wget http://mirror.bjtu.edu.cn/cran/src/base/R-3/R-3.0.1.tar.gz
2、解压:
tar -zxvf
R-3.0.1.tar.gz
cd R-3.0.1
3、安装 (当然也可以跳过)
yum
install readline-devel
yum install libXt-devel
./configure
4、 配置环境并编译安装
#
如果使用rJava需要加上 --enable-R-shlib
(这个我不需要,所以加入到后面)
# 如果3没安装, 那么后面加上: --with-readline=no
--with-x=no
./configure --prefix=/usr/R-3.0.1
make $$ make install
5、配置环境变量并生效
vi
.bash_profile
export R_HOME=/usr/R-3.0.1
export PATH=.:$R_HOME/bin:$PATH
# 试环境变量生效
source .bash_profile
6、 命令行测试
[admin@JD
software]$ R
WARNING: ignoring environment value of R_HOME
R version 3.0.1 (2013-05-16) -- "Good Sport"
Copyright (C) 2013 The R Foundation for Statistical Computing
Platform: x86_64-unknown-linux-gnu (64-bit)
R是自由软件,不带任何担保。
在某些条件下你可以将其自由散布。
用'license()'或'licence()'来看散布的详细条件。
R是个合作计划,有许多人为之做出了贡献.
用'contributors()'来看合作者的详细情况
用'citation()'会告诉你如何在出版物中正确地引用R或R程序包。
用'demo()'来看一些示范程序,用'help()'来阅读在线帮助文件,或
用'help.start()'通过HTML浏览器来看帮助文件。
用'q()'退出R.
>q()
7、创建脚本测试(t.R)
cd
/opt/script/R
vim t.R
#!/path/to/Rscript
#第一行
x<-c(1,2,3)
#R语言代码
y<-c(102,299,301)
model<-lm(y~x)
summary(model)
8、测试:执行脚本
R CMD BATCH
--args /opt/script/R/t.R
more
/opt/script/R/t.Rout
#查看执行的结果
或者第二种方式
Rscript
/opt/script/R/test.R
#结果直接输出到终端
基于R语言的数据标准化处理脚本数据标准化(Normalization)
将数据按比例缩放,使之落入一个小的特定区间。去除数据的单位限制,将其转化为无量纲的纯数值,便于不同单位或量级的指标能够进行比较和加权。
数据标准化处理主要包括数据同趋化处理和无量纲化处理两个方面。
数据同趋化处理主要解决不同性质数据问题,对不同性质指标直接加总不能正确反映不同作用力的综合结果,须先考虑改变逆指标数据性质,使所有指标对测评方案的作用力同趋化,再加总才能得出正确结果。
数据无量纲化处理主要解决数据的可比性。数据标准化的方法有很多种,常用的有“最小—最大标准化”、“Z-score标准化”和“按小数定标标准化”等。经过上述标准化处理,原始数据均转换为无量纲化指标测评值,即各指标值都处于同一个数量级别上,可以进行综合测评分析。
min-max标准化(Min-max normalization)
也叫离差标准化,是对原始数据的线性变换,使结果落在[0,1]区间,转换函数如下:
正向指标:(x-min)/(max-min)
负向指标:(max-x)/(max-min)
其中max为样本数据的最大值,min为样本数据的最小值。这种方法有一个缺陷就是当有新数据加入时,可能导致max和min的变化,需要重新定义。
R语言实现
# 标准化处理
min.max.norm <- function(x){
((x-min(x))/(max(x)-min(x)))
} #正向指标
max.min.norm <- function(x){
((max(x)-x)/(max(x)-min(x)))
} #负向指标
data_1 <- apply(data[,-c(3,4)],2,min.max.norm) #正向指标处理
data_2 <- apply(data[,c(3,4)],2,max.min.norm) #负向指标处理
#注意array只能用在二维及以上
data_t <- cbind(data_1,data_2)