r语言算法

① R语言，。。。如何写分半算法bisection algorithm和解释code

你的code是找n以下所有的质数
Q2: 你的循环条件就是sieve不能是空，所以不能是>1，一旦sieve空了，也就是sieve里的元素都能被p整除，循环停止。
Q3:这是R语言，没有0的index
Q4:return是函数返回值，primes就是储存n以下所有质数的向量，不返回这个返回啥。
Q5:stop就是当不满足if里的条件n>2时，错误信息提示：你的input value 必须大于等于2
Q6: 感觉这是道English 的题目，你是不是直接翻译过来的。直接把原题贴上来。
Q7: break加在sieve <- sieve [ (sieve %% p )!=0]的后面，整个code 的思想是2到100（我假设n=100），把2拿出来放到primes里，然后去掉2的倍数；接着把3push到primes里，之后去掉3的倍数；为什么没有4直接到5？因为在第一步4就被抹掉了(2的倍数)，接着5拿出来，然后去掉5的倍数。。。一直到最后一个数97 其实可以写个break条件，当p>=sqrt(100)就可以停止了，因为当时sieve里的2到100已经只剩下质数，为何你得自己想想。所以在第8行后面加：

if(p>=sqrt(n)) break #大大节省运算时间 原来是从2试到100，现在就2到10，快了好几倍
当然你输出的结果也得改一改 return(c(primes,sieve))

两分法求根你google一下不就有了，现在都2013年，还有维基网络

② r语言怎么实现antepiseeker算法

r语言怎么实现antepiseeker算法
实型变量分为：单精度（float型）、双精度（double型）和长双精度（long double型）三类。
在Turbo C中单精度型占4个字节（32位）内存空间，其数值范围为3.4E-38～3.4E+38，只能提供七位有效数字。双精度型占8 个字节（64位）内存空间，其数值范围为1.7E-308～1.7E+308，可提供16位有效数字。
类型说明符 比特数（字节数） 有效数字 数的范围
float 32（4） 6~7 10-37~1038
double 64(8) 15~16 10-307~10308
long double 128(16) 18~19 10-4931~104932
实型变量定义的格式和书写规则与整型相同。
例如：
float x,y; (x,y为单精度实型量)
double a,b,c; (a,b,c为双精度实型量)

③ 如何查看r语言加载包的具体算法

在console里面输入installpackages("quantmod")或者在菜单里找安装R包。如何查看r语言加载包的具体算法

④ R语言中实现层次聚类模型

R语言中实现层次聚类模型
大家好！在这篇文章中，我将向你展示如何在R中进行层次聚类。
什么是分层聚类？
分层聚类是一种可供选择的方法，它可以自下而上地构建层次结构，并且不需要我们事先指定聚类的数量。
该算法的工作原理如下：
将每个数据点放入其自己的群集中。
确定最近的两个群集并将它们组合成一个群集。
重复上述步骤，直到所有数据点位于一个群集中。
一旦完成，它通常由树状结构表示。
让我们看看分层聚类算法可以做得多好。我们可以使用hclust这个。hclust要求我们以距离矩阵的形式提供数据。我们可以通过使用dist。默认情况下，使用完整的链接方法。
这会生成以下树形图：

从图中我们可以看出，群集总数的最佳选择是3或4：

要做到这一点，我们可以使用所需数量的群集来切断树cutree。
现在，让我们将它与原始物种进行比较。
它看起来像算法成功地将物种setosa的所有花分为簇1，并将virginica分为簇2，但是与花斑杂交有困难。如果你看看显示不同物种的原始图，你可以理解为什么：

让我们看看我们是否可以通过使用不同的连接方法更好。这一次，我们将使用平均连接方法：
这给了我们以下树状图：

我们可以看到，群集数量的两个最佳选择是3或5.让我们用cutree它来将它降到3个群集。
我们可以看到，这一次，该算法在聚类数据方面做得更好，只有6个数据点出错。
我们可以如下绘制它与原始数据进行比较：
这给了我们下面的图表：

内部颜色与外部颜色不匹配的所有点都是不正确聚类的点。

⑤ R语言Knn算法中的训练集和测试集必须各占一半吗

这个不一定。之所以要分训练集和测试集是因为怕过度拟合（overfitting），所以需要一个测试集来检验确定 你建立的模型并不只是适合于这一组数据。我一般都是70%训练集30%测试集。当然，得看数据量有多大，以及复杂程度。只要训练集>=测试集，就不会错，但好不好得具体分析。如果数据量在1000以下的话，最好是k折交叉验证（基本上只要不是特别复杂的数据，都推荐k折交叉验证）。如果要是数据量大于10万的话，最好考虑80：20甚至90:10。

