数据挖掘课R语言知识小结

• 数据挖掘课R语言知识小结

课程设计报告+PPT  答辩：6.25号


library(tidyverse)
# 判断x与x_unscale是否相等，精确度为0.1
near(x,x_unscale,tol = 0.1)

# 反scale
利用scale()函数，参数center=  scale()计算得到的 -center/scale
         参数scale=   scale()计算得到的 1/scale


# boxplot.stats():可以看到画出箱线图的具体的数据值 
# 长度为5的向量，包含下层晶须的极值、上四分位数、中值、下四分位数和上晶须的极值。
# fivenum():最小值、最大值、上四分位数、中值、下四分位数
# 两端取值不一样，即最小值、最大值的取值不一样

$`status`：反单引号
# 列名奇奇怪怪的时候，可以用反单引号`` 包含起来用

查准率和查全率：
    面积最大的点


标准价格的标准化距离：
    分子取中位数，即防止受异常值的影响

向量化运算：
    向量取值：V[1:10]  （把get操作应用于向量V的不同元素）
    向量赋值：V[1:10] <- seq(1,10)  （把set操作应用于一个序列与向量V的对应元素）
    apply系列：lapply(V, mean)  （跟python的map函数类似，是向量化最直接的表达形式）
    矩阵运算：A + B；A %*% B  （矩阵的基本运算也是向量化的典型形式）


留出法：
    70%：训练集
    30%：测试集

评估方法：
    k-折交叉检验