R语言笔记完整版
【R筆記】R語言函數總結
R語言與數據挖掘：公式；數據；方法
R語言特征
對大小寫敏感
通常，數字，字母，. 和 _都是允許的(在一些國家還包括重音字母)。不過，一個命名必須以 . 或者字母開頭，并且如果以 . 開頭，第二個字符不允許是數字。
基本命令要么是表達式（expressions）要么就是 賦值（assignments）。
命令可以被 (;)隔開，或者另起一行。
基本命令可以通過大括弧({和}) 放在一起構成一個復合表達式（compound expression）。
一行中，從井號(#)開始到句子收尾之間的語句就是是注釋。
R是動態類型、強類型的語言。
R的基本數據類型有數值型（numeric）、字符型（character）、復數型（complex）和邏輯型（logical），對象類型有向量、因子、數組、矩陣、數據框、列表、時間序列。
基礎指令
程序輔助性操作：
運行
q()——退出R程序
tab——自動補全
ctrl+L——清空console
ESC——中斷當前計算
調試查錯
browser()和debug()——設置斷點進行，運行到此可以進行瀏覽查看（具體調試看browser（）幫助文檔（c,n,Q））
stop('your message here.')——輸入參數不正確時，停止程序執行
cat（）——查看變量？
幫助
help(solve)和?solve 等同
??solve——檢索所有與solve相關的信息
help("[[") 對于特殊含義字符，加上雙引號或者單引號變成字符串，也適用于有語法涵義的關鍵字 if，for 和 function
help(package="rpart")——查看某個包
help.start()——得到html格式幫助
help.search()——允許以任何方式（話題）搜索幫助文檔
example（topic）——查看某個幫助主題示例
apropos（"keyword"）——查找關鍵詞keyword相關的函數
RSiteSearch("onlinekey"， restrict=fuction)——用來搜索郵件列表文檔、R手冊和R幫助頁面中的關鍵詞或短語（互聯網）RSiteSearch('neural networks')
準備
文件目錄設置
setwd（<dir>）——設置工作文件目錄
getwd（）——獲取當前工作文件目錄
list.files()——查看當前文件目錄中的文件
加載資源
search()——通過search()函數，可以查看到R啟動時默認加載7個核心包。
基礎函數：數學計算函數，統計計算函數，日期函數，包加載函數，數據處理函數，函數操作函數，圖形設備函數
setRepositpries（）——選擇軟件庫（CRAN，Bioconductor，R-Forge），尋找安裝包的方法另看《【R筆記】尋找R的安裝包》
(.packages())——列出當前包
(.packages(all.available=TRUE))——列出有效包
install.packages（“<package>”）——安裝包
library（）和require（）——加載R包（package）至工作空間
data（）——列出可以被獲取到的存在的數據集(base包的數據集)
data（<datasets>，package=“nls”）——將nls包的datasets加載到數據庫中
批處理文件和結果重定向
source("commands.R")——執行commands.R （存放批處理命令的）腳本文件。
cat(<Rcommond>,file="")——可以把R命令輸出至外部文件，然后調用source函數進行批處理
do.call(<funcname>，<pars>)——調用函數，第一個參數<funcnames>指示調用函數字符串名稱，第二個參數包含調用所需參數的一個列表<pars>
sink("record.lis")——把后續的輸出結果從控制臺重定向到外部文件 record.lis 中
sink（）——把后續代碼輸出重新恢復到終端上展示
attach（<datafame>）——將數據框<datafame>中的變量鏈接到內存中，便于數據調用
detach()——對應attach(<datafame>)，取消變量的鏈接，detach()里沒有參數！
注：attach()和detach()均是在默認變量搜索路徑表中由前向后找到第一個符合變量名稱，因此之前若存在重名變量，有可能會出現問題！！！
數據處理
輸入輸出（讀入輸出數據、文件）
assign("x",c(1,2,3))和x <- c(1,2,3)和c(1,2,3)->x ——向量賦值
read.table（"infantry.txt", sep=" "， header=TRUE）——seq屬性用其它字符分割，比如文本文件用空格（tab）分隔，header設置為文件中已經存在表頭名稱
read.csv("targets.csv")——讀入csv（Comma Seperated Values）文件，屬性被逗號分割
read.csv(url("<link>"))——read.csv()和url()的合體，讀存在網上的數據
x <- scan(file="")——手動輸入數據，同時scan可以指定輸入變量的數據類型，適合大數據文件
scan("data.dat", what = list("", 0, 0))——what指定變量類型列表
readLines('http://en.wikipedia.org/wiki/Main_Page',n=10)——讀取文本文件，將文檔轉為以行為單位存放的list格式，比如讀取讀取wikipedia的主頁html文件的前十行
write.table(Data, file="file.txt", row.names = FALSE, quote=FALSE)——輸出，quote為FALSE去掉字符串類型的雙引號，write.table(stasum, "stasum.csv",row.names = FALSE,col.name=FALSE,sep=",",append=TRUE)
write.csv（data，file="foo.csv",row.names=FALSE）——寫成csv格式,row.names=FALSE去掉行號
print（）——打印
save.image（"./data.RData"）——把原本在計算機內存中（工作空間）活動的數據轉存到硬盤中。
load("./RData")——加載目錄中的*.RData，把文檔-詞項矩陣從磁盤加載到內存中
數據查看
通用對象
R是一種基于對象（Object）的語言，對象具有很多屬性（Attribute），其中一種重要的屬性就是類（Class），最基本的類包括了數值（numeric）、邏輯（logical）、字符（character）、列表（list），符合類包括矩陣（matrix）、數組（array）、因子（factor）、數據框（dataframe）。
class(<object>)和data.class(object)——查看對象object的類或類型
unclass()——消除對象object的類
基本數據類型
mode()——查看基本數據類型
length()——查看長度
as.<數據類型>——改變對象的數據類型
特殊屬性
attributes(<object>)——查看對象object各種屬性組成的列表
attr(<object>，“name”)——存取對象object的名為name的屬性
混合類型
邏輯類型+數值類型=數值類型
邏輯類型+字符類型=字符類型
數值類型+字符類型=字符類型
ls()和objects（）——查看當前工作空間中存在的對象（變量）
rm(list=ls())——刪除工作空間的所有對象
methods(x)——查看x函數的源碼，有些自帶函數輸入名稱x可以直接看到，有一些需要調用methods方法才能查看函數x的源碼，出現多重名，輸入對應名稱即可
str（）——查看數據（框）中的數據總體信息（比如樣本個數、變量個數、屬性變量名稱、類型）
nrow(dataframe)——查看數據集行數
NROW（vector）——查看向量的行數，等于length(x)
head(dataframe)——查看數據集前6行數據
tail(dataframe)——查看數據集尾6行數據
向量特征
邏輯向量運算：
TRUE，FALSE——全部大寫
isTRUE(x)——判斷x為TRUE
*|，&，！——或且非，注意是單個，不是&&！
ANY，ALL——任意，全部
