Enviar búsqueda
Cargar
Datamining R 1st
•
2 recomendaciones
•
417 vistas
S
sesejun
Seguir
Denunciar
Compartir
Denunciar
Compartir
1 de 15
Recomendados
Datamining r 1st
Datamining r 1st
sesejun
Sol3
Sol3
Esteban Parra
Minimax Algorithm
Minimax Algorithm
sulaiman_karim
ロマンティックな9つの数 #ロマ数ボーイズ
ロマンティックな9つの数 #ロマ数ボーイズ
Junpei Tsuji
ゲーム理論BASIC 演習2 -コアを求める-
ゲーム理論BASIC 演習2 -コアを求める-
ssusere0a682
素数は孤独じゃない(番外編) 第13回 数学カフェ「素数!!」
素数は孤独じゃない(番外編) 第13回 数学カフェ「素数!!」
Junpei Tsuji
Surds & indices in business mathematics
Surds & indices in business mathematics
Dr. Trilok Kumar Jain
9 chap
9 chap
Anantha Bellary
Recomendados
Datamining r 1st
Datamining r 1st
sesejun
Sol3
Sol3
Esteban Parra
Minimax Algorithm
Minimax Algorithm
sulaiman_karim
ロマンティックな9つの数 #ロマ数ボーイズ
ロマンティックな9つの数 #ロマ数ボーイズ
Junpei Tsuji
ゲーム理論BASIC 演習2 -コアを求める-
ゲーム理論BASIC 演習2 -コアを求める-
ssusere0a682
素数は孤独じゃない(番外編) 第13回 数学カフェ「素数!!」
素数は孤独じゃない(番外編) 第13回 数学カフェ「素数!!」
Junpei Tsuji
Surds & indices in business mathematics
Surds & indices in business mathematics
Dr. Trilok Kumar Jain
9 chap
9 chap
Anantha Bellary
ゲーム理論BASIC 演習6 -仁を求める-
ゲーム理論BASIC 演習6 -仁を求める-
ssusere0a682
Data Types
Data Types
Masters Academy
ゲーム理論BASIC 演習1 -3人ゲームのナッシュ均衡+α-
ゲーム理論BASIC 演習1 -3人ゲームのナッシュ均衡+α-
ssusere0a682
ゲーム理論BASIC 演習3 -安定集合を求める-
ゲーム理論BASIC 演習3 -安定集合を求める-
ssusere0a682
Data types
Data types
Masters Academy
Htdp01
Htdp01
Kyungryul KIM
ゲーム理論BASIC 演習7 -シャープレイ値を求める-
ゲーム理論BASIC 演習7 -シャープレイ値を求める-
ssusere0a682
The chain rule
The chain rule
Shaun Wilson
exam 1
exam 1
Russell Rawls
2621008 - C++ 4
2621008 - C++ 4
S.Ali Sadegh Zadeh
Kaggle Google Quest Q&A Labeling 反省会 LT資料 47th place solution
Kaggle Google Quest Q&A Labeling 反省会 LT資料 47th place solution
Ken'ichi Matsui
{tidytext}と{RMeCab}によるモダンな日本語テキスト分析
{tidytext}と{RMeCab}によるモダンな日本語テキスト分析
Takashi Kitano
ゲーム理論BASIC 演習30 -左右の靴ゲーム-
ゲーム理論BASIC 演習30 -左右の靴ゲーム-
ssusere0a682
Longest common sub sequence & 0/1 Knapsack
Longest common sub sequence & 0/1 Knapsack
Asif Shahriar
Compfuncdiff
Compfuncdiff
dianenz
Ch10
Ch10
kinnarshah8888
{shiny}と{leaflet}による地図アプリ開発Tips
{shiny}と{leaflet}による地図アプリ開発Tips
Takashi Kitano
【演習】Re:ゲーム理論入門 第11回 -非協力ゲームにおける交渉ゲーム-
【演習】Re:ゲーム理論入門 第11回 -非協力ゲームにおける交渉ゲーム-
ssusere0a682
第2回 基本演算,データ型の基礎,ベクトルの操作方法(解答付き)
第2回 基本演算,データ型の基礎,ベクトルの操作方法(解答付き)
Wataru Shito
第2回 基本演算,データ型の基礎,ベクトルの操作方法
第2回 基本演算,データ型の基礎,ベクトルの操作方法
Wataru Shito
R programming language
R programming language
Alberto Minetti
MATLAB ARRAYS
MATLAB ARRAYS
Aditya Choudhury
