xuefliang

文本输出 代码高亮（highlight=TRUE），增强可读性，有无数的高亮主题可选，仅适用于LaTeX和HTML输出，MD文档在转为HTML文档之后可以用专门的JavaScript库去高亮代码 代码重排（tidy=TRUE），对那些不注意代码格式的人来说很有用，再乱的代码，到了这里也会变得相对整齐，本功能由formatR包支持 执行或不执行代码（eval=TRUE/FALSE），不执行的代码段将被跳过，原样输出源代码 显示/隐藏源代码（echo=TRUE/FALSE），甚至精确控制显示哪几段代码（echo取数值） 显示/隐藏普通文本输出或将文本输出以原样形式输出（results='markup', 'hide', 'asis'） 显示/隐藏警告文本（warning=TRUE/FALSE）、错误消息（error）和普通消息（message） 显示/隐藏整个代码段的输出（include=TRUE/FALSE），比如我们可能想运行代码，但不把结果写入输出中 child选项 加选项child='文件名.Rmd'可以调入另一个.Rmd文件的内容。 如果有多个.Rmd文件依赖于相同的代码，可以用这样的方法。 collapse选项 一个代码块的代码、输出通常被分解为多个原样文本块中， 如果一个代码块希望所有的代码、输出都写到同一个原样文本块中， 加选项collapse=TRUE。  results选项 用选项results=选择文本型结果的类型。 取值有： markup, 这是缺省选项， 会把文本型结果变成HTML的原样文本格式。 hide, 运行了代码后不显示运行结果。 hold, 一个代码块所有的代码都显示完， 才显示所有的结果。 asis, 文本型输出直接进入到HTML文件中， 这需要R代码直接生成HTML标签， knitr包的kable()函数可以把数据框转换为HTML代码的表格。 输出表格 knitr包提供了一个 kable() 函数可以用来把数据框或矩阵转化成有格式的表格， 支持HTML、docx、LaTeX等格式。 因为kable()的结果已经是HTML格式的， 为了将其结果直接插入到HTML内容中， 需要使用代码段选项resul

安装 devtools:: install_github ( "statsmaths/kerasR" ) 例子（波士顿住房数据） 在 Keras 建立一个模型，首先构建一个空的 Sequential 模型。 library (kerasR) ## successfully loaded keras mod <- Sequential () Sequential 的结果与 kerasR 提供的大多数功能一样，是一个 python.builtin.object 。这种从 reticulate 包定义的对象类型可以直接访问底层 python 类暴露的所有方法和属性。要访问这些 , 需要使用 $ 运算符后跟方法名称 , 通过调用 add 方法添加层。此函数作为另一个 python.builtin.object 的输入，通常构造为另一个 kerasR 函数的输出。例如，要在我们的模型中添加一个 dense 层，我们执行以下操作： mod$ add ( Dense ( units = 50 , input_shape = 13 )) 我们现在已经添加了一个具有 200 个神经元的致密层。 第一层必须包含 input_shape 的规范，给出输入数据的维度。 这里我们设置输入变量的数量等于 13. 接下来在模型中，我们将添加 relu 激活到模型中： mod$ add ( Activation ( "relu" )) 现在，我们添加一个只有一个神经元的密集层作为输出层： mod$ add ( Dense ( units = 1 )) 一旦模型被完全定义，我们必须在拟合它的参数或使用它进行预测之前进行编译。编译模型可以使用方法 compile 来完成，但是它的一些可选参数在从 R 类型转换时会引起麻烦，所以我们提供了一个自定义的包装器 keras_compile 。 至少我们需要指定损失函数和优化器。损失可以用一个字符串来指定，但是我们将把另一个 kerasR 函数的输出作为优化器传递。 这里我们使用 RMSprop 优化器，因为它通常具有相当好的性能： keras_compile (mod, loss = 'mse' , optimizer = R

