面向统计研究的R编程.pptxVIP

个人简介

Kaggle比赛

HiggsBosonMLChallegeHiggsBosonML比赛HiggsBosonML比赛中要求参赛者在利用29个变量去对实验事件进行分类，将有物理意义的实验现象和背景噪声分开。

我的几次尝试图1提交Kaggle的成绩统计图，不同颜色表示不同的模型

Kaggle比赛的总结一个正确的模型还是很重要的！不过数据量还是可以压倒很多事情的！但是数据量上去了，计算能力也要上去啊！

统计研究的一种思路

带有SmartArt的标题和内容版式明确问题了解背景知识大致了解数据提出猜想问题的假设可能的解决方案验证猜想制定可行的研究方案数据实现修正方法和猜想总结成文写论文写博客

问题：编程难在哪里？

数据结构设计之难

我第一次修改R包的经验mvpart是实现多元分类树算法的一个R包，从rpart包发展而来（主要是在rpart的基础上添加了针对相应变量为多元变量的算法）图2mvpart包中定义树结构的头文件

我第一次创建R包的检验这是后来的开发的另外一个基于树算法的R包——edtree。用了S3类。利用list可以方便地在Rcpp中方便地转换。图3edtree中定义树结构的R代码

总结学术研究过程中的编程工作有着如下的特点：与工程界相比，代码规模一般更小；要求一定的可复用性；一定的软件工程能力是需要的设计适合的数据格式

Debug之难

最近的一个比较奇怪的例子图4图中提示找不到名为’PRI_tau_pt’的函数对象，但实际上’PRI_tau_pt’是用到的数据中的一个变量名。

建议与实例无他，唯手熟尔

善用搜索引擎

从修改别人的包开始

修改他人的包的好处学习良好的数据结构设计一定程度上减少工作量代码复用数据结构的一致性减少重构的代码量

使用好的工具

强大的Rstudio图4Rstudio集成了debug、文档生成和版本控制工具，堪称R语言开发瑞士军刀。

Rcpp：R与C++的桥梁Rcpp的优点：数据结构与R相似；自动的内存管理；扩展性强；图5SeamlessRandC++IntegrationwithRcpp本书中文版即将出版

清洗数据的能力

清洗数据有时候挺麻烦的表1一份来自临床医生的实验数据

Thankyou