Más contenido relacionado
La actualidad más candente
ゲーム理論BASIC 演習6 -仁を求める-
ゲーム理論BASIC 演習6 -仁を求める-
ssusere0a682
Data Types
Data Types
Masters Academy
ゲーム理論BASIC 演習1 -3人ゲームのナッシュ均衡+α-
ゲーム理論BASIC 演習1 -3人ゲームのナッシュ均衡+α-
ssusere0a682
ゲーム理論BASIC 演習3 -安定集合を求める-
ゲーム理論BASIC 演習3 -安定集合を求める-
ssusere0a682
Data types
Data types
Masters Academy
Htdp01
Htdp01
Kyungryul KIM
ゲーム理論BASIC 演習7 -シャープレイ値を求める-
ゲーム理論BASIC 演習7 -シャープレイ値を求める-
ssusere0a682
The chain rule
The chain rule
Shaun Wilson
exam 1
exam 1
Russell Rawls
2621008 - C++ 4
2621008 - C++ 4
S.Ali Sadegh Zadeh
Kaggle Google Quest Q&A Labeling 反省会 LT資料 47th place solution
Kaggle Google Quest Q&A Labeling 反省会 LT資料 47th place solution
Ken'ichi Matsui
{tidytext}と{RMeCab}によるモダンな日本語テキスト分析
{tidytext}と{RMeCab}によるモダンな日本語テキスト分析
Takashi Kitano
ゲーム理論BASIC 演習30 -左右の靴ゲーム-
ゲーム理論BASIC 演習30 -左右の靴ゲーム-
ssusere0a682
Longest common sub sequence & 0/1 Knapsack
Longest common sub sequence & 0/1 Knapsack
Asif Shahriar
Compfuncdiff
Compfuncdiff
dianenz
Ch10
Ch10
kinnarshah8888
{shiny}と{leaflet}による地図アプリ開発Tips
{shiny}と{leaflet}による地図アプリ開発Tips
Takashi Kitano
【演習】Re:ゲーム理論入門 第11回 -非協力ゲームにおける交渉ゲーム-
【演習】Re:ゲーム理論入門 第11回 -非協力ゲームにおける交渉ゲーム-
ssusere0a682
La actualidad más candente
(18)
ゲーム理論BASIC 演習6 -仁を求める-
ゲーム理論BASIC 演習6 -仁を求める-
Data Types
Data Types
ゲーム理論BASIC 演習1 -3人ゲームのナッシュ均衡+α-
ゲーム理論BASIC 演習1 -3人ゲームのナッシュ均衡+α-
ゲーム理論BASIC 演習3 -安定集合を求める-
ゲーム理論BASIC 演習3 -安定集合を求める-
Data types
Data types
Htdp01
Htdp01
ゲーム理論BASIC 演習7 -シャープレイ値を求める-
ゲーム理論BASIC 演習7 -シャープレイ値を求める-
The chain rule
The chain rule
exam 1
exam 1
2621008 - C++ 4
2621008 - C++ 4
Kaggle Google Quest Q&A Labeling 反省会 LT資料 47th place solution
Kaggle Google Quest Q&A Labeling 反省会 LT資料 47th place solution
{tidytext}と{RMeCab}によるモダンな日本語テキスト分析
{tidytext}と{RMeCab}によるモダンな日本語テキスト分析
ゲーム理論BASIC 演習30 -左右の靴ゲーム-
ゲーム理論BASIC 演習30 -左右の靴ゲーム-
Longest common sub sequence & 0/1 Knapsack
Longest common sub sequence & 0/1 Knapsack
Compfuncdiff
Compfuncdiff
Ch10
Ch10
{shiny}と{leaflet}による地図アプリ開発Tips
{shiny}と{leaflet}による地図アプリ開発Tips
【演習】Re:ゲーム理論入門 第11回 -非協力ゲームにおける交渉ゲーム-
【演習】Re:ゲーム理論入門 第11回 -非協力ゲームにおける交渉ゲーム-
Similar a Datamining R 1st
第2回 基本演算,データ型の基礎,ベクトルの操作方法(解答付き)
第2回 基本演算,データ型の基礎,ベクトルの操作方法(解答付き)
Wataru Shito
第2回 基本演算,データ型の基礎,ベクトルの操作方法
第2回 基本演算,データ型の基礎,ベクトルの操作方法
Wataru Shito
R programming language
R programming language
Alberto Minetti
MATLAB ARRAYS
MATLAB ARRAYS
Aditya Choudhury
Attention-Based Adaptive Selection of Operations for Image Restoration in the...
