简介
1
R语言基础
1.1
R基本对象和属性
1.1.1
工作环境
1.1.2
R语言赋值符号
1.1.3
五种基本对象
1.1.4
特殊对象
1.2
R语言基础算术
1.3
对象的属性
1.3.1
因子对象
1.3.2
运行其他文件的R脚本
2
R语言函数
2.1
第一个函数
2.1.1
为什么用函数
2.1.2
函数的返回值
2.1.3
查询函数的文档
2.2
函数参数匹配
2.2.1
...
参数
2.3
R的范围规则
3
R语言逻辑判断与循环
4
向量化操作
5
取子集方法
6
日期和时间
7
数据导入
8
数据清理
9
Dplyr
10
Tidyr
11
ggplot2其一
12
ggplot2其二
13
抽样
14
线性回归
15
非线性回归
16
假设检验
17
监督学习
18
无监督学习
19
R语言爬虫
I 网络分析
20
Network Analysis in R
20.1
Basic Concepts and Applications
20.1.1
Basic Concepts about Graph
20.1.2
Add and Visualizing attributes
20.1.3
Network Visualization
20.2
Directed networks
20.2.1
Basic Concepts
20.2.2
Relationships between edges
20.2.3
Relationships between vertices
20.2.4
Identifying key vertices
20.3
Network Structure
20.3.1
Basic Structure metrics
20.3.2
Random graphs
20.3.3
Randomization test
20.3.4
Substructures’ metrics
20.3.5
Visualize largest cliques
20.4
Do birds of a feather flock together?
20.4.1
Community detection
20.4.2
Interactive network visualizations
21
Network analysis prediction
21.1
具有标签的网络
21.1.1
节点添加标签
21.1.2
不同的标签设置颜色
21.1.3
取出特定标签
21.1.4
领近关系分类
21.1.5
集体推理分类
21.2
同性偏好的指标
21.2.1
边的连接性
21.2.2
二重性(Dyadicity)
21.2.3
异质性(Heterophilicity)
21.2.4
结论
21.3
网络的特征
21.3.1
更换数据
21.3.2
邻接矩阵
21.3.3
基于链接的特征
21.3.4
节点的特征提取
21.3.5
使用邻接矩阵计算特征的平均值
21.4
PageRank算法
21.4.1
个性化排名
21.4.2
提取不同系数的排名
21.5
提取特征信息
21.5.1
转换为数据框
21.5.2
相关系数
21.6
预测模型
21.6.1
划分数据集
21.6.2
创建模型
22
Network Analysis examples
23
使用xts和zoo操作时间序列数据
23.1
简介
23.1.1
第一个时间序列对象
23.1.2
基础操作
23.1.3
基于时间的简单索引
23.1.4
导入与转换数据类型
23.2
时间索引
23.2.1
时间段索引
23.2.2
时间索引与更新
23.2.3
时间序列的头和尾索引
23.2.4
窗口函数
23.2.5
时间序列其他频率
23.2.6
时间序列的矩阵运算
23.3
融合和修正时间序列
23.3.1
按行或列的融合
23.3.2
处理缺失值
23.3.3
滞后和差分
23.4
按时间应用和聚合
23.4.1
时间上的应用
23.4.2
时间上的聚合
23.4.3
窗口滚动函数
23.5
xts包的其他特点
23.5.1
时区的设置(重要)
23.5.2
周期与时间标记
23.5.3
高频时间数据
24
时间序列分析
24.1
时间序列的创建
24.1.1
原始数据
24.1.2
创建时间序列
24.1.3
多个时间序列
24.1.4
回归率
24.2
时间序列预处理
24.2.1
平稳性定义
24.2.2
白噪声(WN)
24.2.3
随机游走(RW)
24.2.4
自相关系数
24.2.5
Wold分解定理
24.3
ARMA(p, q)模型
24.3.1
AR(p)模型
24.3.2
MA(q)模型
24.3.3
ARMA(p, q)模型
24.3.4
AR模型估计
24.3.5
MA模型估计
24.3.6
ARMA模型相关性特征
24.3.7
AIC与BIC评价
24.3.8
残差分析
24.3.9
模型选择
24.3.10
integrated ARMA
24.3.11
预测
24.4
季节性模型
24.4.1
季节性ARMA模型特征
24.4.2
纯季节性模型
24.4.3
混合季节性模型
References
R语言笔记
17
监督学习
函数