⑥ 怎么用R语言做LAR算法（最小角回归），EFRON在CERN上提供了LAR的软件包，但是不会用啊，求教

软件包安装下就OK了，不会的话直接使用R的帮助命令？LAR或者example(LAR)会给出例子。

⑦ R语言是什么

R语言是什么？为什么要使用R语言？历数R的优势与缺点

R编程语言在数字分析与机器学习领域已经成为一款重要的工具。随着机器逐步成为愈发核心的数据生成器，该语言的人气也必然会一路攀升。不过R语言当然也拥有着自己的优势与缺点，开发人员只有加以了解后才能充分发挥它的强大能力。

正如Tiobe、PyPL以及Redmonk等编程语言人气排名所指出，R语言所受到的关注程度正在快速提升。作为一款诞生于上世纪九十年代的语言，R已经成为S统计编程语言的一类实现方式。已经拥有十八年R编程经验的高校教授兼Coursera在线平台培训师Roger Peng指出，“R语言已经成为统计领域最具人气的语言选项”。

“我之所以喜爱R语言，是因为它易于从计算机科学角度出发实现编程，”Peng表示。而R语言随时间推移正呈现出愈发迅猛的发展态势，并成为能够将不同数据集、工具乃至软件包结合在一起的胶水型语言，Peng解释道。

“R语言是创建可重复性及高质量分析的最佳途径。它拥有数据处理所必需的一切灵活性及强大要素，”在线编程教育机构Code School数据科学家Matt Adams指出。“我用R语言编写的大部分程序实际上都是在将各类脚本整理到项目当中。”

R语言拥有强大的软件包生态系统与图表优势

R语言的优势主要体现在其软件包生态系统上。“庞大的软件包生态系统无疑是R语言最为突出的优势之一——如果某项统计技术已经存在，那么几乎必然存在着一款R软件包与之对应，”Adams指出。

“其中内置有大量专门面向统计人员的实用功能，”Peng表示。R语言具备可扩展能力且拥有丰富的功能选项，帮助开发人员构建自己的工具及方法，从而顺利实现数据分析，他进一步解释称。“随着时间的推移，越来越多来自其它领域的用户也被吸引到了R身边来，”其中包括生物科学乃至人文学科等。

“人们能够在无需申请权限的前提下对其进行扩展。”事实上，Peng回忆称多年之前R的使用方式就已经给相关工作带来了巨大便利。“当R语言刚刚诞生之时，它最大的优势就是以自由软件的姿态出现。其源代码以及所有一切都可供我们直接查看。”

Adams也表示，R语言在图形及图表方面的一切能够都是“无与伦比”的。其dplyr与ggplot2软件包分别用于进行数据处理与绘图，且“能够非常直观地提升我的生活质量，”他感叹道。

在机器学习方面，R语言的优势则体现在与学术界的强大联动效应，Adams指出。“在这一领域的任何新型研究成果可能都会马上以R软件包的形式体现出来。因此从这个角度看，R语言始终站在技术发展的尖端位置，”他表示。“这种接入软件包还能够提供良好的途径，帮助我们利用相对统一的API在R语言环境下实现机器学习研究。”Peng进一步补充称，目前已经有众多主流机器学习算法以R语言作为实现手段。

R的短板在于安全性与内存管理

说了这么多优势，R语言当然也存在着一定不足。“内存管理、速度与效率可能是R语言面临的几大最为严峻的挑战，”Adams指出。“在这方面，人们仍然需要努力推动——而且也确实正在推动——其进展与完善。此外，从其它语言转投R怀抱的开发人员也会发现后者在某些设定上确实有些古怪。”

R语言的基本原理来自上世纪六十年代出现的各类编程语言，Peng解释道。“从这个意义上讲，R语言在设计思路上属于一项古老的技术成果。”这种语言的设计局限有时候会令大规模数据集处理工作遇到难题，他强调称。因为数据必须被保存在物理内存当中——但随着计算机内存容量的不断提升，这个问题已经在很大程度上得到了解决，Peng指出。

安全等相关功能并没有被内置在R语言当中，Peng指出。此外，R语言无法被嵌入到网络浏览器当中，Peng表示。“我们不能利用它开发Web类或者互联网类应用程序。”再有，我们基本上没办法利用R语言当作后端服务器执行计算任务，因为它在网络层面缺乏安全性保障，他表示。不过Amazon Web Services云平台上的虚拟容器等技术方案的出现已经在很大程度上解决了此类安全隐患，Peng补充道。

