摘要: 一、playwith包简介playwith包提供了一个GTK+图形用户界面(GUI),使得用户可以编辑R图形并与其交互。playwith()函数允许用户识别和标注点、查看一个观测所有的变量值、缩放和旋转图形、添加标注(文本、箭头、线条、矩形、标题和标签)、修改视觉元素(颜色、文本大小等)、应用先前存... 阅读全文
posted @ 2015-05-12 14:39 机器学习算法与Python 阅读(1352) 评论(0) 推荐(0) 编辑
摘要: 16.2.4 图形参数在lattice图形中,lattice函数默认的图形参数包含在一个很大的列表对象中,你可通过trellis.par.get()函数来获取,并用trellis.par.set()函数来修改。show.settings()函数可展示当前的图形参数设置情况。查看当前的默认设置,并将它... 阅读全文
posted @ 2015-05-11 23:08 机器学习算法与Python 阅读(1708) 评论(0) 推荐(2) 编辑
摘要: 16.1 R 中的四种图形系统基础图形函数可自动调用,而grid和lattice函数的调用必须要加载相应的包(如library(lattice))。要调用ggplot2函数需下载并安装该包(install.packages("ggplot2")),第一次使用前还要进行加载(library(ggplo... 阅读全文
posted @ 2015-05-11 08:52 机器学习算法与Python 阅读(1113) 评论(0) 推荐(1) 编辑
摘要: 处理缺失数据的高级方法15.1 处理缺失值的步骤一个完整的处理方法通常包含以下几个步骤:(1) 识别缺失数据;(2) 检查导致数据缺失的原因;(3) 删除包含缺失值的实例或用合理的数值代替(插补)缺失值。缺失数据的分类:(1) 完全随机缺失:若某变量的缺失数据与其他任何观测或未观测变量都不相关,则数... 阅读全文
posted @ 2015-05-07 23:04 机器学习算法与Python 阅读(1355) 评论(1) 推荐(1) 编辑
摘要: 第十四章:主成分和因子分析本章内容主成分分析探索性因子分析其他潜变量模型主成分分析(PCA)是一种数据降维技巧,它能将大量相关变量转化为一组很少的不相关变量,这些无关变量称为主成分。探索性因子分析(EFA)是一系列用来发现一组变量的潜在结构的方法。它通过寻找一组更小的、潜在的或隐藏的结构来解释已观测... 阅读全文
posted @ 2015-05-06 22:12 机器学习算法与Python 阅读(5198) 评论(0) 推荐(3) 编辑
摘要: 调试第一种方法简单直接粗暴有效,就是用print把可能有问题的变量打印出来看看:>>> def foo(s):n= int(s)print '>>> n = %d' % nreturn 10 / n>>> def main():foo('0')>>> main()>>> n = 0Traceback... 阅读全文
posted @ 2015-05-06 11:31 机器学习算法与Python 阅读(2153) 评论(0) 推荐(0) 编辑
摘要: 12.4 置换检验点评除coin和lmPerm包外,R还提供了其他可做置换检验的包。perm包能实现coin包中的部分功能,因此可作为coin包所得结果的验证。corrperm包提供了有重复测量的相关性的置换检验。logregperm包提供了Logistic回归的置换检验。另外一个非常重要的包是gl... 阅读全文
posted @ 2015-05-04 23:30 机器学习算法与Python 阅读(2752) 评论(0) 推荐(1) 编辑
摘要: 第十二章:重抽样与自助法本章,我们将探究两种应用广泛的依据随机化思想的统计方法:置换检验和自助法12.1 置换检验置换检验,也称随机化检验或重随机化检验.有两种处理条件的实验,十个受试者已经被随机分配到其中一种条件(A或B)中,相应的结果变量(score)也已经被记录。实验结果如下:如果两种处理方式... 阅读全文
posted @ 2015-04-30 23:34 机器学习算法与Python 阅读(2439) 评论(0) 推荐(1) 编辑
摘要: 第十一章 中级绘图本节用到的函数有:plotlegendcorrgrammosaic11.2折线图如果将散点图上的点从左往右连接起来,那么就会得到一个折线图。创建散点图和折线图:> opar par(mfrow=c(1,2))> t1 plot(t1$age,t1$circumference,xla... 阅读全文
posted @ 2015-04-29 18:34 机器学习算法与Python 阅读(1843) 评论(0) 推荐(2) 编辑
摘要: 在绑定属性时,如果我们直接把属性暴露出去,虽然写起来很简单,但是,没办法检查参数,导致可以把成绩随便改:s = Student()s.score = 9999为了限制score的范围,可以通过一个set_score()方法来设置成绩,再通过一个get_score()来获取成绩,这样,在set_sco... 阅读全文
posted @ 2015-04-29 17:08 机器学习算法与Python 阅读(730) 评论(0) 推荐(1) 编辑