如何使用R计算香农熵？
1.1948 年，香农提出了“ 信息熵 ”(shāng)； 2.信息量的度量就等于不确定性的多少。即：要搞懂一个非常非常不确定（gaoleng）的女孩（或是说我们一无所知的女神），就需要了解大量的信息（喜欢吃啥，衣品，喜欢的偶像）。相反
推荐阅读
热门文章
Python画CAP曲线，计算AR值
听别人分享提到了CAP曲线，网上资料比较少，自己动手实践一发 输入: predictions ,labels , cut_point数据预览,左列labels,右列predictions 模型预测坏客户企业的能力较好
如何在R语言中进行神经网络模型的建立
不能发链接，所以我复制过来了。#载入程序和数据 library(RSNNS) data(iris)#将数据顺序打乱 iris <- iris[sample(1:nrow(iris),length(1:nrow(iris))),1
R语言-17决策树
是一个预测模型，分为回归决策树和分类决策树，根据已知样本训练出一个树模型，从而根据该模型对新样本因变量进行预测，得到预测值或预测的分类 从根节点到叶节点的一条路径就对应着一条规则．整棵决策树就对应着一组表达式规则。叶节点就代表该规则下
【R语言编程】---绘制带聚类树的丰度图（代码示例）
前言：接上一篇，很多文献中为了更直观的展示一个微环境中的菌群分布，常常将样本聚类与物种丰度同时展示。 1.数据结构 首先需要准备丰度数据表Abundance.txt和分组信息group.txt 丰度数据以样本为列名，以菌种为行名
【R语言】--- 箱型图
箱线图主要是通过四分位数描述数据分布，通过最大值，上四分位数，中位数，下四分位数，最小值五处位置描述数据分布情况。箱线图能够显示出可能为离群点（范围±1.5*IQR以外的值，IQR表示四分位距，即上四分位数与下四分位数的差值）的观测。从箱线
使用R语言进行协整关系检验
使用R语言进行协整关系检验协整检验是为了检验非平稳序列的因果关系，协整检验是解决伪回归为问题的重要方法。首先回归伪回归例子：伪回归Spurious regression伪回归方程的拟合优度、显著性水平等指标都很好，但是其残差序列是一个非平稳
《R语言实战》自学笔记44-t检验
数据准备t检验，亦称student t检验（Student's t test），主要用于样本含量较小（例如n <30），总体标准差σ未知的正态分布。t检验是用t分布理论来推论差异发生的概率，从而比较两个平均
怎么用r语言计算关键词数量
安装和启动比spss快很多。上课时，老师：“先不下R studio了，这个初学够用。”哈哈哈哈哈好的。程序可以不难学，反正我不太喜欢上来就搞最难的，零基础小白菜得安详。哎呀，这个课老师真的超可爱，先介绍了“R当计算器比电脑自带的好用多了！”
在r语言中求泊松分布参数的矩估计
∵X服从参数为λ的泊松分布∴P(X＝m)＝λmm!e?λ，（m=0，1，2，…）设x1，x2，…xn是来自总体的一组样本观测值则最大似然函数为L（x1，x2，…，xn；λ）=nπi＝1λxixi!e?λ=e?nλnπi＝1λxixi!∴ln
R语言中有哪些取整运算？
R语言中取整运算主要包括以下五种：floor()：向下取整；ceiling(): 向上取整；round(): 四舍五入取整；turnc(): 向0取整；signif(): 保留给定位数的精度。floor返回对应数字的'地板
第2章 感知机
什么是感知机？ 感知机是二分类的线性分类模型，其输入为实例的特征向量，输出为实例的类别，取+1和-1二值。 本章介绍：感知机模型->感知机的学习策略(损失函数)->感知机学习算法(包括原始形式和对偶形式)
【R语言编程】---利用三代测序绘制菌群聚类热图与物种丰度图
前言： 仍然是三代测序数据的分析，宏基因组的文章中经常出现聚类热图和物种丰度图，用来直观地识别与某些疾病或者表型相关的菌群构成。 1.读取数据 一共有11个样本，每一个样本的测序reads都经过Nanopore官方的Epi2Me
t检验算法及其在R语言中的实现
在进行t检验之前让我们先看看它的定义： t检验法就是在假设检验时利用 t分布 进行概率计算的检验方法。那问题来了，什么是t分布呢？ 所以我们在进行t检验之前，应该对数据进行 正态性检验 以及 方差齐性
如何用二次函数模拟曲线r语言
1、启动WPS表格2013，先设定abc的值，也就是二次函数的三个系数。2、我们知道，a是不能为0的，所以，有必要设置数据有效性，设为不允许为0。3、下面要制作函数表达式了，平方号我们可以在特殊符号中选择。4、为了制作一个随机的图，我们要用
R语言绘制配对样品箱线图
配对箱线图，常见于配对样本的数据分析中。 例如下图示例，为了研究某些基因在肿瘤组织和正常组织中是否具有表达量的显著不同，在取样时，往往会在同一患者个体中同时获取肿瘤和临近正常组织，两个组织样本就是配对关系。当然在这类研究中，往往需要调查
t检验算法及其在R语言中的实现
在进行t检验之前让我们先看看它的定义： t检验法就是在假设检验时利用 t分布 进行概率计算的检验方法。那问题来了，什么是t分布呢？ 所以我们在进行t检验之前，应该对数据进行 正态性检验 以及 方差齐性
《R语言实战》自学笔记44-t检验
数据准备t检验，亦称student t检验（Student's t test），主要用于样本含量较小（例如n <30），总体标准差σ未知的正态分布。t检验是用t分布理论来推论差异发生的概率，从而比较两个平均
R语言-KNN算法
1、K最近邻(k-NearestNeighbor，KNN)分类算法，是一个理论上比较成熟的方法，也是最简单的机器学习算法之一。该方法的思路是：如果一个样本在特征空间中的k个最相似(即特征空间中最邻近)的样本中的大多数属于某一个类别，则该样本
贝叶斯分类器的基本思想是什么?
朴素贝叶斯分类器是一种应用基于独立假设的贝叶斯定理的简单概率分类器，之所以成为朴素，应该是Naive的直译，意思为简单，朴素，天真。1、贝叶斯方法贝叶斯方法是以贝叶斯原理为基础，使用概率统计的知识对样本数据集进行分类。由于其有着坚实的数