數組和矩陣
train$var
train$new[train$var == NA] <- 1
Data[is.na(Data)] <- 0——數據框多維變量中給NA值賦值為0
apply（A，Margin，FUN，...）——A為矩陣，Margin設定待處理的維數，為1是橫排（行），為2是豎排（列）做運算，Fun是運算函數
sweep（x，2，apply（x，MARGIN=1，mean），FUN）——對數組或者矩陣進行運算。MARGIN=1表示行，2表示列；STATS統計量，如apply（x，MARGIN=1，mean），FUN函數運算默認為減法，“/”除法
y.vector<-with(data,get(yval))——表示在data數據框中讀取列名稱為yval的向量。
with(<data>，<colname|func>)——提取數據框中的某些參數做運算，對于數據框運算很方便
繪圖
plot()——繪制圖像
plot(<vecter_horizontal>, <vector_vertical>, pch=as.integer(<factors>)，col，xlab，ylab)——用factors區分圖像點的類型pch（圓的，三角，叉），col是顏色類別，xlab或者ylab對應橫縱軸標題
legend(<location="topright">,legend=<vector_labelname>,pch=1:3，cex=1，col)——圖例，<location>是位置（比如右上），<vector_labelname>圖例類別標簽名，pch是圖例對應標簽的類別id（向量），<cex>調整字體比例大小，顏色設置，legend("topright", levels(<factors>), pch=1:length(levels(factors)))
text(X，Y，labels=c(1,2,3),adj=1.2)——添加標注,X,Y是對應坐標的向量，labels是標記值，adj調整標注位置
abline(h = <int>，lty=2)——低級繪圖添加一條水平線h或者是回歸模型直線，垂線v；lty為2表示繪制虛線
abline(a,b)——畫一條y=a+bx的直線
points（x，y）————低級繪圖，畫個點，坐標為向量x，y
lines（x，y）——低級繪圖，畫一條線，坐標為向量x，y
axis(side=1，at=seq(from=0.7，by=1.2，length.out=7)，labels=c（...）)——繪制坐標軸，低級繪圖，side為2是縱坐標
barchart（）——lattice包預先要對數據匯總
barplot(<vector>)——繪制柱狀圖，vector可增加名稱。也可以繪制直方圖，和hist（）均分數據不太一樣，需要用table（）統計各個子分段下樣本數量后在畫圖。
mosaicplot（x~y，main，color=T，xlab，ylab）——柱形對應關系圖
contour(<matrix>)——創建等高線
persp(<matrix>，expand=0.2）——創建3D圖，expand擴展值設置為0.2，否則為全屏擴展
image（volcano）——加載柵格（矩陣）圖像
par（mfrow=c(1,2)，oma，mar）——mfrow設置圖形輸出窗口為1行2列，添加car包？oma是所有圖像距離邊框的距離(底部，左邊，頂部，右邊)，mar是每幅圖像對邊框的距離，默認是c(5, 4, 4, 2) + 0.1。
lines(data)——（低級）原圖中畫線，data是由散點(x，y)組成
rug（jitter（<data>），side =2）——檢驗離群點數據，rug（）原圖中執行繪圖繪制在橫坐標上，side為2是縱坐標，jitter(<data>)對繪制值略微調整，增加隨機排序以避免標記值作圖重合。
pairs(data)——數據框各個變量的散布圖
coplot(y~x|a+b)——多個變量時的散點圖，在a，b（向量或是因子）的劃分下的y與x的散點圖
scatterplotMatr()——散點圖矩陣，car包
identify（<data>）——交互式點選，單擊圖形中的點，將會輸出對應數據的行號，右擊結束交互
stem(x，scale=1，width=80，atom=1e-08)——莖葉圖,scale控制莖葉圖的長度，為2即是以0~4為一組，5~9為一組將個位分成兩部分，width是繪圖寬度，atom是容差
boxplot（）——箱圖，研究變量的中心趨勢，以及變量發散情況和離群值。上體頂部和底部為上下四分位數，中間粗線為中位數，上下伸出的垂直部分為數據的散步范圍，最遠點為1.5倍四分為點，超出后為異常點，用圓圈表示。boxplot(y~f,notch=TRUE,col=1:3,add=TRUE)#y是數據，f是由因子構成，notch是帶有切口的箱型圖，add=T圖疊加到上一幅圖。
plot（f，y）——箱線圖，f是因子，y是與f因子對應的數值
bwplot（<factor> ~ <y>，data，ylab）——lattice包的箱圖，繪制不同factor下的y的箱圖（條件繪圖，在某個因子取值集合下的y值變化）
bwplot（size~a1,data,panel=panel.bpplot,prob=seq(.01,.49,by=.01),datadensity=TRUE,ylab=''）——Hmisc包的分位箱圖
earth.count(na.omit（x）,number=4,overlap=1/5)——連續變量x的離散化，把x轉化為因子類型；number設置區間個數，overlap設置兩個區間靠近邊界的重合？每個區間的觀測值相等
stripplot(x1~y|x2)——lattice包的復雜箱圖，存在兩個因子x1,x2控制下的y, x2按照從左到右，從下到上的順序排列，左下方的x2值較小
palette()——col取值對應的顏色，"black" "red" "green3" "blue" "cyan" "magenta" "yellow" "gray"
colors（）——列出對應的顏色數組
qcc（）——qcc包，監控轉化率型指標的質量監控圖（P控制圖），監控異常點，前提是二項分布足夠大后趨于正態分布
mosaic（<tab>，shade=T，legend=T）——繪制三級列聯表，<tab>是三級列聯表或者公式，vcd包
curve（sapply(x,<func>)，<from>，<to>）——畫曲線圖，from和to設置橫坐標取值范圍
編輯
optim(c(0,0),<func>)——優化問題函數，c(0,0)是優化函數參數的初始值，返回值par是參數最優點值，value是參數的最優點時平方誤差值，counts是返回執行輸入函數func的次數以及梯度gradient的次數，convergence值為0表示有把握找到最優點，非0值時對應錯誤，message是一些其它信息。
curve（sapply(x,<func>)，<from>，<to>）——畫曲線圖，from和to設置橫坐標取值范圍
sample(length(x)，<size>，replace=F)——采樣，生成向量x的隨機順序的大小為<size>的新向量；replace為False為不重復抽樣，為True則重復抽樣
Round ——取整。精確
ceiling()——取整，偏向數值小的
floor() ——取整，偏向數值大的
%/% ——整除
colnames(Data)[4]="value"——更換某一列名
edit（）——編輯數據表格
fix（）——
rm（x，y）——移除對象（變量）x和y
na.exclude(<data>)——移除缺失數據整行
na.omit(<data>)——刪除缺失數據
attr（na.omit（<data>）,"na.action"）——返回向量a中元素為NA的下標
na.fail（）——如果向量中至少包括1個NA值，則返回錯誤；如果不包括任何NA，則返回原有向量
merge(x = targets, y = infanty)——合并數據框，x和y是待合并數據框，相同屬性字段也會合并在一起
merge(x, y, by = intersect(names(x), names(y)),by.x = by, by.y = by, all = FALSE, all.x = all, all.y = all,sort = TRUE, suffixes = c(".x",".y"),incomparables = NULL, ...)
