搜索：R语言

1.回归的多面性 回归类型 用途 简单线性 个量化的解释变量来预测一个量化的响应变量（一个因变量、一个自变量） 多项式 一个量化的解释变量预测一个量化的响应变量，模型的关系是n阶多项式（一个预测变量，但同时包含变量的幂） 多元线性 用两个或多个量化的解释变量预测一个量化的响应变量（不止一个预测变量） 多变量 用一个或多个解释变量预测多个响应变量 Logist…

在对不平衡的分类数据集进行建模时，机器学习算法可能并不稳定，其预测结果甚至可能是有偏的，而预测精度此时也变得带有误导性。

统计学中离群值被定义为离开大部分观测较远的样本点，多数是由于测量误差而产生。因此，数据分析中离群值的识别和移除（如有必要）是很重要的一个步骤。

R语言实现莆田医院的可视化…

在实际工作中，每个数据科学项目各不相同，但基本都遵循一定的通用流程。

我之所以在aribnb希望成为一名数据科学家是因为这里可以有一个非常多元化的团队来一起解决重要的现实问题。我们不仅仅在性别上多样化，而且在教育背景和工作经历也是霄壤之别。

随着网上购物的流行,各大电商竞争激烈,为了提高客户服务质量,除了打价格战外,了解客户的需求点,倾听客户的心声也越来越重要,其中重要的方式 就是对消费者的文本评论进行数据挖掘.今天通过学习《R语言数据挖掘实战》之案例：电商评论与数据分析，从目标到操作内容分享给大家。 本文的结构如下 1.要达到的目标 通过对客户的评论,进行一系列的方法进行分析,得出客户对于某个…

我们可以通过“统计套利”的方法，发现市场的无效性。

介绍 现代化数据科学中的 DataFrame 概念源起R语言，而 Python Pandas 和 Spark DateFrame 都是参考R设计的。不过在实际的网络数据通讯中，类似DateFrame这样的格式却并不是主流，真正主流的方式其实是JSON（JavaScript Online Notation），所以讨论如何处理非结构化数据就变得非常有意义了。加之…

最近有一些文章提出与年龄相关的问题：“ 崭露头角的年轻数据科学家们是学习R语言还是Python更好 “ 答案似乎都是“视情况而定”，在现实中没有必要在R和Python中做出选择，因为你两个都用得到。 它被称为RPy2： http://rpy.sourceforge.net/rpy2/doc-2.1/html/introduction.html 什…

摘要：这篇文章旨在更客观地看待这两门语言。我们会平行使用Python和R分析一个数据集，展示两种语言在实现相同结果时需要使用什么样的代码。这让我们了解每种语言的优缺点，而不是猜想。在Dataquest，我们教授两种语言，并认为两者在数据科学工具箱中都占据各自的地位。 我们将会分析一个NBA数据集，包含运动员和他们在2013-2014赛季的表现，可以在这里下载…

摘要：本文旨在介绍R语言中ggplot2包的一些精细化操作，主要适用于对R画图有一定了解，需要更精细化作图的人，尤其是那些刚从excel转ggplot2的各位，有比较频繁的作图需求的人。不讨论那些样式非常酷炫的图表，以实用的商业化图表为主。包括以下结构： 1、画图前的准备：自定义ggplot2格式刷2、画图前的准备：数据塑形利器dplyr / tidyr介绍…

摘要：我对如何开发和部署”Shiny-SparkR”的应用一直很感兴趣，本文目的将展示如何使用 SparkR 来驱动 Shiny 应用。 什么是SparkR SparkR是一个为R提供了轻量级的Spark前端的R包。 SparkR提供了一个分布式的data frame数据结构，解决了 R中的data frame只能在单机中使用的瓶颈，…

众所周知，当我们利用R语言处理大型数据集时，for循环语句的运算效率非常低。有许多种方法可以提升你的代码运算效率，但或许你更想了解运算效率能得到多大的提升。本文将介绍几种适用于大数据领域的方法，包括简单的逻辑调整设计、并行处理和Rcpp的运用，利用这些方法你可以轻松地处理1亿行以上的数据集。 让我们尝试提升往数据框中添加一个新变量过程(该过程中包含循环和判断…