R

学习R大概有两年的时间了，自己收集了很多关于学习R的网络资料和书籍，今天拿出来和大家分享。

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。

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。

在Python中调用R或在R中调用Python，为什么是“和”而不是“或”？

1、聚类 常用的包： fpc，cluster，pvclust，mclust 基于划分的方法： kmeans， pam， pamk， clara 基于层次的方法： hclust， pvclust， agnes， diana 基于模型的方法： mclust 基于密度的方法： dbscan 基于画图的方法： plotcluster， plot.hclust 基于验…

概述 在真实的数据科学世界里，我们会有两个极端，一个是业务，一个是工程。偏向业务的数据科学被称为数据分析(Data Analysis)，也就是A型数据科学。偏向工程的数据科学被称为数据构建(Data Building)，也就是B型数据科学。 从工具上来看，按由业务到工程的顺序，这个两条是：EXCEL >> R >> Python &g…

我们可以通过“统计套利”的方法，发现市场的无效性。

摘要：如果你从来没有编程经验，也没有比较熟悉的统计软件，那么学习R可能会比较困难。这个学习路径主要针对新手。关于R有很多优秀资源，这里介绍的一些在线课程、书籍和更多让你尽快学会R。 纲要： 步骤1：你为什么要学习R 步骤2：安装 步骤3：了解R的语法 步骤4：R的核心->包 步骤5：帮助系统 步骤6：数据分析工作流程 6.1导入数据 6.2数据操作 6…

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…