merge函數參數的說明:
x,y:用于合并的兩個數據框
by,by.x,by.y:指定依據哪些行合并數據框,默認值為相同列名的列.
all,all.x,all.y:指定x和y的行是否應該全在輸出文件.
sort:by指定的列是否要排序.
suffixes:指定除by外相同列名的后綴.
incomparables:指定by中哪些單元不進行合并.
scale(x, center = TRUE, scale = TRUE)——中心化與標準化，center是中心化，scale是標準化。（全選：減去均值，再除以標準差）
cut(x，breaks=c(0,10,30)，labels，ordered_result=F)——連續數據的離散化，將向量依據breaks區間分割為因子向量。labels設置返回因子向量的水平標簽值，ordered_result為False生成的因子向量無大小意義，否則有大小意義
apply族函數
apply(A，MARGIN，FUN，...)——處理對象A是矩陣或數組，MARGIN設定待計算的維數，FUN是某些函數，如mean，sum
注：apply與其它函數不同，它并不能明顯改善計算效率，因為它本身內置為循環運算。
按列？
lappy(dataframe，FUN，list(median,sd))——處理對象是向量、列表或其它對象，輸出格式為列表list
sapply(dataframe$Filed，FUN)——與lapply()相似，輸出格式為矩陣（或數據框）
按行？
tapply(X, INDEX, FUN, simplify = TRUE)——處理分組數據, INDEX和X是有同樣長度的因子，simplify是邏輯變（量默認為T）
aggregate(x~y+z, data，FUN)和by()——和tapply功能類似
其余參看：apply函數族
plyr庫
ddply(Data，.(user_id，item_id)，summarize，liulan=sum(liulan)）——split-apply-combine的一體化函數；.(user_id，item_id)作為每行的一對標識ID（因子），前面的“.”號省略數據框名稱；summrize是一個函數fun；liulan是一個變量，最后生成的數據框只有user_id，item_id，liulan三列。詳情參見例子 R語言利器之ddply
transform(x，y)——將x和y的列轉換成·一個數據框。
reshape庫（reshape2）
melt（data，id.vars）——轉換數據溶解。修改數據組織結構，創建一個數據矩陣，以id.var作為每行的編號，剩余列數據取值僅作為1列數值，并用原列名作為新數值的分類標記。
cast（data, userid~itemid,value="rattings",fill=0）——統計轉換數據，生成矩陣，公式~左邊的作為行表名，右邊的作為列表名。之后可以用cor（）計算每列數據之間的相關系數，并計算距離。
acast 和 dcast（data, userid~itemid,value.var="rattings"）——同上，reshape2包，acast最后生成數組，dcase生成數據框。參見R語言進階之4：數據整形（reshape）
字符串處理
nchar()——獲取字符串長度，它能夠獲取字符串的長度，它也支持字符串向量操作。注意它和length()的結果是有區別的？什么區別
paste("a", "b", sep="")——字符串粘合，負責將若干個字符串相連結，返回成單獨的字符串。其優點在于，就算有的處理對象不是字符型也能自動轉為字符型。
strsplit(A，split='[,.]')——字符串分割，負責將字符串按照某種分割形式將其進行劃分，它正是paste()的逆操作。
substr(data,start,stop)——字符串截取，能對給定的字符串對象取出子集，其參數是子集所處的起始和終止位置。子集為從start到stop的下標區間
grep()——字符串匹配，負責搜索給定字符串對象中特定表達式 ，并返回其位置索引。grepl()函數與之類似，但其后面的"l"則意味著返回的將是邏輯值
regexpr（pattern,text）——從字符串text中提取特定的字符串的下標位置
gregexpr（）——只查詢匹配的第一個特定字符串的下標位置
gsub("a",1,<vector>)——字符串替代，負責搜索字符串的特定表達式，并用新的內容加以替代。
sub()函數——和gsub是類似的，但只替代第一個發現結果。
chartr( )——字符串替換函數
toupper( )、tolower( )及casefold( )——大小寫轉換函數
其余參見：R語言中的字符串處理函數
控制流
if—else——分支語句
switch(index,case1,case2,casen)——index指示跳到第i個casei中
for（i in <vecter>）——循環語句，通過控制變量i
while——循環語句，通過設定循環范圍
repeat—break——循環語句，無限循環，由break跳出
特殊數據對象
向量特性
向量數組初始小標序號從1開始
向量增加元素可以直接通過“vector[n+1]<-0”方式增加
a<-c()——向量初始化
vector <- numeric（<int>）——創建初始向量<int>個數，并賦初值為0
length（vector）<- leg——修改對象長度為leg
names(vector) <- c("A","B","C")——給向量起名稱
vector["A"]——通過名稱訪問對應元素
a == c(1, 99, 3)——比較每一個元素對應是否相等
c（0，1）——創建向量，向量內元素類型應一致！
seq（5，9）和5：9 ——連續向量，等差數列
seq（5，9，0.5）——以0.5為間隔創建
seq(from,to,length,by)
數據索引
which（is.na(var) == T）——返回對應數組序號
which.max() 和 which.min()——返回數值類型中最大和最小元素下標
subset（<data>,<condition>，<colname>）——索引，<data>是數據，<condition>是索引條件，colnames指定索引列名
match（x，table，nomatch，incomparables）——匹配函數，返回x對應值在table中是否存在，并從1開始編號。x是查詢對象，table是待匹配的向量，nomatch是不匹配項的設置值（默認為NA值），incomparables設置table表中不參加匹配的數值，默認為NULL
<x> %n% <y>——判斷x中是否包含y，返回x對應的邏輯值
排序
sort(x, decreasing = FALSE, na.last = NA, ...)——排序，單變量排序，輸出排序結果（不是序號）。na.last為TRUE，缺失值放在數據最后，為False 缺失值放在數據最前面，為NA，缺失數據將被移除
sort.list()——排序輸出序號值
order()——排序，多個變量數據框排序，返回數據框序號數。order例子【結】
結合ddply和transform函數，降序輸出并，輸出編號：ddply(dfx,.(group,sex),.fun=function(x){transform(x[order(x$age,decreasing=TRUE),c(1:3)],ind=1:length(group))})
rank()——秩排序，有重復數字的時候就用這個，根據數值之間的遠近輸出序號
rev()——依據下標從后往前倒排數據
unique（<dataframe>）——返回無重復樣本的數據集
duplicated（x）——查找重復數據，重復序號返回為TRUE
比較大小
pmin（x1,x2,...）——比較向量中的各元素，并把較小的元素組成新向量
pmax（x1,x2,...）——
向量間的交、并、補集
union(x, y)——（并集）合并兩組數據，x和y是沒有重復的同一類數據，比如向量集
intersect(x, y)——（交集）對兩組數據求交集，x和y是沒有重復的同一類數據，比如向量集
setdiff(x, y)——（補集）x中與y不同的數據，x和y是沒有重復的同一類數據，比如向量集，重復不同不記
