![r语言脚本前的[1]表示什么](/aiimages/r%E8%AF%AD%E8%A8%80%E8%84%9A%E6%9C%AC%E5%89%8D%E7%9A%84%5B1%5D%E8%A1%A8%E7%A4%BA%E4%BB%80%E4%B9%88.png)
样本不均衡问题是指在机器学习分类任务中，不同类型的样本占比差距悬殊。
比如训练数据有100个样本，其中只有5个正样本，其余均为负样本，这样正样本：负样本=5%：95%，训练数据中负样本过多，会导致模型无法充分学习到正样本的信息，这时候模型的正确率往往较高，但特异性却很低，即模型识别正样本的能力很差。这样的模型是无法投入实际项目中的，我们需要解决不均衡问题带来的影响。
解决样本不均衡，采用的方法是重采样。根据采样的方法，分为欠采样、过采样和组合采样。
在R语言中， ROSE 包用于处理样本不均衡问题。
安装包
加载示范数据，查看列联表。可以看到训练数据 hacide.train 出现了样本不均衡，正样本1只有20个，负样本0有980个。
欠采样会缩小训练数据。训练数据虽然正负样本均衡了，但由于原始的正样本很少，导致处理后总样本数减少很多。这个方法适用于训练数据很大，且正样本也较大的情况，可以用欠采样来减少训练数据规模，提高训练速度。
过采样会增大训练数据。该方法适用于训练数据中正样本数量较少的情况。
组合采样会同时增加正样本和减少负样本。参数 N 表示处理后样本总数，一般设置为训练数据样本数。
不均衡样本对模型的训练结果会产生较大偏差，以实际分类问题为例，对比一下处理与不处理均衡样本的结果。
从预测的结果来看，均衡处理与不均衡处理的模型准确率都很高，都超过了98%，貌似模型都很好。但均衡处理后模型的特异性达到了73.68%，未采用均衡处理的模型只有36.84%，显然 均衡处理能提高模型的特异性 。
处理样本不均衡问题是做分类问题不可或缺的的一步，针对训练数据的情况，可以采用不同的均衡处理方法。均衡处理的目的是尽可能多的且高效的利用训练数据里的信息，不至于后续训练出的模型学习的不够充分，出现较大偏差。均衡处理对于既要求准确率高，又要求特异性高的模型来说尤为重要。
1.Linux与R的学习先后问题：
师姐说后面作生信分析要用Linux环境进行数据集群分析，所以目前首要任务是熟悉R语言和Python的操作，后面转到Linux环境运行操作大同小异。
2.R及Rstudio的安装问题：
装了Rstudio之后显示没有装R，解决方案是R和Rstudio安装时选择默认路径，是这两个软件装在同一个目录下。
3.输入demo()后显示
>demo()
Warning message:
In file.show(outFile, delete.file = TRUE, title = paste("R", tolower(x$title))) :
file.show():不存在'C:\Users\灏忔湪浜榎AppData\Local\Temp\RtmpENM66s\RpackageIQR28b82f592cbb'这个文件
（1）找出问题：R存在一个中文目录底下，会出现错误，所以首先第一步要将文件名（即user底下的名字）改为英文的（注：以后文件名尽量设置为英文的，才方便识别）
（2）解决问题：因为win为家庭版，所以没有在计算机管理中没有找到本地用户和组，借鉴了CSDN论坛中一位大神经验贴的后半部分【 【设置】Win10如何更改C:\Users\下的用户名_胡振涛-CSDN博客_如何更改users下的用户名 】，从win+R输入regedit(打开注册表）那块开始，后面将自己中文的文件名改成英文就好了，然后注销再打开，运行R后，输入demo()，显示界面如下图。
4.options()是个啥，没整明白？
options：指定系统参数
5. runif()函数
runif (random samples from uniform distribution) 均匀分布中的随机变量
例如：runif(242, min =-0.3,max=0.3) 从-0.3 到0.3 随机产生242个值
6.包及库
1——已经安装的包
2——用来放R安装时自带的包（如base，state等）
7.函数括号内加“”的规律：外部的东西要加引号。安装以后内部的东西不用加引号。
8.批处理命令打出来很奇怪？
9.返回值？——一个运算函数被赋予具体数据后得到值return到这个函数变量上（操作型函数没有返回值）
10.help(package="vcd"/"ggplot2")，命令后help界面无显示
未找到问题原因，解决方案为在CRAN上直接看好了。
11.安装ggplot2包后，输入library(ggplot2)，没有反应——说明你装上了。。(有些包library成功是没有输出的）
相反的是可以看到如果安装的是tidyverse，输入library(tidyverse)，是有输出的
12.Rstudio工作路径&库安装路径修改（我用#CSDN#这个app发现了有技术含量的博客，小伙伴们求同去《Rstudio更改工作路径&安装包路径》, 一起来围观吧 https://blog.csdn.net/princessyang/article/details/105731349?utm_source=app&app_version=4.7.1&code=app_1562916241&uLinkId=usr1mkqgl919blen）
工作路径修改
getwd（）——得到目前的工作路径
setwd（“目标工作路径”）
getwd（）——就可以看到路径更改了
库安装路径修改
打开
13.忘了在操作台输入啥可以显示那一长条的包了？
14.数据集和数据结构
1）数据集就是多个数据组成的集合
2）数据结构就是数据集的结构
15.rep函数
rep(1:4, each = 2)——1到4，每个element循环2次
[1] 1 1 2 2 3 3 4 4
rep(1:4, c(2,2,2,2))——1到4，对应位置上的element循环2次
[1] 1 1 2 2 3 3 4 4
rep(1:4, c(2,1,2,1))——1到4，对应位置上的element有的循环1次，有的循环2次
[1] 1 1 2 3 3 4
16.rep(1,40*(1-.8))什么意思？
就是说1这个数字，重复40*（1-0.8）=8遍，但其实只重复7遍，因为计算机返回的结果比8稍小一点。
如果想要得到循环8次，可以使用这个函数：rep(1,round(40*(1-.8)))
17.矩阵
（1）只有在数据长度不是矩阵行数或者列数整数倍的时候才会报错，在矩阵列数X行数所需数据大于数据长度时，会再次重复排列数据，但不会报错。
（2）矩阵默认按照 列 的顺序来排列数据，
matrix(x,5,byrow = T) 按照 行 的顺序排列
matrix(x,5,byrow = F) 按照 列 的顺序排列
（3）以字符型向量添加行名和列名
>rnames <- c("R1","R2","R3","R4")
>cnames <- c("C1","C2","C3","C4","C5")
>dimnames(m) <- list(rnames,cnames)
（4）矩阵汇总
（5）矩阵索引
y[1,2]——y矩阵中第1行，第2列
18.数组
以“.”开头的文件，通常用作配置，系统默认隐藏这类文件。
“.Rdata”是保存工作空间的默认文件；
“.history”是保存历史命令的默认文件。
如果打开Rstudio特别慢，可能是因为.Rdata保存了很大的变量，可以找到.Rdata文件将其删掉。
###各种找不到
![R语言程序 !(7==6)==1 [1] TRUE 什么意思？](/aiimages/R%E8%AF%AD%E8%A8%80%E7%A8%8B%E5%BA%8F+%21%287%3D%3D6%29%3D%3D1+%5B1%5D+TRUE+%E4%BB%80%E4%B9%88%E6%84%8F%E6%80%9D%EF%BC%9F.png)
