adj位置调整
ask询问
bg背景
bty图形边框风格，o四边都有边框，l左边和下边，7右边和上边，c上边、左边和下边，
cex设置点和字符的大小，axis坐标轴上标签字的大小，lab坐标轴上命名的大小，main标题的大小，sub副标题的大小，col颜色。
family字体的风格，
fg前景颜色
font图片字体的风格，字体，粗体，斜体
las坐标轴的运行关系，坐标轴上的字和坐标轴的关系，字会转
lend线的两端的样式
lty线的形式,直线、虚线
lwd线的粗细
Mai、mar、mex画布的大小
Mfcol、mfrow是来切分画布的，放几个fig在画布中，两个功能一样
pch是用来定义点的形状的，有25个形状
srt用来定义图中的文字的角度
Txk坐标轴上的刻度的大小，刻度的字体大小
Xaxt/yaxt不想要坐标轴的标签
Xlog/ylog是x轴和y轴设置为log值
Xpd把绘图区设置为整个画布
Fig表示图形的四个角的位置
New是在图中生成图
#灰色预测模型GM(1,1)#用法：
#假设数列1 2 3 4 5.5 6 7.5 为已知数据，你要预测后面3项，gm11([1 2 3 4 5.5 6 7.5],10) # 10=7+3
# 序列输入格式为：x<-c(1,2,3,4,5.5,6,7.5)
gm11<-function(x,k)
{
#x为行向量数据
#做一次累加
n<-length(x)
x1<-numeric(n)
for(i in 1:n)
{
x1[i]<-sum(x[1:i])
}
#x1的均值数列
z1<-numeric(n)
m<-n-1
for(j in 1:m)
{
z1[j+1]<-(0.5*x1[j+1]+0.5*x1[j])
}
Yn=t(t(x[2:n]))
B<-matrix(1,nrow=n-1,ncol=2)
B[,1]<-t(t(-z1[2:n]))
#solve(M)求M的逆
#最小二乘法求解参数列
u<-solve(t(B)%*%B)%*%t(B)%*%Yn
a<-u[1]
b<-u[2]
#预测
x2<-numeric(k)
x2[1]<-x[1]
for(i in 1:k-1)
{
x2[1+i]=(x[1]-b/a)*exp(-a*i)+b/a
}
x2=c(0,x2)
#还原数据
y=diff(x2)
y
}
#调用函数
x<-c(1,2,3,4,5.5,6,7.5)
gm11(x,10)
具体如下：library(AMORE)
x1 <- round(runif(2000,1,2000)) #随机生成2000个数
x2 <- round(runif(2000,1,2000))
x11 <- scale(x1[1:1900])#数据标准化，并选取1900个组作为学习集
x12 <- scale(x2[1:1900])
x21 <- scale(x1[1901:2000]) #选取100组作为待测集
x22 <- scale(x2[1901:2000])