setequal(x, y)——判斷x與y相同，返回邏輯變量，True為相同，False不同。x和y是沒有重復的同一類數據，比如向量集
is.element(x, y)和%n%——對x中每個元素，判斷是否在y中存在，TRUE為x，y重共有的元素，Fasle為y中沒有。x和y是沒有重復的同一類數據，比如向量集
Vectorize()——將不能進行向量化預算的函數進行轉化
矩陣
array（data=NA,dim=length(data),dimnames=null）——數組、矩陣初始化,dim是數組各維的長度dimnames是數組維的名字，默認為空，array(1:20, dim=c(4,5))。數組是多維的，dim屬性設置維數
matrix(0, 3, 4)——0為賦初值，3行，4列，存儲方式是先列后行！矩陣是二維的，用ncol和nrow設置矩陣的行數和列數。byrow設置存儲方式（默認列優先），若為TRUE則以行優先
dim（<vector>）<- c(2,3)——設置矩陣為2行3列
dimnames（）=list(c（<row>），c（<col>）)——設置參數行和列的名稱，以列表的形式進行輸入
matrix[ ,4]——矩陣第4列
as.vector(matrix)——將矩陣轉換成向量
a["name1","name2"]——矩陣以行和列的名稱來代替行列的下標，name1是行名，name2是列名
rbind（）——矩陣合并，按行合并，自變量寬度應該相等
cbind（）——矩陣合并，安列合并，自變量高度應該相等
t()——矩陣轉置
det()——行列式
solve（A，b）——求線性方程組Ax=b
solve（A）——求逆矩陣
eigen（A） ——求距陣的特征值與特征向量，Ax=(Lambda)x，A$values是矩陣的特征值構成的向量，A$vectors是A的特征向量構成的矩陣
*——矩陣中每個元素對應相乘
%*%——矩陣相乘
因子
因子和向量的區別：
向量里面存的元素類型可以是字符型，而因子里面存的是整型數值對應因子的類別（levels）
as.integer(<factors>)——因子可以轉化為整型
levels(<factors>)——查看因子類別
gl（n，k，length）——因子,n為水平數，k為重復的次數，length為結果的長度
factor(x，levels，labels)——因子
as.factror()——將向量轉化為無序因子，不能比較大小
as.order()——將向量轉化為有序因子
is.factor()——判斷是否為無序因子
is.order()——判斷是否為有序因子
列表和數據框
list()——列表
unlist()——列表轉化為向量
data.frame()——數據框
names(<dataframe>)——顯示數據框的列名稱
dataframe[[2]]和dataframe[["TheSec.Name"]]和dataframe$TheSec.Name——獲取數據框第二列的元素值
as.matrix(<dataframe>)[，1]——把數據框轉化為矩陣后，再去提取列向量
na和NULL的區別
is.na()——判斷na值存在，na是指該數值缺失但是存在。
is.null（）——判斷數據是否為NULL。NULL是指不存在，可以通過 train$var<-NULL 的方法去掉屬性變量var。
處理缺失數據na
1、將缺失部分剔除
2、用最高頻率值來填補缺失值
3、通過變量的相關關系來填補缺失值
4、通過探索案例之間的相似性來填補缺失值
公式
a:b——a和b的交互效應
a+b——a和b的相加效應
a*b——相加和交互效應（等價于a+b+a：b）
-b——去掉b的影響
1——y~1擬合一個沒有因子影響的模型（僅僅是截距）
-1——y~x-1表示通過原點的線性回歸（等價于y~x+0或者0+y~x）
^n——包含所有知道n階的交互作用（a+b+c）^2==a+b+c+a:b+a:c+b:c
poly(a,n)——a的n階多項式
I(x1+x2)——表示模型y=b（x1+x2）+a
數理統計
基礎知識
統計量
mean（x，trim=0,na,rm=FALSE）——均值，trim去掉x兩端觀測值的便利，默認為0，即包括全部數據，na.rm=TRUE允許數據中有缺失
weighted.mean(x，<weigth>)——加權平均值，weigth表示對應權值
median——中值
quantile(x，probs=seq(<start>,<end>,<diff>))——計算百分位數，是五數總和的擴展，probs設置分位數分位點，用seq(0,1,0.2)設置，表示以樣本值*20%為間隔劃分數據。
var（）——樣本方差（n-1）
sd——樣本標準差（n-1）
cov——協方差
cor——相關矩陣
fivenum(x,na.rm=TRUE)——五數總括：中位數，下上四分位數，最小值，最大值
數學函數
sum（x,y,z，na.rm=FALSE）——x+y+z，na.rm為TURE可以忽略掉na值數據
sum（x>4）——統計向量x中數值大于4的個數
rep（“LOVE！”，<times>）——重復times次，rep(1:3，c（1，2，3）)表示1個1，2個2，3個3組成的序列
sqrt（）——開平方函數
2^2 和 **——“^”冪運算
abs（）——絕對值函數
'%%'——表示求余
'%/%'——求商（整數）
exp ： 2.71828…
expm1 ： 當x的絕對值比1小很多的時候，它將能更加正確的計算exp(x)-1
log ： 對數函數（自然對數）
log10 ： 對數（底為10）函數（常用對數）
log2 ： 對數（底為2）函數
因為10>e>1，常用對數比自然對數更接近橫坐標軸x
log1p()——log（1+p），用來解決對數變換時自變量p=0的情況。指數和對數的變換得出任何值的0次冪都是1
特性：對數螺旋圖。當圖像呈指數型增長時，常對等式的兩邊同時取對數已轉換成線性關系。
sin ： 正弦函數
cos ： 余弦函數
tan ： 正切函數
asin ： 反正弦函數
acos ： 反余弦函數
atan ： 反正切函數
sinh ： 超越正弦函數
cosh ： 超越余弦函數
tanh ： 超越正切函數
asinh ： 反超越正弦函數
acosh ： 反超越余弦函數
atanh ： 反超越正切函數
logb ： 和log函數一樣
log1px ： 當x的絕對值比1小很多的時候，它將能更加正確的計算log(1+x)
gamma ： Γ函數（伽瑪函數）
lgamma ： 等同于log(gamma(x))
ceiling ： 返回大于或等于所給數字表達式的最小整數
floor ： 返回小于或等于所 給數字表達式的最大整數
trunc ： 截取整數部分
round ： 四舍五入
signif(x,a) ： 數據截取函數 x：有效位 a：到a位為止
圓周率用 ‘pi’表示
crossprod(A,B)——A %*% t(B) ，內積
tcrosspeod(A,B)——t(A) %*% B，外積
%*%——內積，a1b1+a2b2+...+anbn=a*b*cos<a,b>，crossprod(x)表示x與x的內積。||x||2，矩陣相乘
%o%——外積，a*b*sin<a,b>（矩陣乘法，叉積），tcrossprod(x,y)表示x與y的外積。*表示矩陣中對應元素的乘積！
向量內積（點乘）和向量外積（叉乘）
正態分布
dnorm（x，mean=0,sd=1,log=FALSE）——正態分布的概率密度函數
pnorm(x，mean=0,sd=1)——返回正態分布的分布函數·
rnorm（n，mean=0.sd=1）——生成n個正態分布隨機數構成的向量
qnorm()——下分為點函數
qqnorm（data）——畫出qq散點圖
qqline（data）——低水平作圖，用qq圖的散點畫線
qq.plot（<x>，main=''）——qq圖檢驗變量是否為正態分布
簡單分析
summary()——描述統計摘要，和 Hmisc()包的describe()類似，會顯示NA值，四分位距是第1個（25%取值小于該值）和第3個四分位數（75%取值小于該值）的差值（50%取值的數值），可以衡量變量與其中心值的偏離程度，值越大則偏離越大。
