1.BaggingBagging即套袋法，其算法过程如下：从原始样本集中抽取训练集。每轮从原始样本集中使用Bootstraping的方法抽取n个训练样本（在训练集中，有些样本可能被多次抽取到，而有些样本可能一次都没有被抽中）。共进行k轮抽取，得到k个训练集。（k个训练集之间是相互独立的）每次使用一个训练集得到一个模型，k个训练集共得到k个模型。（注：这里并没有具体的分类算法或回归方法，我们可以根据
转载
2023-07-15 22:38:32
75阅读
R语言与多元线性回归方程及各种检验 文章目录R语言与多元线性回归方程及各种检验一、模型建立二、多重共线性（1）产生的背景：（2）多重共线性的检验1.简单相关系数法：2.方差膨胀因子（vif）法3.矩阵X T X 的条件数k（3）多重共线性的修正二、异方差性的检验及修正1.异方差性的实质2.异方差性的检验1.图示检验法2.Goldfeld—Quandt检验3.White检验和H.glesjser检验
R中的adabag包均有函数实现bagging和adaboost的分类建模（另外，ipred包中的bagging（）函数可以实现bagging回归）。第一题就利用adabag包实现bagging和adaboost建模，并根据预测结果选择最优模型。a) 为了描述这两种方式，先利用全部数据建立模型：利用boosting（）（原来的adaboo
因为在工作中常常会遇到，需要根据样本名称，新建分组情况划分treat或者control组，有多种代码方式，在这里总结记录一下，以备不时之需求。目录Partone_目的：根据样本名划分分组方法1方法2方法3方法4Parttwo_目的：根据表达量高低来分组（UP & DOWN）方法1：方法2：总结：Partone_目的：根据样本名划分分组比如这样的数据，必然要根据title划分control或
转载
2023-11-21 13:05:20
91阅读
简介“结巴”中文分词的R语言版本，支持最大概率法（Maximum Probability）, 隐式马尔科夫模型（Hidden Markov Model）, 索引模型（QuerySegment）, 混合模型（MixSegment）, 共四种分词模式， 同时有词性标注，关键词提取，文本Simhash相似度比较等功能。项目使用了Rcpp和CppJieba进行开发。特性支持 Windows , Linux
转载
2023-10-22 10:04:07
75阅读
[更新~]Python网络爬虫与文本数据分析jiebaR中文与英文做文本分析很多时候会多一个分词步骤，因为默认情况下，文本分析软件会默认用空格作为分隔符处理文本，所以很多软件需要先将中文文本分词，整理成像英文那样用空格间隔单词的数据形式。在R中有一个jiebaR中文分词包，可以帮我们做分词操作~安装install.packages("jiebaR")分词jiebaR::segment(code,j
原创
2020-12-30 21:55:56
722阅读
# 如何在R语言中导入jiebaR逻辑包
在R语言中，使用jiebaR包可以进行中文分词，实现中文文本的分词处理。下面将介绍如何导入jiebaR包并使用其中的函数进行分词操作。
## 安装jiebaR包
在导入jiebaR包之前，首先需要安装该包。可以通过以下代码将jiebaR包安装到R环境中：
```R
install.packages("jiebaR")
```
## 导入jieba
原创
2024-06-26 04:13:18
287阅读
这一次问题的难点在于词性分类，本文将以此题为例，介绍如何使用结巴分词对中文词语词性进行分类。0.包的选取中文分词必不可少的包：jiebalibrary(jiebaR)
library(jiebaRD)#用于分词作图包我们选择library(ggplot2)#用于作图读取数据可以不额外导入包，使用基础的read.csv函数，但是这样读取效果很慢，建议采用read_csv函数，这一点在我的上一篇笔记
转载
2023-11-21 14:40:31
103阅读
R语言词云和中文词典包。 文章目录jiebaR: for Chinese text segmentationQuick Start初始化分词器分词标记关键词提取：基于系统词典词频Simhash 与距离词频统计cidian: Tools for Chinese Text Segmentation Dictionaries jiebaR: for Chinese text segmentationji
转载
2023-12-12 15:07:06
29阅读
《数据挖掘之道》摘录话语：虽然我比较执着于Rwordseg，并不代表各位看管执着于我的执着，推荐结巴分词包，小巧玲珑，没有那么多幺蛾子，而且R版本和python版本都有，除了词性标注等分词包必备功能以外，jiebaR还加入了一些基础的文本分析算法，比如提取关键字（TFIDF）、分析文本相似性等等，真是老少咸宜。同时官网也有一个在线jiebaR分词的网址，超级棒：https://qinwf.shi