Attention-Based Adaptive Selection of Operations for Image Restoration in the...
MasanoriSuganuma
[1062BPY12001] Data analysis with R / week 2
[1062BPY12001] Data analysis with R / week 2
Kevin Chun-Hsien Hsu
Datamining r 4th
Datamining r 4th
sesejun
Slides ads ia
Slides ads ia
Arthur Charpentier
IA-advanced-R
IA-advanced-R
Arthur Charpentier
Datastructure tree
Datastructure tree
rantd
R Matrix Math Quick Reference
R Matrix Math Quick Reference
Mark Niemann-Ross
Useful javascript
Useful javascript
Lei Kang
RではじめるTwitter解析
RではじめるTwitter解析
Takeshi Arabiki
Extending Operators in Perl with Operator::Util
Extending Operators in Perl with Operator::Util
Nova Patch
Data Munging in R - Chicago R User Group
Data Munging in R - Chicago R User Group
designandanalytics
Basic operations by novi reandy sasmita
Basic operations by novi reandy sasmita
beasiswa
Intoduction to numpy
Intoduction to numpy
Faraz Ahmed
Factoring common monomial
Factoring common monomial
AjayQuines
Lec38
Lec38
Nikhil Chilwant
Hiroaki Shiokawa
Hiroaki Shiokawa
Suurist
Similar a Datamining R 1st
(20)
第2回 基本演算,データ型の基礎,ベクトルの操作方法(解答付き)
第2回 基本演算,データ型の基礎,ベクトルの操作方法(解答付き)
第2回 基本演算,データ型の基礎,ベクトルの操作方法
第2回 基本演算,データ型の基礎,ベクトルの操作方法
R programming language
R programming language
MATLAB ARRAYS
MATLAB ARRAYS
Attention-Based Adaptive Selection of Operations for Image Restoration in the...
Attention-Based Adaptive Selection of Operations for Image Restoration in the...
[1062BPY12001] Data analysis with R / week 2
[1062BPY12001] Data analysis with R / week 2
Datamining r 4th
Datamining r 4th
Slides ads ia
Slides ads ia
IA-advanced-R
IA-advanced-R
Datastructure tree
Datastructure tree
R Matrix Math Quick Reference
R Matrix Math Quick Reference
Useful javascript
Useful javascript
RではじめるTwitter解析
RではじめるTwitter解析
Extending Operators in Perl with Operator::Util
Extending Operators in Perl with Operator::Util
Data Munging in R - Chicago R User Group
Data Munging in R - Chicago R User Group
Basic operations by novi reandy sasmita
Basic operations by novi reandy sasmita
Intoduction to numpy
Intoduction to numpy
Factoring common monomial
Factoring common monomial
Lec38
Lec38
Hiroaki Shiokawa
Hiroaki Shiokawa
Más de sesejun
RNAseqによる変動遺伝子抽出の統計: A Review
RNAseqによる変動遺伝子抽出の統計: A Review
sesejun
バイオインフォマティクスによる遺伝子発現解析
バイオインフォマティクスによる遺伝子発現解析
sesejun
次世代シーケンサが求める機械学習
次世代シーケンサが求める機械学習
sesejun
20110602labseminar pub
20110602labseminar pub
sesejun
20110524zurichngs 2nd pub
20110524zurichngs 2nd pub
sesejun
20110524zurichngs 1st pub
20110524zurichngs 1st pub
sesejun
20110214nips2010 read
20110214nips2010 read
sesejun
Datamining 9th association_rule.key
Datamining 9th association_rule.key
sesejun
Datamining 8th hclustering
Datamining 8th hclustering
sesejun
Datamining r 3rd
Datamining r 3rd