table(<datafame>$<var>)——統計datafame數據中屬性變量var的數值取值頻數(NA會自動去掉！)，列聯表
table(<data_var_1>, <data_var_2>)——比較兩個data_var，<data_var_1>為列，<data_var_2>為行，先列后行！
xtabs(formular，data)——列聯表
ftable( table())——三維列聯表
prop.table()——統計所占百分比例
prop.table(table(<data_var_1>, <data_var_2>)，<int>)——比較兩個data_var所占百分比，<int>填1位按行百分計算，2為列計算
margin.table( table()，<int> )——計算列聯表的邊際頻數（邊際求和）,<int>=1為按列變量
addmargin.table（table()，<int>）——計算列聯表的邊際頻數（邊際求和）并求和,<int>=1為按列變量
as.formula(<string>)——轉換為一個R公式，<string>是一個字符串
循環時的判斷語句：
ifelse(<test>, <yes>, <no>)——if，else的變種，test是判斷語句,其中的判斷變量可以是一個向量！yes是True時的賦值，no是False時的賦值
hist(<data>，prob=T，xlab='橫坐標標題'，main='標題'，ylim=0:1，freq，breaks=seq(0,550,2))——prob=T表示是頻率直方圖，在直角坐標系中，用橫軸每個小區間對應一個組的組距，縱軸表示頻率與組距的比值，直方圖面積之和為1；prob位FALSE表示頻數直方圖；ylim設置縱坐標的取值范圍；freq為TRUE繪出頻率直方圖，counts繪出頻數直方圖，FALSE繪出密度直方圖。breaks設置直方圖橫軸取點間隔，如seq(0,550,2)表示間隔為2，從0到550之間的數值。
density(<data>,na.rm=T)——概率密度函數（核密度估計，非參數估計方法），用已知樣本估計其密度,作圖為lines(density(data),col="blue")
ecdf（data）——經驗分布函數,作圖plot(ecdf(data),verticasl=FALSE,do.p=FALSE)，verticals為TRUE表示畫豎線，默認不畫。do.p=FALSE表示不畫點處的記號
假設檢驗
分布函數
shapiro.test(data)——正態W檢驗方法，當p值大于a為正態分布
ks.test(x,y)——經驗分布的K-S檢驗方法，比較x與y的分布是否相同，y是與x比較的數據向量或者是某種分布的名稱，ks.test(x, rnorm(length(x), mean(x), sd(x)))，或ks.test(x,"pnorm",mean(x),sd(x))
chisq.test(x，y，p)——Pearson擬合優度X2（卡方）檢驗，x是各個區間的頻數，p是原假設落在小區間的理論概率，默認值表示均勻分布,要檢驗其它分布，比如正態分布時先構造小區間，并計算各個區間的概率值，方法如下：
brk<-cut(x,br=c(-6,-4,-2,0,2,4,6,8))#切分區間
A<-table(brk)#統計頻數
p<-pnorm(c(-4,-2,0,2,4,6,8),mean(x),sd(x))#構造正態分布函數
p<-c(p[1],p[2]-p[1],p[3]-p[2],p[4]-p[3],p[5]-p[4],p[6]-p[5],p[7]-p[6])#計算各個區間概率值
chisq.test(A,p=p)
正態總體的均值方差
t.test(x，y，alternative=c("two.sided","less","greater")，var.equal=FALSE)——單個正態總體均值μ或者兩個正態總體均值差μ1-μ2的區間估計；alternative表示備擇假設：two.side（默認）是雙邊檢驗，less表示H1:μ<μ0，greater表示H1：μ>μ0的單邊檢驗(μ0表示原假設)；當var.equal=TRUE時，則是雙樣本方差相同的情況，默認為不同
var.test(x，y)——雙樣本方差比的區間估計
獨立性檢驗（原假設H0：X與Y獨立）
chisq.test(x,correct=FALSE)——卡方檢驗，x為矩陣，dim(x)=c(2,2)，對于大樣本（頻數大于5）
fisher.test()——單元頻數小于5，列聯表為2*2
相關性檢驗（原假設H0：X與Y相互獨立）
cor.test（x,y,method=c("pearson","kendall","spearman")）——相關性檢驗，觀察p-value小于0.05則相關。method選擇相關性檢驗方法
秩
rank()——秩統計量
cor.test（）——秩相關檢驗：Spearman，Kendall
wilcox.test(x,y=NULL，mu,alternative，paired=FALSE，exact=FALSE,correct=FALSE，conf.int=FALSE)——秩顯著性檢驗（一個樣本來源于總體的檢驗，顯著性差異的檢驗），Wilcoxon秩和檢驗（非成對樣本的秩次和檢驗）,mu是待檢測參數，比如中值，paired邏輯變量，說明變量x，y是否為成對數據，exact說民是否精確計算P值，correct是邏輯變量，說明是否對p值采用連續性修正，conf.int是邏輯變量，給出相應的置信區間。
uniroot(f，interval=c(1,2))——求一元方程根的函數，f是方程，interval是求解根的區間內，返回值root為解
optimize(）或 optimise（）——求一維變量函數的極小點
nlm（f，p）——求解無約束問題，求解最小值，f是極小的目標函數，p是所有參數的初值，采用Newton型算法求極小，函數返回值是一個列表，包含極小值、極小點的估計值、極小點處的梯度、Hesse矩陣以及求解所需的迭代次數等。
顯著性差異檢驗（方差分析，原假設：相同，相關性）
mcnemar.test(x,y，correct=FALSE)——相同個體上的兩次檢驗，檢驗兩元數據的兩個相關分布的頻數比變化的顯著性，即原假設是相關分布是相同的。y是又因子構成的對象，當x是矩陣時此值無效。
binom.test(x，n，p，alternative=c("two.sided","less","greater")，conf.level=0.95)——二項分布，符號檢驗（一個樣本來源于總體的檢驗，顯著性差異的檢驗）
aov（x~f）——計算方差分析表，x是與（因子）f對應因素水平的取值，用summary（）函數查看信息
aov（x~A+B+A：B）——雙因素方差，其中X~A+B中A和B是不同因素的水平因子（不考慮交互作用），A：B代表交互作用生成的因子
p.adjust()——P值調整函數
pairwise.t.test(x，g，p.adjust.method="holm")——多重t檢驗,p.adjust.method是P值的調整方法，其方法由p.adjust（）給出，默認值按Holm方法（”holm“）調整，若為”none“，表示P值不做任何調整。雙因素交互作用時g=A：B
shapiro.test（x）——數據的正態W檢驗
bartlett.test（x~f，data）——Bartlett檢驗，方差齊性檢驗
kruskal.test（x~f，data）——Kruskal-Wallis秩和檢驗，非參數檢驗法，不滿足正態分布
friedman.test(x，f1，f2，data）——Friedman秩和檢驗，不滿足正態分布和方差齊性，f1是不同水平的因子，f2是試驗次數的因子
常用模型
1、回歸模型
lm（y~.，<data>）——線性回歸模型，“.”代表數據中所有除y列以外的變量，變量可以是名義變量（虛擬變量，k個水平因子，生成k-1個輔助變量（值為0或1））
summary（）——給出建模的診斷信息：
1、數據擬合的殘差（Residual standard error，RSE），殘差應該符合N（0，1）正態的，值越小越好
