在用boosting tree的时候，用distribution=“bernoulli”的时候出现错误： Bernoulli requires the response to be in {0,1}我想把因变量的YES和NO全部转化成1和0试试。 其实在R里可以一条代码实现： ifelse(y == "yes", 1, 0)
啊啊啊啊啊吖
2018-11-07
文件读入错误：
> read.csv(file="D:\\Data\\rd\\01.csv",header=TRUE)
错误于make.names(col.names, unique = TRUE) :
'
啊啊啊啊啊吖
2018-11-07
a 如上图所示， 想让同一个sub条件下，SD==1 条件下的 rating_indif2 减去 SD==0 条件下的rating_indif2, 这样，每一个sub，计算出一个差值。 另外需要注意，数据中SD==1 和SD==0的条件并不一定是固定的前后顺序 能不能不使用循环就能实现计算？ 可以如下参考办法： df <- data.frame(sub=rep(26:28, each=2
啊啊啊啊啊吖
2018-11-07
R语言怎么把数据框每列分割成两列，然后合并成新的数据框？ 比如数据如下： kk <- matrix(c("CG","CC","GG","GG","CG","CG","CC","CG","CG","CC","GG","GG"),3,4) kk <- as.data.frame(kk) 把每一列的字符串分割成两个字符，然后各自成为新的列，再进行合并。 library(stringr) split
啊啊啊啊啊吖
2018-11-07
###Brown-Mood中位数检验（精确检验，正态近似，连续性修正后的正态近似） BM.test=function(x,y,alt) #alt:备择假设形式 { xy=c(x,y) md.xy=median(xy) t=sum(xy>md.xy) lx=length(x[x!=md.xy]) ly=length(y[y!=md.xy]) lxy=lx ly A=s
啊啊啊啊啊吖
2018-11-07
(1) 收集数据：可以使用任何方法。 (2) 准备数据：距离计算所需要的数值，最好是结构化的数据格式。 (3) 分析数据：可以使用任何方法。 (4) 训练算法：此步骤不适用于k-近邻算法。 (5) 测试算法：计算错误率。 (6) 使用算法：首先需要输入样本数据和结构化的输出结果，然后运行k-近邻算法判定输 入数据分别属于哪个分类，最后应用对计算出的分类执行后续的处理。
啊啊啊啊啊吖
2018-11-07
k-近邻算法采用测量不同特征值之间的距离方法进行分类。 它的工作原理是：存在一个样本数 据集合，也称作训练样本集，并且样本集中每个数据都存在标签，即我们知道样本集中每一数据 与所属分类的对应关系。输入没有标签的新数据后，将新数据的每个特征与样本集中数据对应的 特征进行比较，然后算法提取样本集中特征最相似数据（最近邻）的分类标签。一般来说，我们 只选择样本数据集中前k个最相似的数据，这就是k-近邻算
啊啊啊啊啊吖
2018-11-07
NumPy函数库中存在两种不同的数据类型（矩阵matrix和数组array），都可以用于处理行 列表示的数字元素。虽然它们看起来很相似，但是在这两个数据类型上执行相同的数学运算可 能得到不同的结果，其中NumPy函数库中的matrix与MATLAB中matrices等价。
啊啊啊啊啊吖
2018-11-06
开发机器学习应用程序通常遵循以下的步骤。 (1) 收集数据。我们可以使用很多方法收集样本数据，如：制作网络爬虫从网站上抽取数据、 从RSS反馈或者API中得到信息、设备发送过来的实测数据（风速、血糖等）。提取数据的方法非 常多，为了节省时间与精力，可以使用公开可用的数据源。 (2) 准备输入数据。得到数据之后，还必须确保数据格式符合要求，本书采用的格式是Python 语言的List。使用这种标准
啊啊啊啊啊吖
2018-11-06
必须考虑下面两个问题： 一、使用机器学习 算法的目的，想要算法完成何种任务，比如是预测明天下雨的概率还是对投票者按照兴趣分组； 二、需要分析或收集的数据是什么。 首先考虑使用机器学习算法的目的。如果想要预测目标变量的值，则可以选择监督学习算法， 否则可以选择无监督学习算法。确定选择监督学习算法之后，需要进一步确定目标变量类型，如 果目标变量是离散型，如是/否、 1/2/3、 A/B/C或者红/黄/
啊啊啊啊啊吖
2018-11-06
监督学习的用途： k-近邻算法 线性回归 朴素贝叶斯算法 局部加权线性回归 支持向量机 Ridge回归 决策树 lasso最小回归 无监督学习的用途 K-均值 最大期望算法 DBSCAN parzen窗设计
啊啊啊啊啊吖
2018-11-06
使用R语言计算了SPEI和spi指数，将其保存为了.rdata格式，请问如何将.Rdata文件转换为txt格式或者xls,csv等？ 在R或者Rstudio中操作： load(file="AAA.Rdata") # 路径自己指明 write(BBB,file="CCC.txt") #BBB 是加载Rdata后的对象名称
啊啊啊啊啊吖
2018-11-06
如何像打开csv格式的数据一样打开aa.Rdata？ 谢谢！！ 想查看全部的aa.Rdata中的数据， 因为这个数据有点多， 近百个变量， 近million行. aa=read.csv("aa.csv",header=TRUE,sep=",") aaa=save(aa,file="aa.Rdata") 数据量太大了， 用edit(card)
啊啊啊啊啊吖
2018-11-06
有个数据提取问题，描述如下： 图示为rdata里读取到的2012-2013年沪A数据 我的目标是，提取（每个股票 每个月）的头一个交易日和最后一个交易日所对应的数据 也就是红框里的这些行。 我知道得从第二列的date入手， 但是每个股票以及每个月的头一个交易日和最后一个交易日， 可能互不相同，没有固定日期 想麻烦高手们支个招，非常感谢 a 先把2012-01-29，分开year:2
啊啊啊啊啊吖
2018-11-06
想把我的数据进行一下转置，可是转置后，我的数据第一行的变量名称就变成数据了 library(tidyverse) long.jingji <- read.csv("C:\\Users\\lenovo\\Desktop\\csv\\中国宏观经济数据库-年度数据（全国）.csv",check.names = F,header=T) new.jingji <-as.data.frame(t(l
啊啊啊啊啊吖
2018-11-06
安装建议用rstudio安装（可以自动安装依赖包比较方便） a 安装后在控制台输入ggplot_shiny() a 有四种方式打开此界面 1 ggplot_gui(你的 dataframe) 2 使用自带数据集 ggplot_shiny() 3 上传你的数据文件 a 4 粘贴一些数据（需要"tidy"，依赖包里已包含） a 通过点击ggplot和plotly就可以制作图了（左侧 是数据参数
啊啊啊啊啊吖
2018-11-06
不管用R还是Python，然后是STL分解还是普通分解，分解出来画图是正常的，但是提取残差项和趋势项时全部是NA，只有季节项有数字，请问时怎么回事？可以怎么解决？ python：用的seasonal_decompose a 分解后画图正常，但是提取时全是NA，R也是类似的 a a
啊啊啊啊啊吖
2018-11-06
console： 将光标定位到控制台 Ctrl 2 Ctrl 2 清空控制台 Ctrl L Command L 将光标定位到行首 Home Command Left 将光标定位到行末 End Command Right 在历史命令中导航 Up/Down Up/Down 弹出历史命令框 Ctrl Up Command Up 中断当前命令的执行
啊啊啊啊啊吖
2018-11-05
啊啊啊啊啊吖
2018-11-05