sesejun
Datamining r 2nd
Datamining r 2nd
sesejun
Datamining 6th svm
Datamining 6th svm
sesejun
Datamining 5th knn
Datamining 5th knn
sesejun
Datamining 4th adaboost
Datamining 4th adaboost
sesejun
Datamining 3rd naivebayes
Datamining 3rd naivebayes
sesejun
Datamining 2nd decisiontree
Datamining 2nd decisiontree
sesejun
Datamining 7th kmeans
Datamining 7th kmeans
sesejun
100401 Bioinfoinfra
100401 Bioinfoinfra
sesejun
Datamining 8th Hclustering
Datamining 8th Hclustering
sesejun
Datamining 9th Association Rule
Datamining 9th Association Rule
sesejun
Más de sesejun
(20)
RNAseqによる変動遺伝子抽出の統計: A Review
RNAseqによる変動遺伝子抽出の統計: A Review
バイオインフォマティクスによる遺伝子発現解析
バイオインフォマティクスによる遺伝子発現解析
次世代シーケンサが求める機械学習
次世代シーケンサが求める機械学習
20110602labseminar pub
20110602labseminar pub
20110524zurichngs 2nd pub
20110524zurichngs 2nd pub
20110524zurichngs 1st pub
20110524zurichngs 1st pub
20110214nips2010 read
20110214nips2010 read
Datamining 9th association_rule.key
Datamining 9th association_rule.key
Datamining 8th hclustering
Datamining 8th hclustering
Datamining r 3rd
Datamining r 3rd
Datamining r 2nd
Datamining r 2nd
Datamining 6th svm
Datamining 6th svm
Datamining 5th knn
Datamining 5th knn
Datamining 4th adaboost
Datamining 4th adaboost
Datamining 3rd naivebayes
Datamining 3rd naivebayes
Datamining 2nd decisiontree
Datamining 2nd decisiontree
Datamining 7th kmeans
Datamining 7th kmeans
100401 Bioinfoinfra
100401 Bioinfoinfra
Datamining 8th Hclustering
Datamining 8th Hclustering
Datamining 9th Association Rule
Datamining 9th Association Rule
Datamining R 1st
1.
R sesejun@is.ocha.ac.jp
2009/10/1
2.
R • http://r-project.org/
DL • Mac, Win, Linux • S-Plus • • Interactive shell • • :)
3.
•
Applications R • Version 2.6 ( ) • R project DL • 1+1[RET] > 1+1 > 8/3 [1] 2 [1] 2.666667 > 3*6 > as.integer(8/3) [1] 18 [1] 2 > 3^3 > 8%%3 [1] 27 [1] 2
4.
&
> c(1,2,3) [1] 1 2 3 > x <- 2 > c(1,2,3) + c(4,5,6) > y <- 3 [1] 5 7 9 > x*y > c(1,2,3) * c(4,5,6) [1] 6 [1] 4 10 18 > x^y [1] 8 > c(1,2,3) * 2 [1] 2 4 6 > c(1,2,3) / 2 [1] 0.5 1.0 1.5 > v <- c(1,2,3) > w <- v + 3 > w [1] 4 5 6 > v*w [1] 4 10 18
5.
> v <-
c(3,2,5,7,2,4,3,1,4) > length(v) [1] 9 > max(v) [1] 7 > min(v) [1] 1 > mean(v) [1] 3.444444 > median(v) [1] 3 > unique(v) [1] 3 2 5 7 4 1 > sort(v) [1] 1 2 2 3 3 4 4 5 7 > order(v) [1] 8 2 5 1 7 6 9 3 4 > hist(v) > help(max)
6.
> v <-
c(3,2,5,7,2,4,3,1,4) > hist(v, main="My First Histgram", col="gray") > hist(v, col="gray", main="My First Histgram") > w <- sort(v) > plot(v,w) > plot(w,v)
7.
> seq(1,4) [1] 1
2 3 4 > 1:4 [1] 1 2 3 4 > seq(1,5,by=2) [1] 1 3 5 > rep(1,4) [1] 1 1 1 1 > rep(1:3,2) [1] 1 2 3 1 2 3 > v <- c(3,2,5,7,2,4,3,1,4) > v[1] [1] 3 > v[c(1,3,5)] [1] 3 5 2 > v[c(5,3,1)] [1] 2 5 3 > v[c(F,F,T,T,F,F,T,T,F)] [1] 5 7 3 1
8.