2、檢驗多元回歸方程系數（變量）的重要性，t檢驗法，Pr>|t|, Pr值越小該系數越重要（拒絕原假設）
3、多元R方或者調整R2方，標識模型與數據的擬合程度，即模型所能解釋的數據變差比例，R方越接近1模型擬合越好，越小，越差。調整R方考慮回歸模型中參數的數量，更加嚴格
4、檢驗解釋變量x與目標變量y之間存在的依賴關系，統計量F，用p-value值，p值越小越好
5、繪圖檢驗plot(<lm>)——繪制線性模型，和qq.plot誤差的正態QQ圖
6、精簡線性模型，向后消元法
線性回歸模型基礎
lm（formula=x~y，data，subset）——回歸分析，x是因變量（響應變量），y是自變量（指示變量），formular=y~x是公式，其中若是有x^2項時，應把公式改寫為y~I(x^2)，subset為可選擇向量，表示觀察值的子集。例：lm(Y ~ X1 + X2 + I(X2^2) + X1:X2, data = data)
predict(lm(y~x)，new，interval=“prediction”，level=0.95)——預測，new為待預測的輸入數據，其類型必須為數據框data.frame，如new<-data.frame(x=7)，interval=“prediction”表示同時要給出相應的預測區間
predict(lm(y~x))——直接用用原模型的自變量做預測，生成估計值
篩選模型自變量
lm.new<-update(lm.sol，sqrt(.)~.)——修正原有的回歸模型，將響應變量做開方變換
update（<lm>, .~. - x1）——移除變量x1后的模型
coef(lm.new)——提取回歸系數
回歸診斷
1、正態性（QQ圖）
plot(x,which)——回歸模型殘差圖，which=1~4分別代表畫普通殘差與擬合值的殘差圖，畫正態QQ的殘差圖，畫標準化殘差的開方與擬合值的殘差圖，畫Cook統
norm.test（）——正態性檢驗，p-value>0.05為正態
計量的殘差圖
residuals()和resid()——殘差
rstandard()——標準化殘差
rstudent()——學生化殘差
influence.measures(model)——model是由lm或者glm構成的對象，對回歸診斷作總括，返回列表中包括，廣義線性模型也可以使用
anova（<lm>）——簡單線性模型擬合的方差分析（確定各個變量的作用）
anova（<lm1>,<lm2>）——比較兩個模型（檢驗原假設為不同）
2、誤差的獨立性——car包提供Duerbin_Watson檢驗函數
3、線性——car包crPlots（）繪制成分殘差圖（偏殘差圖）可以看因變量與自變量之間是否呈線性
4、同方差性——car包ncvTest（）原假設為誤差方差不變，若拒絕原假設，則說明存在異方差性
5、多重共線性——car包中的vif（）函數計算VIF方差膨脹因子，一般vif>2存在多重共線性問題
異常點分析（影響分析）
hatvalues（）和hat（）——帽子矩陣
dffits（）——DFFITS準則
cooks.distance()——Cook統計量，值越大越有可能是異常值點
covratio（）——COVRATIO準則
kappa（z，exact=FALSE）——多重共線性，計算矩陣的條件數k,若k<100則認為多重共線性的程度很小；100<=k<=1000則認為存在中等程度或較強的多重共線性；若k>1000則認為存在嚴重的多重共線性。z是自變量矩陣（標準化，中心化的？相關矩陣），exact是邏輯變量，當其為TRUE時計算精準條件數，否則計算近似條件數。用eigen（z）計算特征值和特征向量，最小的特征值對應的特征向量為共線的系數。
step()——逐步回歸，觀察AIC和殘差平方和最小，廣義線性模型也可以使用
add1()——前進法
drop()——后退法
stepAIC（sol,direction="backward"）——MASS包，可以實現逐步回歸（向前、向后、向前向后）
預測
predict（<sol>，<newdataframe>，level=0.95，interval="prediction"）——回歸預測，sol是模型，newdataframe是待預測數據框，level設置置信度，interval="prediction"表示結果要計算置信區間
glm(formula，family=binomial（link=logit），data=data.frame)——廣義線性模型，logit默認為二項分布族的鏈接函數，formula有兩種輸入方法，一種方法是輸入成功和失敗的次數，另一種像線性模型的公式輸入方式
predict(glm()，data.frame(x=3.5)，type="response")——預測廣義線性回歸模型，type=“response”表示結果為概率值，否則為預測值y
inv.logit（）——預測值y的反logit，boot包的函數
glmnet（）——正則化glm函數，glmnet包，執行結果的行數越前正則化越強。其輸出結果的意義是：
1）DF是指明非0權重個數，但不包括截距項。可以認為大部分輸入特征的權重為0時，這個模型就是稀疏的（sparse）。
2）%Dev就是模型的R2
3)超參數（lambda）是正則化參數。lambda越大，說明越在意模型的復雜度，其懲罰越大，使得模型所有權重趨向于0。
plot（lm(y~x)，which=1:4，caption=c(“Residuals vs Fitted”，“Normal Q-Q plot”，“Scale-Location plot”，“Cook's distance plot”)）——畫回歸模型殘差圖，which為1表示畫普通殘差與擬合值的殘差圖，2表示畫正態QQ的殘差圖，3表示畫標準化殘差的開方與擬合值的殘差圖，4表示畫Cook統計量的殘差圖；caption是圖題的內容。
avova(sol1,sol2,test="Chisq")——比較模型兩個模型，廣義線性模型可用卡方檢驗（分類變量），不拒絕原假設說明兩個沒有顯著差異，即用較少自變量模型就可以。
非線性模型
poly（想，degree=1）——計算正交多現實，x是數值向量，degree是正交多項式的階數，并且degree<length（x）樣本個數，例如建立二次正交式回歸模型：lm(y~1+poly（x，2）)
nls（formula,data,start）——求解非線性最小二乘問題，formula是包括變量和非線性擬合的公式，start是初始點，用列表形式給出
nlm(f，p)——非線性最小二乘，構造最小目標函數，方程移項2為0，f是極小的目標函數，p是所有參數的初值，采用Newton型算法求極小，函數返回值是一個列表，minimum的值便是極小值，estimate是參數的估計值。例如：
fn<-function(p,x,y){
f<-y-p[1]*exp(p[2]*x)
res<-sum(f^2)
}
nlm.sol<-nlm(fn,p=c(3,-0.1),x,y)
2、回歸樹
rpart( y ~.， <data>)——rpart包，回歸樹，葉結點目標變量的平均值就是樹的預測值。生成一棵樹，再做修剪（防止過度擬合），內部10折交叉驗證
printcp（<rt>）——查看回歸樹結果，rt是指rpart（）函數的運行結果模型，plotcp（<rt>）以圖形方式顯示回歸樹的參數信息
參數如下：
cp——當偏差的減少小于某一個給定界限值，默認0.01
minsplit——當結點中的樣本數量小于某個給定界限時，默認20
maxdepth——當樹的深度大于一個給定的界限值，默認30
prune（<rt>,cp）——自行設置cp值的建樹
snip.rpart(<rt>, c(4,7))——修剪，需要修剪的那個地方的是結點號c(4，7)，指出輸出樹對象來需要修剪的樹的結點號
snip.rpart(<rt>)——交互修剪，點擊結點，右擊結束
3、隨機森林
randomForest(y ~.， <data>)——組合模型，由大量樹模型構成，回歸任務采用預測結果的平均值。
4、支持向量機
svm(<formula>，<data>，gamma=1/ncol(<data>)，<cost>)——e1071包，回歸任務，<gamma>=0.01，<cost>=100違反邊際所引入的損失?
