Round Here

R 에서 쓰이는 데이터 타입들이 조금씩 헷갈린다. 다시 vector 부터 bottom-up 으로 정리해 보자.1. vector일련의 연속된 순서를 갖는 element 들로 만들어진 데이터 구조. 다른 언어에서 1차원 array를 연상하면 됨. 역시 마찬가지로 vector 내의 element들은 모두 같은 mode(data type) 이어야 함.R은 scalar 타입이 없으므로 R에서 scalar 같이 쓰인 것은 실제로 one-element 벡터임.> v str(v) int [1:12] 1 2 3 4 5 6 7 8 9 10 ... 위의 벡터 v의 모드는 integer이다. 벡터는 그 element들의 모드에 따라 integer, numeric(실수), character(string), logical(Boo..

> 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 and the Super Bowl of Classifiers A Tutorial Introduction to Adaptive Boosting Raúl Rojas Computer Science Department Freie Universität Berlin Christmas 2009 Abstract This note provides a gentle introduction to the AdaBoost algorithm used for generating strong classifiers out of weak classifiers. The mathe- matical derivation of the algorithm has been reduced to the bare essentials. So,..

* 찾아보니 우리나라에서도 R을 이용한 시도들이 있고 좋은 글 (참고-1, 참고-2, 참고-3) 도 많다. 나는 R에 관해 초보라 별로 보탤 것이 없지만 조그만 좌충우돌을 이곳에 남겨 나같은 초보들에게 도움이 되었으면 하고... AdaBoost를 설명/분석한 좋은 글들이 많지만 그 중에 가장 쉽게 설명되었다고 느낀 것을 더 쉽게 시도하려 한다. 쉽게 얘기하는 것도 좋은 능력이기에 이 또한 배워야 함을 느낀다. 아직 영어로 기술 글을 쓰는 것이 편리하기에 일단 영어로 써보자. This note is a modest effort to provide a gentler introduction on AdaBoost algorithm than already very accessible Raúl Rojas note...

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..