- 1、本文档共12页,可阅读全部内容。
- 2、原创力文档(book118)网站文档一经付费(服务费),不意味着购买了该文档的版权,仅供个人/单位学习、研究之用,不得用于商业用途,未经授权,严禁复制、发行、汇编、翻译或者网络传播等,侵权必究。
- 3、本站所有内容均由合作方或网友上传,本站不对文档的完整性、权威性及其观点立场正确性做任何保证或承诺!文档内容仅供研究参考,付费前请自行鉴别。如您付费,意味着您自己接受本站规则且自行承担风险,本站不退款、不进行额外附加服务;查看《如何避免下载的几个坑》。如果您已付费下载过本站文档,您可以点击 这里二次下载。
- 4、如文档侵犯商业秘密、侵犯著作权、侵犯人身权等,请点击“版权申诉”(推荐),也可以打举报电话:400-050-0827(电话支持时间:9:00-18:30)。
- 5、该文档为VIP文档,如果想要下载,成为VIP会员后,下载免费。
- 6、成为VIP后,下载本文档将扣除1次下载权益。下载后,不支持退款、换文档。如有疑问请联系我们。
- 7、成为VIP后,您将拥有八大权益,权益包括:VIP文档下载权益、阅读免打扰、文档格式转换、高级专利检索、专属身份标志、高级客服、多端互通、版权登记。
- 8、VIP文档为合作方或网友上传,每下载1次, 网站将根据用户上传文档的质量评分、类型等,对文档贡献者给予高额补贴、流量扶持。如果你也想贡献VIP文档。上传文档
竭诚为您提供优质文档/双击可除
r语言实验报告总结
篇一:R语言实验心得模板
实验心得
姓名:杨辉
学号:132085124
接触R语言不久,一开始以为R语言很简单,很多时候只是一句代码的问题。但学起来才知道,不是那么一回事。看到不少同学问一些基础的问题,结合自己犯过的错,总结以下几条关于数据类型的学习心得:
(1)R语言中向量和矩阵的是不同的。一般人会认为向量就是一维(:r语言实验报告总结)的矩阵,但R语言不是这样操作,不同类型对应不同的操作。如dim()函数可返回矩阵的行、列数,但是dim()作用域一个向量,则会返回nuLL;同时,若将向量强制转化为矩阵,不是像显示向量时的行矩阵,而是一个列矩阵;
(2)R中矩阵提取行、列存在意外将维的问题。这其实和第一条有密切联系,进而导致些意外的错误。具体而言,若从矩阵中提取某一行出来,R会默认的将改行用向量存储,而不再是矩阵,而言导致涉及矩阵的操作出错。一个明显的例子就是apply(),该函数的第二个参数需要制定数据操作的维度,但若矩阵已不再是矩阵(转成向量),那么指定1、2都没有意义了。因此,矩阵提取时要注意,不要改变数据维度,常用的做法是设置drop=FALse,如从3*2的矩阵中提取第二行,应该为m[2,,drop=FALse];
(3)因子和数值的转化。这是个有趣的问题。假如c=(1,3,5)是个数值向量,将之转为因子类型是没有问题的,对应的水平也为1,3,5,但是若再次将因子转为数值时,转化后的结果不再是数据向量(1,3,5),而是(1,2,3),也就是说对因子转数值,默认的操作应该是对因子排序,然后依次转为连续的数值,而不是直接将显示的因子转为数值,此处需要格外注意。
篇二:R语言判别分析实验报告
R语言判别分析实验报告
班级:应数1201
学号名:麦琼辉
时间:20XX年11月28号
1实验目的及要求
1)了解判别分析的目的和意义;
2)熟悉R语言中有关判别分析的算法基础。
2实验设备(环境)及要求
个人计算机一台,装有R语言以及Rstudio并且带有mAss包。
3实验内容
企业财务状况的判别分析
4实验主要步骤
1)数据管理:实验对21个破产的企业收集它们在前两年的财务数据,对25个财务良好的企业也收集同一时期的数据。数据涉及四个变量:cF_TD(现金/总债务);nI_TA(净收入/总资产);cA_cL(流动资产/流动债务);cA_ns(流动资产/净销售额),一个分组变量:企业现状(1:非破产企业,2:破产企业)。
2)调入数据:对数据复制,然后在Rstudio编辑器中执行如下命令。
case5=read.table(‘clipboard’,head=T)
head(case5)
3)Fisher判别效果(等方差,线性判别lda):采用bayes方式,即先验概率为样本例数,相关的Rstudio程序命令如下所示。
library(mAss)
ld=lda(g~.,data=case5);ld#线性判别
ZId=predict(ld)
addmargins(table(case5$g,ZId$class))
4)Fisher判别效果(异方差,非线性判别--二次判别qda):再次采用bayes
方式,相关的Rstudio程序命令如下所示。
library(mAss)
qd=qda(g~.,data=case5);qd#二次判别
Zqd=predict(qd)
addmargins(table(case5$g,Zqd$class))
5实验结果
表1线性判别lda效果
新分类原分类12合计
124125
231821
合计271946
符合率91.30%
表2二次判别qda效果新分类原分类12合计124125221921合计262046符合率93.50%
由表1和表2可知,qda(二次判别---非线性判别)的效果比lda(一次判别)要好。
6实验小结
通过本次实验了解了判别分析的目的和意义,并熟悉R语言中有关判别分析的算法基础。
篇三:R语言学习总结
R语言学习总结
经过接近一个学期的学习,从对R语言的完全陌生,到现在对其有了一些粗浅的认识,其中经历了遇到困难苦思冥想的艰辛,也有解决问题以后豁然开朗的畅快。在学习的过程中,以前掌握的数理基础给我带来了不少便利,而认真地态度和踏实的性格也使我获益匪浅。
在这个学期中,我学会了R语言的基本操作和语法,以及针对具体的统计学问题相应的解决方法。并按时完成老师布置的课后作业,以达到学以致用的目的,也加强了对R语
文档评论(0)