5、時間序列分析
ts(<data>, frequency=12, start=(2006,1))——把一個向量轉化為時間序列對象，<data>向量，frequency表示頻率，start表示時間起始點
decompose(<data>，type)——把時間序列分解成長期趨勢和周期性變化，<data>是設置了頻率（周期長度）的時間序列數據，type="additive"為累加形式：長期趨勢+周期性變化+隨機變化；"multiplicative"分解為累乘形式：長期趨勢*周期性變化*隨機變化。默認使用"additive"累加形式。函數返回值sol<-decompose()中，sol$trend是時間序列趨勢，seasonal是季節性周期變化，random是隨機誤差。
stl(<data>,"per")——分解時間序列，返回值sol<-stl()中，sol$time.series[, "seasonal"]讀取周期性序列seasonal，sol$time.series[, "trend"]讀取長期趨勢trend。誤差可以使用sol$time.series[,"remainder"]讀取。
增長率：
diff(data,lag=1)——差分，上下做差，lag控制變量上下間隔為1
ring.growth[t]=(data[t]-data[t-1])/data[t-1]——同比增長率，描述指標變化趨勢
sam.per.grown[t]=(data[t]-data[t-T])/data[t-T]——環比增長率，分析周期性變化，避免周期性變化給數據分析帶來的影響，T一般以周為單位
移動平均：
filter(x, filter, method=c("convolution", "recursive"), side=2,...)——線性過濾函數，x待轉化的向量數據，method=convolution（卷積方法）:使用x內部樣本組成線性模型（系數ai由filter參數設置的，side參數設置卷積方法是單邊或者雙邊），recursive（遞歸方法）:使用y內部樣本以及當前階段的x樣本組成線性模型（系數ai由filter設置）y遞歸[t]=x[t]+sum(ai*y[t-i])。side為1（單邊卷積）y卷積[t]=a1*x[t]+...+a(k+1)*x[t-k]，side為2（雙邊卷積）y卷積[t]=a1*x[t+m]+...+a(m+1)*x[t]
指數平滑:
sol<-HoltWinters(<data>)——實現二次平滑和三次平滑指數。
sol.forst<-forecast.HoltWinters(sol, h=12)——預測HoltWinters函數產生的模型的新時間序列，h表示頻率？預測未來12個月
plot.forecast(sol.forst, include=10)——繪制預測圖，include=10表明繪制預測前10個月的數據和未來12個月的預測數據
ARIMA模型
ymd()——lubridate包，將"年-月-日"格式的字符串轉換成日期對象，（可以比較前后時間）
自相關性
cov(data.frame(x,y))——協方差矩陣S
cor(data.frame(x,y))——相關系數矩陣R
rnorm（n，<mean>，<sd>）
arima.sim（n=100，list（ar=，ma=））——模擬100個樣本的模擬序列
lag.plot(data，lag=k，do.line=FALSE)——繪制原始數據和k階滯后的散點圖
acf（data，lag.max=16，ci.type="ma"）——計算并繪制自相關圖，0階自相關系數是rxx，所以恒等于1。ci.type="ma"主要是慨率acf的標準誤的問題，以使acf圖等準確。
pacf（data，lag.max=16）——偏自相關圖，消除Xt-1，...，Xt-k+1的影響后，研究Xt和Xt-k的相關性。
Box.test（data,type="Ljung-Box",lag=16，fitdf=p+q）——自相關性檢驗，p-value<0.05，標識數據data具有自相關，fitdf為自由度參數p+q
arima（data，order=c（p，d，q））——計算模型參數并建模，TSA包中，order設置AR過程的階數p，差分過程的d（用于穩定化）和MA過程的階數q。當p=d=0時，表示只使用MA過程對序列建模。結果sol<-arima（）調用predict(sol，n.ahead=5)$pred進行預測，n.ahead參數用于設置預測新階段的數據量（未來5個月），predict(...）$se標準誤差SE，用于計算預測范圍（預測范圍=預測值+-置信度（alpha）*標準誤差SE。
eacf(data)——根據凸顯中三角區域頂點的行坐標和列坐標分別確定ARMA的p和q
norm.test（）——正態性檢驗，p-value>0.05為正態
tsdiag（sol）——繪制模型殘差的散點圖、自相關圖和不同階數下的Box.test體檢驗p-value值
模型評估
RMSE（lm，<which>）——qpcR包中計算均方根誤差，計算子集subset
聚類分析
dist（x，method=”euclidean“）——計算距離
”euclidean“Euclid距離；
”maximum“——Chebyshev距離；
”manhattan“絕對值（馬氏）距離；
“canberra”Lance距離；
“minkowski”Minkowski閔式距離；
“binary”定性變量的距離
scale(x, center = TRUE, scale = TRUE)——中心化與標準化，center是中心化，scale是標準化。（全選：減去均值，再除以標準差）
hclust（d,method=“complete”）——系統聚類，d是又dist構成的距離結構，method是系統聚類的方法（默認為最長距離法）
“single”最短距離法“；
”complete“最長距離法；
”median“中間距離法；
”mcquitty“Mcquitty相似法；
”average“類平均法
”centroid“重心法
”ward“離差平法和法
plot（hclist（），hang=0.1）——譜系圖，hang表示譜系圖中各類所在的位置，hang取負值時，表示譜系圖從底部畫起。
as.dendrogram（hclust（），hang=-1）——將hclust得到的對象強制轉換為譜系圖
plot（x，type=c（”rectangle“，”triangle“），horiz=FALSE）——譜系圖，x為as.dendrogram返回的對象，type是指是矩形或是三角形，horiz是邏輯變量，當horiz為TRUE時，表示譜系圖水平放置。
as.dist()——將普通矩陣轉化為聚類分析用的距離結構
plclust（x，hang=0.1）——譜系圖，舊版停用，已被plot替換
rect.hclust（x，k，h，border）——在譜系圖（plclust（））中標注聚類情況，確定聚類個數的函數，x是由hclust生成的對象，k是類個數；h是譜系圖中的閾值，要求分成的各類的距離大于h；border是數或向量，標明矩形框的顏色；例如：rec.hclust（hclust()，k=3）
