Round Here

> cttab # is a two dimensional table Voted.For.X.Last.Time # "Voted.For.X.Last.Time" dimension has 2 levels Vote.for.X No Yes # "Vote.for.X" dimension also has 2 levels (No, Yes) No 2 0 Not Sure 0 1 Yes 1 1 > class(cttab) # cttab is a class of table [1] "table" We would like to have a function "subtable" that does ; > st = subtable(cttab,list(Vote.for.X=c("No","Yes"), + Voted.for.X.Last.Time=c("..

For an old timer who had been doing some 2-D image processing stuff, the implementation below that simply gets the minimum of the upper half of the diagonal would be more recognizable mind

The "abalone.data" code is ; aba

Erratum in the "The art of R programming" Chapter3 blurpart

R에는 보통 다른 언어에 있는 " int i = 10 " 에서 i 같은 scalar 데이터 타입이 없다. R에서 쓰는 모든 값 또는 변수는 자료구조 (data structure) 의 특정 값이던가 또는 자료구조를 reference한다. 또한 R의 모든 자료구조는 어떤 클래스이다. 즉, R에서 모든 data type (R에서는 mode라고)은 자료구조로 되었있으며, 모든 값을 지닌 변수는 object이다. 그 중 가장 단순한 것이 vector이다. vector는 동일한 데이터 타입으로 된 element들의 일차원 배열이다. vector 내의 element들은 순서(index)를 갖는다. R의 index는 C/JAVA와 달리 '1' 부터 시작한다. 우리가 R에서 vector 변수를 치면 나오는 [x] 응답 ..

AdaBoost Ensemble ML AlgorithmRandom Forest 모델 만들기와 비슷하게 만듦우선 AdaBoost를 담을 environment 만듦> weatherADA evalq({ + data tt weatherADA. test predictADA 1 4 No 2 7 No 3 9 No 4 13 No 5 29 Yes 6 34 No 7 35 No 8 48 No 9 54 No 10 62 No 11 67 No 12 68 No 13 82 No 14 83 No 15 91 No 16 96 Yes 17 102 No 18 104 Yes 19 105 Yes 20 117 No 21 125 No 22 130 No 23 152 No 24 153 No 25 164 No 26 167 No 27 176 No 28 1..

random forest를 이용한 연습참고 :http://stat-www.berkeley.edu/users/breiman/RandomForests/http://cran.r-project.org/web/packages/randomForest/randomForest.pdfhttp://en.wikipedia.org/wiki/Random_forest-------------------------------------------------------------------------------------------------- 우선 random forest를 담을 environment 만듬> weatherRF evalq({ + data evalq({ + modelRF class(weatherRF$modelRF) [1..

> library(rpart) # rpart 패키지 로드> library(rattle) # rattle 패키지를 이용 > weatherDS = new.env() # decision tree를 담을 environment 생성> class(weatherDS) [1] "environment weather dataset을 읽음. "weather.csv" 파일이 e: 드라이브에 있다고 가정 > weather = read.csv("e:/weather.csv") > dim(weather) # weather : decision tree 적용 대상 dataset [1] 366 24 > names(weather) [1] "Date" "Location" "MinTemp" "MaxTemp" "Rainfall" "Evapora..

R로 로딩한 데이터를 깨끗이 정리하는 연습.앞서 로딩한 데이터를 "data"로 명명해서 햇갈리니 이름을 바꾸자.> weatherData = data # dim(weatherData) [1] 20 22 # 즉 row/record/observation 이 20개이고, column/field/variable 이 22개> class(weatherData) [1] "data.frame" # weatherData는 data.frame 즉 dataset 임. > names(weatherData) // weatherData data.frame이 아래 22개의 variable로 구성됨 [1] "" "Date" [3] "Minimum temperature (캜)" "Maximum temperature (캜)" [5] "R..

R을 이용해 어떤 데이터에 대해 통계작업을 하거나 데이터 마이닝을 하려면 그 작업 대상인 데이터가 당연히 있어야한다. 이 테이터를 data set이라 한다. R을 설치하면 퍽 많은 data set들이 함께 따라와 그것들을 이용해 R 연습을 할 수 있다. 또한 패키지를 깔면 함께 data set들이 따라 오는 경우도 많다. 그렇지만 실제 환경에서 R을 활용함은 실제 data set을 대상으로 하고 이것들을 R로 갖고와야 한다. 외부에서 데이터를 갖고오기를 연습해보자. 이런 데이터 import/export 설명 자료는 R 사이트 (http://www.r-project.org)의 Manuals/R Data Import/Export 에 가서 구한다.> today today [1] "201301"> dataSou..