R语言学习过程各种笔记剖析.doc

数据挖掘与数据分析的主要区别是什么？ 数据分析就是为了处理原有计算方法、统计方法，着重点就是数据、算法、统计、数值。数据挖掘是从庞大的数据库中分析出有目标数据群，筛选出利于决策的有效信息 简单来说就是数据分析是针对以往取得的成绩，比如说哪方面做得好，哪方面需要改进；数据挖掘就是通过以前的成绩预测未来的发展的趋势，并且为决策者提供建议。 data - read.table(clipboard, header = T, sep = \t) 在R语言中，使用“=”和“-”到底有什么不同？ 就是等号和箭头号有什么区别，是完全一样还是局部不同？ R里通常用符号”-”代替其它语言里的”=”来作赋值符号。因为前者敲起来比等号要麻烦，且大部分情况下两者是等价的，所以通常就愉懒依旧用”=”来赋值。但要切记两者在某些时候是有区别的。字面上的解释，可以认为”-”是赋值，”=”是传值。在函数调用中，func(x=1)与func(x-1)是有区别的，前者调用完后变量x不会被保留，而后者会在工作区里保留变量x=1。再如length(x=seq(1,10))计算完成后x不会被保留，而length(x-seq(1,10))计算完后你会在工作区里发现x这个变量。 矩阵知识： 1_矩阵的生成 2_矩阵的四则运算 3_矩阵的矩阵运算 4_矩阵的分解 1_1将向量定义成数组 向量只有定义了维数向量(dim属性)后才能被看作是数组.比如: z=1:12; dim(z)=c(3,4); z; [,1] [,2] [,3] [,4] [1,] 1 4 7 10 [2,] 2 5 8 11 [3,] 3 6 9 12 注意：生成矩阵是按列排列的。 1_2用array ( )函数构造多维数组 用法为：array(data=NA,dim=length(data),dimnames=NULL) 参数描述：data：是一个向量数据。 dim：是数组各维的长度，缺省时为原向量的长度。 dimname：是数组维的名字，缺省时为空。 例子： x=array(1:20,dim=c(4,5)) x [,1] [,2] [,3] [,4] [,5] [1,] 1 5 9 13 17 [2,] 2 6 10 14 18 [3,] 3 7 11 15 19 [4,] 4 8 12 16 20 1_3用matrix()函数构造矩阵 函数matrix)是构造矩阵(二维数组)的函数，其构造形式为 matrix(data=NA，nrow=1，ncol=1，byrow=FALSE，dimnames=NULL) 其中data是一个向量数据，nro、是矩阵的行数，ncol是矩阵的列数.当byrow=TRUE时，生成矩阵的数据按行放置，缺省时相当于byrow=FALSE，数据按列放置.dimname。是数组维的名字，缺省时为空. 如构造一个3x5阶的矩阵 A=matrix(1:15,nrow=3,byrow=TRUE) A [,1] [,2] [,3] [,4] [,5] [1,] 1 2 3 4 5 [2,] 6 7 8 9 10 [3,] 11 12 13 14 15 2_矩阵的四则运算 可以对数组之间进行四则运算(+、一、*、/)，这时进行的是数组对应元素的四则运算。一般情况下参加运算的矩阵或者数组的维数是相同的，但也可以计算不同维的，这是要将对应的元素补足。 3_1 转置运算 对于矩阵A，函数t(A)表示矩阵A的转置，如： A=matrix(1:6,nrow=2); A; [,1] [,2] [,3] [1,] 1 3 5 [2,] 2 4 6 t(A); [,1] [,2] [1,] 1 2 [2,] 3 4 [3,] 5 6 3_2 求方阵的行列式 函数det()是求矩阵行列式的值，如 det(matrix(1:4,ncol=2)); [1] -2 3_3 向量的内积 对于n维向量x，可以看成nxl阶矩阵或lxn阶矩阵。若x与y是相同 维数的向量，则x%*%Y表示x与y作内积.例如，