资源描述：
《R语言学习过程各种笔记.doc》由会员上传分享，免费在线阅读，更多相关内容在行业资料-天天文库。
1、.数据挖掘与数据分析的主要区别是什么？数据分析就是为了处理原有计算方法、统计方法，着重点就是数据、算法、统计、数值。数据挖掘是从庞大的数据库中分析出有目标数据群，筛选出利于决策的有效信息简单来说就是数据分析是针对以往取得的成绩，比如说哪方面做得好，哪方面需要改进；数据挖掘就是通过以前的成绩预测未来的发展的趋势，并且为决策者提供建议。 读excel时可以先复制再运行data<-read.table("clipboard",header=T,sep='t')在R语言中，使用“=”和“<-”到底有什么不同？就是等号和箭头号有什么区别，是完全一样还是局部不同？R里通常用
2、符号”<-”代替其它语言里的”=”来作赋值符号。因为前者敲起来比等号要麻烦，且大部分情况下两者是等价的，所以通常就愉懒依旧用”=”来赋值。但要切记两者在某些时候是有区别的。字面上的解释，可以认为”<-”是赋值，”=”是传值。在函数调用中，func(x=1)与func(x<-1)是有区别的，前者调用完后变量x不会被保留，而后者会在工作区里保留变量x=1。Word资料.再如length(x=seq(1,10))计算完成后x不会被保留，而length(x<-seq(1,10))计算完后你会在工作区里发现x这个变量。矩阵知识：1_矩阵的生成2_矩阵的四则运算3_矩阵的矩阵
3、运算4_矩阵的分解1_1将向量定义成数组向量只有定义了维数向量(dim属性)后才能被看作是数组.比如:>z=1:12;>dim(z)=c(3,4);>z;[,1][,2][,3][,4][1,]14710[2,]25811[3,]36912注意：生成矩阵是按列排列的。1_2用array()函数构造多维数组用法为：array(data=NA,dim=length(data),dimnames=NULL)Word资料.参数描述：data：是一个向量数据。dim：是数组各维的长度，缺省时为原向量的长度。dimname：是数组维的名字，缺省时为空。例子：>x=array(
4、1:20,dim=c(4,5))>x[,1][,2][,3][,4][,5][1,]1591317[2,]26101418[3,]37111519[4,]481216201_3用matrix()函数构造矩阵函数matrix)是构造矩阵(二维数组)的函数，其构造形式为matrix(data=NA，nrow=1，ncol=1，byrow=FALSE，dimnames=NULL)其中data是一个向量数据，nro、是矩阵的行数，ncol是矩阵的列数.当byrow=TRUE时，生成矩阵的数据按行放置，缺省时相当于byrow=FALSE，数据按列放置.dimname。是数组
5、维的名字，缺省时为空.如构造一个3x5阶的矩阵>A=matrix(1:15,nrow=3,byrow=TRUE)>A[,1][,2][,3][,4][,5][1,]12345Word资料.[2,]678910[3,]11121314152_矩阵的四则运算可以对数组之间进行四则运算(+、一、*、/)，这时进行的是数组对应元素的四则运算。一般情况下参加运算的矩阵或者数组的维数是相同的，但也可以计算不同维的，这是要将对应的元素补足。3_1转置运算对于矩阵A，函数t(A)表示矩阵A的转置，如：>A=matrix(1:6,nrow=2);>A;[,1][,2][,3][1,
6、]135[2,]246>t(A);[,1][,2][1,]12[2,]34[3,]563_2求方阵的行列式函数det()是求矩阵行列式的值，如>det(matrix(1:4,ncol=2));Word资料.[1]-23_3向量的内积对于n维向量x，可以看成nxl阶矩阵或lxn阶矩阵。若x与y是相同维数的向量，则x%*%Y表示x与y作内积.例如，>x=1:5;Y=2*1:5>x%*%y[，1][1，]110函数crossprod()是内积运算函数(表示交叉乘积)，crossprod(x,y)计算向量x与y的内积，即t(x)%*%y'。crossprod(x)表示x与
7、x的内积.类似地，tcrossprod(x,y)表示’x%*%t(Y)’，即x与y的外积，也称为叉积。tcrossprod(x)表示x与x作外积.如：>x=1:5;y=2*1:5;>crossprod(x);[,1][1,]55>crossprod(x,y);[,1][1,]110>tcrossprod(x);[,1][,2][,3][,4][,5]Word资料.[1,]12345[2,]246810[3,]3691215[4,]48121620[5,]510152025>tcrossprod(x,y);[,1][,2][,3][,4][,5][1,]246810
8、[2,]4