> x
<- 3 > x [1] 3 > x == 3 [1] TRUE > x == 5 [1] FALSE > x < 5 [1] TRUE > v <- c(3,2,5,7,2,4,3,1,4) > v == c(3,3,3,3,3,3,3,3,3) [1] TRUE FALSE FALSE FALSE FALSE FALSE TRUE FALSE FALSE > v == 3 [1] TRUE FALSE FALSE FALSE FALSE FALSE TRUE FALSE FALSE > v < 3 [1] FALSE TRUE FALSE FALSE TRUE FALSE FALSE TRUE FALSE
9.
> v <-
c(3,2,5,7,2,4,3,1,4) > v < 3 [1] FALSE TRUE FALSE FALSE TRUE FALSE FALSE TRUE FALSE > v[v<3] [1] 2 2 1 > v[v>3] [1] 5 7 4 4 > v[v>3 & v<7] [1] 5 4 4 > (1:length(v))[v<3] [1] 2 5 8 > sum(v>3) [1] 4 > v %in% c(2,3,4) [1] TRUE TRUE FALSE FALSE TRUE TRUE TRUE FALSE TRUE > v[v %in% c(2,3,4)] [1] 3 2 2 4 3 4
10.
> runif(10,min=0,max=1) [1]
0.45189074 0.15543373 0.04654874 0.56946222 0.06086409 [6] 0.64340708 0.91820279 0.28365751 0.91056890 0.61600679 > n <- 10 > hist(runif(n,min=0,max=1), main=paste("n=",n,sep="")) > n <- 10000 > hist(runif(n,min=0,max=1), main=paste("n=",n,sep=""))
11.
. > n <-
10 > x <- runif(n,min=0,max=1) > x [1] 0.9308879 0.6457174 0.7480667 0.9277555 0.2432229 0.7852049 [7] 0.9005295 0.3948717 0.3442392 0.7808671 > x < 0.3 [1] FALSE FALSE FALSE FALSE TRUE FALSE FALSE FALSE FALSE FALSE > sum(x < 0.3) [1] 1 > sum(x < 0.3)/n [1] 0.1 > n <- 10000 > x <- runif(n,min=0,max=1) > sum(x < 0.3)/n [1] 0.3013 > n <- 10000 > x <- rnorm(n,mean=0,sd=1) > sum(x < 0.3)/n [1] 0.6125 > sum(x > 1.0)/n [1] 0.1591
12.
> m <-
matrix((1:9)**2,nrow=3) > m [,1] [,2] [,3] [1,] 1 16 49 [2,] 4 25 64 [3,] 9 36 81 > m[c(2,3),c(2,3)] [,1] [,2] [1,] 25 64 [2,] 36 81 > m[2,] [1] 4 25 64 > m[c(1,2),] [,1] [,2] [,3] [1,] 1 16 49 [2,] 4 25 64 > m[,2] [1] 16 25 36 > m<50 [,1] [,2] [,3] [1,] TRUE TRUE TRUE [2,] TRUE TRUE FALSE [3,] TRUE TRUE FALSE
13.
> m <-
matrix((1:9)**2,nrow=3) > solve(m) [,1] [,2] [,3] [1,] 1.291667 -2.166667 0.9305556 [2,] -1.166667 1.666667 -0.6111111 [3,] 0.375000 -0.500000 0.1805556 > eigen(m) $values [1] 112.9839325 -6.2879696 0.3040371 $vectors [,1] [,2] [,3] [1,] -0.3993327 -0.8494260 0.7612507 [2,] -0.5511074 -0.4511993 -0.6195403 [3,] -0.7326760 0.2736690 0.1914866 > v <- c(3,2,5,7,2,4,3,1,4) > t(v) %*% v [,1] [1,] 133
14.
R •
R ≠ • • if for • R • • apply family ( R apply, sapply, lapply ) • •
15.
•
R WEB • R-Tips: • http://cse.naro.affrc.go.jp/takezawa/r-tips/r.html • RjpWiki • http://www.okada.jp.org/RWiki/ • R