240 发简信
IP属地:北京
  • 120
    ggplot2一页多图排版的简便方法

    更好的阅读体验>> 要想在同一页面上排列多个ggplot2图形,基本的R函数par() 和 layout()是无效的。解决方案之一是使用 gridExtra包中的一些函数来排...

  • 120
    【r<-高级】R-面向对象编程(一)

    内容:S3 借助面向对象的编码风格,并加以合理的抽象,我们可以简单地模仿对象的重要特性,于是,问题和模型之间的转换就变得清晰自然。 S3对象 S3对象系统是一个简单且宽松的面...

  • MIT的一门missing课程

    之前是在知乎的一篇文章里了解到了MIT的missing课程,这个课程主要是针对计算机系的未来将会成为码农的学生的课,但是这门课无关技术,或者是高深的理论,而是一门教学生如何使...

  • missing之bash脚本编写-2

    # 脚本的返回值或者运行结果 一般情况下,很多命令将一般信息打印到标准输出(STDOUT),将错误打印到标准错误输出(STDERR)。通常脚本会有返回码,这样就比较方便的控制...

  • my 欣

    我爱的数学和物理老师

    高一的时候,我们班的数学老师和物理老师都是当年新毕业的大学生,来到我们学校,那是他们第一次带学生。 年轻的教师因为比我们大不了多少,所以和我们有共同话题,数学老师知识扎实,认...

  • 最近想研究生理物理

    敬畏所有的技术工种

    一直以来,在计算机工业界有个鄙视链,即越底层的越处于鄙视链的高处,比如芯片设计,模拟电路,无线通信这些硬科技,总比互联网时髦的网页技术要高明,鄙人也有类似思想倾向。然而这几天...

  • 你好,我觉得是编码的问题
    你尝试一下:
    Sys.setlocale('LC_ALL','C')

    [R - ml]函数实现 bagging

    ipred包提供是了决策树的一个bagging实现 训练数据的模型已经相当好了!不过还是要用CV的方法,检验对未来数据的性能。 我们考虑用10-fold CV 下的 bagg...

  • [R - ml]聚类

    社交网络用户画像 美国的中学生在社交网站上的信息聚类 性别,年龄,有多少个朋友个人描述的内容谈论内容:足球、游泳、运动、毒品、饮酒、死亡... 女性占了大多数,还有些没性别,...

  • [R - ml]关联分析

    数据准备 9835条交易,也就是说大约327条每天,是一个不大也不小的店。对于交易数据arules提供了一个函数来处理(处理为稀疏矩阵) 9835行,169列。 itemFr...

  • [R - ml]推荐系统

    推荐系统 recommenderLab 针对realRatingMatrix, recommenderLab 提供了6中不同的推荐方法i.e random(随机推荐), po...

  • [R - ml]神经网络

    神经网络 对鸢尾花进行分类 iris 混凝土压力强度 数据准备 混凝土强度数据[https://archive.ics.uci.edu/ml/datasets/Concret...

  • [R - ml]函数实现 bagging

    ipred包提供是了决策树的一个bagging实现 训练数据的模型已经相当好了!不过还是要用CV的方法,检验对未来数据的性能。 我们考虑用10-fold CV 下的 bagg...

  • [R - ml]ensemble在各种模型中的使用

    ensemble的好处 避免纠缠于寻找单个最佳模型 更适合未来问题 大规模数据中性能提升,可以用并行处理 R 中随机森林的使用 随机森林是基于决策树的ensemble方法这个...

  • [R - ml]模型优化方法:bagging

    建立数据 线性模型 训练集和测试集 bagging 自定义一个 bagging 函数

  • mark ,离散数学有更新 `圈` 我

    蹭《离散数学》课程

    鄙人虽然不是CS科班出身,但是投身信息产业,干得基本都是CS的活儿,一直对《离散数学》跃跃欲试,耿耿于怀。今日终于有幸蹭到了RUC的《离散数学》。离散数学是计算机科学的超级基...

  • [R - ml] 分类

    OneR 单条规则 利用One R 规则 对mushroom 分类 数据准备 首先下载mushroom 数据 这里只用了一条rule,即odor,分别对应的含义为almond...

  • [R - ml] 决策树

    https://www.statmethods.net/advstats/cart.htmlhttps://blog.revolutionanalytics.com/2013...

个人介绍
Mohism AI Lab 研究员
主要研究方向:基础数学、概率论,数理统计、数理逻辑、经济学;
兴趣方向:Coffee,Physical,Sensory Culture,Impromptu,Mistake and Free。