长久以来，R语言当中始终缺少充足的交互元素，他表示。但以JavaScript为代表的各类编程语言介入其中并填补了这项空白，Peng指出。虽然我们仍然需要利用R语言处理分析任务，但最终结果的具体显示方式则可以由JavaScript等其它语言来完成，他总结道。

R语言并不单纯面向高端程序员

不过Adams与Peng都会R视为一种易于接受的语言。“我本人并没有计算机科学教育背景，而且从来没想过要当一名程序员。将编程基础知识纳入技能储备当然很不错，但这并不是上手R语言的必要前提，”Adams指出。

“我甚至并不认为R语言只适用于程序员。它非常适合那些面向数据并试图解决相关问题的用户——无论他们的实际编程能力如何，”

以上是小编为大家分享的关于 R语言是什么？的相关内容，更多信息可以关注环球青藤分享更多干货

⑧ 怎么学习用r语言进行数据挖掘

首先R是一种专业性很强的统计语言，如果想学得快一些的话，基本的统计学知识要懂，不然很多东西会掌握的比较慢。

掌握基本语法和操作，推荐国内的已经翻译的比如《R语言实战》《R语言编程艺术》，这个过程中最好结合一些小例子来做一些分析的东西。如果需要可视化的话，强烈不推荐学习R本身的作图系统，实在是太不友好了.....还是用ggplot2吧。

掌握了上面的，就可以深入一些了，如果是做数据分析和可视化，推荐《ggplot2：数据分析与图形艺术》，这个才是作图的神器啊.....如果是空间分析相关的，推荐《Applied Spatial Data Analysis with R》，这个如果可以的话看英文版，而且要有地学的一些知识背景，中文版翻译的太次了，尽量不要看。数据挖掘机器学习之类的，可以看看比如《数据挖掘与R语言》、《机器学习——实用案例解析》，不过我觉得这几本书没上面的那几本好，但是可以大概看看是咋回事，最好还是看看专门的相关书籍，熟悉各种算法和流程，到时候搜索R的package，照着文档和例子搞定，不是特别难。
-

⑨ R语言数据neuralnet包怎么选择L-M算法

Hmisc，主要用里面的recode函数来转换数据，比如把c("Jan", "Feb", "Mar")转换成1， 2， 3
reshape/reshape2，主要用来整理数据，做pivot table，方便进行下一步的统计或绘图
ggplot2，绘图
scales，用来生成特定的数据格式，比如百分数
R.matlab，以matlab支持的格式导出数据
dplyr，支持对data.frame的灵活操作，很方便！

⑩ R语言和Python的区别是什么

R语言和Python的区别：

1、适用场景

R适用于数据分析任务需要独立计算或单个服务器的应用场景。Python作为一种粘合剂语言，在数据分析任务中需要与Web应用程序集成或者当一条统计代码需要插入到生产数据库中时，使用Python更好。

2、任务

在进行探索性统计分析时，R语言比Python更好用。它非常适合初学者，统计模型仅需几行代码即可实现。Python作为一个完整而强大的编程语言，是部署用于生产使用的算法的有力工具。

3、数据处理能力

有了大量针对专业程序员以及非专业程序员的软件包和库的支持，不管是执行统计测试还是创建机器学习模型，R语言都得心应手。

Python最初在数据分析方面不是特别擅长，但随着NumPy、Pandas以及其他扩展库的推出，它已经逐渐在数据分析领域获得了广泛的应用。

4、开发环境

对于R语言，需要使用R Studio。对于Python，有很多Python IDE可供选择，其中Spyder和IPython Notebook是最受欢迎的。

(10)r语言算法扩展阅读

R语言的特点：

1、R是自由软件。这意味着它是完全免费，开放源代码的。可以在它的网站及其镜像中下载任何有关的安装程序、源代码、程序包及其源代码、文档资料。标准的安装文件身自身就带有许多模块和内嵌统计函数，安装好后可以直接实现许多常用的统计功能。

2、R是一种可编程的语言。作为一个开放的统计编程环境，语法通俗易懂，很容易学会和掌握语言的语法。而且学会之后，我们可以编制自己的函数来扩展现有的语言。

3、 所有R的函数和数据集是保存在程序包里面的。只有当一个包被载入时，它的内容才可以被访问。一些常用、基本的程序包已经被收入了标准安装文件中，随着新的统计分析方法的出现，标准安装文件中所包含的程序包也随着版本的更新而不断变化。

4、R具有很强的互动性。除了图形输出是在另外的窗口处，它的输入输出窗口都是在同一个窗口进行的，输入语法中如果出现错误会马上在窗口中得到提示，对以前输入过的命令有记忆功能，可以随时再现、编辑修改以满足用户的需要。