test（）两比例（n不相等）pwr.
转载
2023-09-10 10:46:31
405阅读
前言 在Matlab、R或者S-PLUS等软件中做随机数模拟时，经过会遇到set.seed()这个函数。随机数的产生需要有一个随机的种子，因为用计算机产生的随机数是通过递推的方法得来的，必须有一个初始值。用同一台电脑，且在初始值和递推方法相同的情况下，可以产生相同的随机序列。 用计算机产生的是“伪随机数”。用投色子计数的方法产生真正的随机数 , 但电脑若也这样做 , 将会占用大量内存；用噪声发
转载
2023-07-03 17:36:45
703阅读