kmeans(x，centers，iter.max，nstart=1，algorithm)——K均值方法，centers是聚類的個數或者是初始類的中心，iter.max為最大迭代次數（默認為10），nstart是隨機集合的個數（當centers為聚類的個數時），algorithm為動態聚類算法，例如：km<-kmeans(scale(data),4,nstart=20)，返回值中，size表示各類的個數，means表示各類均值，Clustering表示聚類后分類情況？，可以用sort(kmeans()$cluser)對分類情況排序
主成分分析
princomp() 和 prcomp（）——主成分分析，結果的標準差顯示每一個主成分的貢獻率（成分方差占總方差的比例），返回值loadings每一列代表每一個成分的載荷因子
summary（x，loadings=FALSE）——提取主成分的信息，x是princomp（）得到的對象，loadings是邏輯變量，為TRUE表示顯示主成分分析原始變量的系數，False則不顯示。返回表中，Standard deviation是標準差，即方差或lambda的開方，Proportion of Variance表示方差的貢獻率，Cumulative Proportion表示累積貢獻率。
loadings(x)——顯示主成分或因子分析中loadings載荷的內容，主成分是對應割裂，即正交矩陣Q；因子分析中是載荷因子矩陣。x是princomp（）或者factanal（）得到的對象。
predict（x，newdata）——預測主成分的值，x是由princomp（）得到的對象，newdata是由預測值構成的數據框，當newdata為默認值時預測已有數據的主成分值。例如predict(<pca>)[,1]——用主成分的第一列作為原有數據的預測結果
screeplot(x，type=c（"barplot",”lines“))——主成分的碎石圖，確定主成分維數的選擇，x是由princomp（）得到的對象，type是描述畫出的碎石圖的類型，”barplot“是直方圖，”lines“是直線圖。
biplot（x，choices=1:2，scale=1）——畫關于主成分的散點圖和原坐標在主成分下的方向，x是由princomp（）得到的對象，choices選擇主成分，默認為第1、2主成分
factanal（x,factor,covmat=NULL，scores=c("none","regression","Bartlett")，rotation=”varimax“）——因子分析,factors是公因子的個數，covmat是樣本協方差和相關矩陣,scores因子得分方法，rotation表示旋轉，默認為方差最大旋轉
cancor（x，y，xcenter=TRUE，ycenter=TRUE）——典型相關分析，xcenter，ycenter是邏輯變量，為TRUE時做數據中心化
R包
rpart——決策樹算法
my_tree <- rpart（<formula>，<data>，<method>）——rpart(Survived ~ Sex + Age,
data=train, method="class")
rattle
rpart.plot
RColorBrewer
fancyRpartPlot(my_tree)——繪制更好看的決策樹
ggplot2——繪圖包
qplot(<vecter_horizontal>, <vector_vertical>, color = <factor> )——繪圖類似plot
dplyr——輸出處理包
tbl_df（）——將數據轉換為一種特殊的數據框類型tbl，類似（as.data.frame（）），僅是改變了顯示，數據結構沒有變化
glimpse（<tbl>）——類似str（）
hflights——飛行數據
數據集
data（）——查看R自帶數據列表
iris——鳶尾花數據集總共150行3種類別
iris3[1:50, 1:4, 1:3]——每50行一組，分3個類別分別
volcano——87x61 matrix with elevation value
模型函數
神經網絡
nnet()——在nnet包中BP神經網絡，存在一層的隱藏層。
參數：
size=0，設置隱藏層中神經元數，設置為0時，表示建立一層神經網絡？沒有隱藏層
Wts：初始系數，不設定則使用隨機數設定
linout：為TRUE時，模型輸出（目標變量）為連續型實數，一般用于回歸分析；如果為FALSE（默認取值）則輸出為邏輯數據，一般用于（目標變量為分類型）分類分析，也可以把linout設為TRUE再添加一個階躍函數轉為邏輯型輸出。
maxit：最大迭代次數iterations，默認為100次，一般盡量將maxit設置大于觀測結果final value上顯示的迭代次數。
skip：是否跳過隱藏層，如果為FALSE（默認），則不跳過
decay：加權系數的衰減
隱藏層中神經單元數目的確定
支持向量機
svm()——e1071包中回歸非線性
ksvm()——kernlab包中分類，分類時用的默認參數樹徑向基核函數
多元自適應回歸樣條
mars()——mda包
earth()——earth包，具有更多優勢
決策樹
RWeka包：C4.5（分類，輸入變量是分類型或連續型，輸出變量是分類型）
J48()
rpart包：分類回歸樹（CART）算法（輸入、輸出分類或連續變量）
rpart（）——擬合樹模型，參數xval設置k折交叉驗證
prune()——剪枝
party包：條件推理決策樹（CHAID）算法（輸入、輸出分類或連續變量）
ctree（）
隨機森林
randomForest包：分類與回歸樹的隨機森林
randomForest()——隨機森林，預測，分類，估計變量的重要性（通過計算每個變量被移除后隨機森林誤差的增加（選擇變量需要用到模型的信息，但用其它模型來做預測）
party包：條件推理決策樹的隨機森林
cforest()
時間序列
ts——在stats包中創建一個時間序列
xts包——時間序列
xts(<data>,<label>)——時間數列，可以是單元的也可以是多元的。<data>時間序列數據，<label>時間標簽。as.xts(read.zoo("abc.csv", header = T))
seq.POSIXct() 和 Date——標識時間信息的規格的類
index() 和 time()——獲取對象的時間標簽
coredata()——獲取時間序列的數值
貝葉斯分類
e1071包：
nativeBayes（）——樸素貝葉斯分類器，可以處理分類型和連續型自變量
knn
knn（）——class包
TTR包——技術指標集合
quantmod包——分析金融數據
tserise包
特殊字符
formula=y~.——"."是除y以外數據中的所有變量
function（fromula, train, test，...）——特殊參數“...",允許特定函數具有可變參數，這個參數結構是一個列表，用來獲取傳遞給前三個命名參數之后的所有參數。這個結構用于給實際模型傳遞所需要的額外參數。
<model.object>@pars——（模型）對象的屬性用操作符“@”訪問，比如對象object的屬性是pars
總結
- 上一篇： Plugin 插件体系
- 下一篇： ROSETTA使用技巧随笔--蛋白蛋白对