转载
2024-08-28 22:18:41
110阅读
谷歌4亿英镑收购人工智能公司DeepMind，百度目前正推进“百度大脑”项目，腾讯、阿里等各大巨头布局深度学习。随着社会化数据大量产生，硬件速度上升、成本降低，大数据技术的落地实现，让冷冰冰的数据具有智慧逐渐成为新的热点。要从数据中发现有用的信息就要用到数据挖掘技术，不过买来的数据挖掘书籍一打开全是大量的数学公式，而课本知识早已还给老师了，难以下手、非常头大！ 我们可以跳过数学公式，先看看我们了
注： 本文是R语言sf包的核心开发者和维护者——来自德国明斯特大学的地理信息学教授：
Edzer Pebesma 的一篇关于sf包的简介，发表于2018年7月的R语言期刊，主要讲述了sf的定位、功能、开发现状及现存问题和今后展望，sf包是一个非常了不起的工具，在R语言中引入了空间数量分析领域通用的标准规范（simple feature），结合tidyverse工具箱组合
转载
2023-06-30 18:38:28
422阅读
1.单因素方差分析：适用于单因素A有两个水平或以上，研究个水平对因变量的影响正态假设条件：W检验shapiro.test():原假设为数据来自正态分布方差齐性条件：Bartlett检验（主要用于正态分布的数据） bartlett.test(x, g, ...)x是数据向量或列表（list）；g是因子向量，如果x是列表则忽略g。 当使用数据集时，也可以通过formula调用函数&
转载
2023-06-25 20:40:28
273阅读
http://blog.sina.com.cn/s/blog_597fcb450100c3um.html 【转】R与SAS、SPSS的比较 (2009-03-05 20:29:40)
转载 标签： 教育分类： 学习R与SAS、SPSS的比较R语言 R是用于统计分析、绘图的语言和操作环境。R是
全面的回归分析包括对异常值的分析：离群点、高杠杆值点、强影响点。 离群点：模型效果不佳的观测点。 使用car包中的outlierTest（）函数，可以求得最大标准化残差绝对值Bonferroni调整后的p值，若不显著，则说明数据集中没有离群点，若显著，则必须删除该离群点。 > library(car)
> outlierTest(fit)可见，在这个回归模
转载
2023-08-13 20:56:44
323阅读
plot(x, y, ...)
ylab, xlab: x轴与y轴名称设置参数子标题设置参数ylim, xlim: x轴与y轴数值界限设置参数
type：划线类型
col：划线颜色
lwd：线粗举个栗子：
plot(AvTemp,type="b",col=2,xlab="月份",ylab="平均温度",main="森林地区月平均温度时序折线图",sub = "子标题",lwd=2
转载
2023-08-31 13:52:51
159阅读
函数 par()中的参数可以分为三大类： （
1
） 只可以查询而不可以修改的参数
,
即
readonly
参数：
"cin", "cra", "csi", "cxy", "din" 和
"page"
。（ 2
）只能通过
par
函数进行设置的参数
: "ask", "fig", "fin", "lheight", "mai", "mar", "mex"
转载
2023-07-06 16:50:29
277阅读
下面录入文法文件，运行ANTLRWorks点击“File– New”菜单新建文法文件，在新文件中将前面的文法录入。（我的网站中有本书所有示例源代码，但我建议您还是手工录入一遍。这样您会有更好的学习效果。）录入文法后点击“File – Save” 菜单文件名为“E.g”。然后点击“Generate–GenerateCode”，如果ANTLRWorks提示“The grammar has been s
转载
2023-12-25 13:47:17
41阅读
R语言和集算器吸引人的地方之一在于，它们的代码风格都比较敏捷，用简短的代码就可以实现丰富的功能。比如都可以写出”Vector Computing”表达式，对判断语句都进行了简化，都可以把基础函数扩展成高级函数，都支持泛型。其中向量化计算的特点是用函数和运算符处理批量数据，避免循环语句。这将带来2个优点：使程序员可以轻松掌握，降低学习成本；方便实现计算，提高性能。下面用几个例子来比较一下R和集算器在
转载
2023-08-18 13:01:45
165阅读
高级数据管理数值和字符处理函数数学函数函数描述np.abs(x)绝对值np.sqrt(x)平方根np.ceil(x)大于x的最小整数np.floor(x)小于x的最大整数np.trunc(x)向0截取x中的整数部分np.round(x, decimals=2)将x舍入为指定位的小数np.cos(x)/sin(x)/tan(x)余弦/正弦/正切np.arccos(x)/arcsin(x)/acrta
转载
2024-07-12 18:50:33
46阅读