R interface to Keras 有多个版本的python时需要选择一个 sudo pip3 install virtualenv # 首先罗列出所有可用的 python 替代版本信息 update-alternatives --list python #update-alternatives: error: no alternatives for python 如果出现以上所示的错误信息，则表示 Python 的替代版本尚未被 update-alternatives 命令识别 #--install 选项使用了多个参数用于创建符号链接。最后一个参数指定了此选项的优先级，如果我们没有手动来设置替代选项，那么具有最高优先级的选项就会被选中。 sudo update-alternatives --install /usr/bin/python python /usr/bin/python2.7 1 sudo update-alternatives --install /usr/bin/python python /usr/bin/python3.5 2 # update-alternatives --config python python --version 安装 devtools:: install_github ( "rstudio/keras" ) library (keras) install_tensorflow () # 安装 GPU 版本的 tensorflow install_tensorflow(gpu=TRUE),https://rstudio.github.io/keras/ 快速入门 Keras 的核心数据结构是一个模型，是组织层次的一种方式。 最简单的模型是 Sequential 模型，一个线性层叠层。 对于更复杂的体系结构，您应该使用 Keras 功能 API ，这允许构建层的任意图形。 定义一个顺序模型： library (keras) model <- keras_model_sequential () model %>% layer_dense ( units = 512 , activation = '

formatR 很多种用法，这里只展示三种。 1. 载入包后，直接在 R 的命令行窗口输入 tidy_app() ，该命令就会调用一个 shiny 程序，自动在你的浏览器里打开一个界面模式下的格式化工具。 library (formatR) #tidy_app() 2.Addins--Reformat R Code 该命令会对当前 .R 的文件自动排版 , 不支持 .Rmd 文件。 3. 先复制你需要格式化的代码，在 R 命令行窗口输入 tidy_source(), 该函数就会自动输出格式化后的代码。

http://rpubs.com/xuefliang/286234

wget - N -- no - check - certificate https : //softs.pw/Bash/ocserv.sh && chmod +x ocserv.sh && bash ocserv.sh # 如果上面这个脚本无法下载，尝试使用备用下载： wget - N -- no - check - certificate https : //raw.githubusercontent.com/ToyoDAdoubi/doubi/master/ocserv.sh && chmod +x ocserv.sh && bash ocserv.sh

R 语言的基础包中提供了两种类型的时间数据，一类是 Date 日期数据，它不包括时间和时区信息，另一类是 POSIXct/POSIXlt 类型数据，其中包括了日期、时间和时区信息。一般来讲， R 语言中建立时序数据是通过字符型转化而来，但由于时序数据形式多样，而且 R 中存贮格式也是五花八门，例如 Date/ts/xts/zoo/tis/fts 等等。用户很容易被一系列的数据格式所迷惑，所以时序数据的转化和操作并不是非常方便。所幸的是，我们有了 lubridate 包。 lubridate 包主要有两类函数，一类是处理时点数据（ time instants ），另一类是处理时段数据（ time spans ） 时点类函数，它包括了解析、抽取、修改。 library (lubridate) ## ## Attaching package: 'lubridate' ## The following object is masked from 'package:base': ## ## date # 从字符型数据解析时间，会自动识别各种分隔符 x <- ymd ( '2010-04-08' ) # 观察 x 日期是一年中的第几天 yday (x) ## [1] 98 # 修改 x 日期中的月份为 5 月 month (x) <- 5 时段类函数，它可以处理三类对象，分别是： interval ：最简单的时段对象，它由两个时点数据构成。 duration ：去除了时间两端的信息，纯粹以秒为单位计算时段的长度，不考虑闰年和闰秒，它同时也兼容基本包中的 difftime 类型对象。 period ：以较长的时钟周期来计算时段长度，它考虑了闰年和闰秒，适用于长期的时间计算。以 2012 年为例， duration 计算的一年是标准不变的 365 天，而 period 计算的一年就会变成 366 天。 有了时点和时段数据，就可以进行各种计算了。 # 从两个时点生成一个 interval 时段数据 y <- interval (x, now ()) # 从 interval 格式转为 duration 格式 z <- as.duration