xuefliang

1.pander 包是什么 pander 这个包提供了一系列的函数可以从多个类型的 R 对象自动地返回 Pandoc's markdown 。这个包就是用 R 操作的 pandoc 。 也可以按照三种方式输出 / 转化 Pandoc 文档： （ 1 ）按某种方式生成 markdown 文档，用 Pandoc.convert 转化为 HTML, odt, pdf, docx 等。 （ 2 ）可以用 brew 包的语法写报告来生成 pandoc 文档（其中 R 对象可以生成格式化表格或列表等形式），也可以自动生成一大票其它的格式（ HTML, odt, pdf, docx etc ） （ 3 ）用户能用在活动的 R 片段里加入 R 对象或者段落的方式创建报告到 Pandoc 参考类对象（ R5 对象） 尽管很多函数的运行并不依赖 pandoc ，还是预先安装为好。 2.pander 包可以做什么 （ 1 ）简单的功能 一系列以 Pandoc. 开头的函数，可以完成一些基本的 pandoc 操作。 library (pander) pandoc.image ( "mcmc11.jpg" , "density plot" ) ##  pandoc.footnote ( " 这好像真的是显然的 " ) ## ^[ 这好像真的是显然的 ] （ 2 ）列表 l <- list ( "a" , c ( "e" , "r" ), "b" , c ( "A" , "D" )) pandoc.list (l, "roman" ) ## ## I. a ## I. e ## II. r ## II. b ## I. A ## II. D ## ## <!-- end of list --> (3) 表格 可以实现 pandoc 所支持的 4 种形式，针对 R 的 data frame, matrix 或者 tabl...

library(caret) table(iris$Species) #哑变量编码 dummy <- dummyVars(formula = ~ ., data = iris) pred <- predict(dummy, newdata = iris) head(pred) #one-hot编码 sparse_matrix <- sparse.model.matrix(~., data = iris) head(sparse_matrix) #one-hot编码等同于哑变量编码 sparse_matrix <- sparse.model.matrix(~.+0, data = iris)

1. 安装 if (! require (forecastxgb)) devtools:: install_github ( "ellisp/forecastxgb-r-package/pkg" ) ## Loading required package: forecastxgb ## Loading required package: forecast ## Loading required package: xgboost 2.1 单变量时间序列 以 1956 年 ~1995 年间澳洲的月度燃气产量数据集作为例： model <- xgbar (gas) xgbar() 默认通过行交叉检验方法来决定最佳 xgboost 算法的迭代次数，以避免过拟合的出现；另外 , 最终得到模型会拟合整个数据集。每个预测变量的相对重要性可以通过 importance_xgb() ，或者更简单的 summary() 查看 summary (model) ## ## Importance of features in the xgboost model: ## Feature Gain Cover Frequency ## 1: lag12 5.095860e-01 0.1107688262 0.066558442 ## 2: lag11 2.795726e-01 0.0729943460 0.043831169 ## 3: lag13 1.043121e-01 0.0231605838 0.024350649 ## 4: lag24 7.806692e-02 0.1017713245 0.056818182 ## 5: lag1 1.586581e-02 0.1735447151 0.183441558 ## 6: lag23 5.628623e-03 0.0384882694 0.038961039 ## 7: lag9 2.610440e-03 0.0848657888 0.061688312 ## 8: lag2 6.993670e-04 0.0558634033 0.069...