r语言实验报告总结

竭诚为您提供优质文档/双击可除
r语言实验报告总结
篇一：R语言实验心得模板
实验心得
姓名：杨辉
学号：132085124
接触R语言不久，一开始以为R语言很简单，很多时候只是一句代码的问题。

但学起来才知道，不是那么一回事。

看到不少同学问一些基础的问题，结合自己犯过的错，总结以下几条关于数据类型的学习心得：
（1）R语言中向量和矩阵的是不同的。

一般人会认为向量就是一维(:r语言实验报告总结)的矩阵，但R语言不是这样操作，不同类型对应不同的操作。

如dim()函数可返回矩阵的行、列数，但是dim()作用域一个向量，则会返回nuLL；同时，若将向量强制转化为矩阵，不是像显示向量时的行矩阵，而是一个列矩阵；
（2）R中矩阵提取行、列存在意外将维的问题。

这其实和第一条有密切联系，进而导致些意外的错误。

具体而言，若从矩阵中提取某一行出来，R会默认的将改行用向量存储，而不再是矩阵，而言导致涉及矩阵的操作出错。

一个明显的例子就是apply(),该函数的第二个参数需要制定数据操作
的维度，但若矩阵已不再是矩阵（转成向量），那么指定1、2都没有意义了。

因此，矩阵提取时要注意，不要改变数据维度，常用的做法是设置drop=FALse,如从3*2的矩阵中提取第二行，应该为m[2,,drop=FALse];
(3)因子和数值的转化。

这是个有趣的问题。

假如
c=(1,3,5)是个数值向量，将之转为因子类型是没有问题的，对应的水平也为1,3,5，但是若再次将因子转为数值时，转化后的结果不再是数据向量（1,3,5），而是（1,2,3），也就是说对因子转数值，默认的操作应该是对因子排序，然后依次转为连续的数值，而不是直接将显示的因子转为数值，此处需要格外注意。

篇二：R语言判别分析实验报告
R语言判别分析实验报告
班级：应数1201
学号：12404108姓名：麦琼辉
时间：20XX年11月28号
1实验目的及要求
1)了解判别分析的目的和意义；
2)熟悉R语言中有关判别分析的算法基础。

2实验设备（环境）及要求
个人计算机一台，装有R语言以及Rstudio并且带有mAss包。

3实验内容
企业财务状况的判别分析
4实验主要步骤
1)数据管理：实验对21个破产的企业收集它们在前两年的财务数据，对25个财务良好的企业也收集同一时期的数据。

数据涉及四个变量：cF_TD（现金/总债务）；nI_TA（净收入/总资产）；cA_cL（流动资产/流动债务）；cA_ns（流动资产/净销售额），一个分组变量：企业现状（1：非破产企业，2：破产企业）。

2)调入数据：对数据复制，然后在Rstudio编辑器中执行如下命令。

case5=read.table(‘clipboard’,head=T)
head(case5)
3)Fisher判别效果（等方差，线性判别lda）：采用bayes 方式，即先验概率为样本例数，相关的Rstudio程序命令如下所示。

library(mAss)
ld=lda(g~.,data=case5);ld#线性判别
ZId=predict(ld)
addmargins(table(case5$g,ZId$class))
4)Fisher判别效果（异方差，非线性判别--二次判别qda）：再次采用bayes
方式，相关的Rstudio程序命令如下所示。

library(mAss)
qd=qda(g~.,data=case5);qd#二次判别
Zqd=predict(qd)
addmargins(table(case5$g,Zqd$class))
5实验结果
表1线性判别lda效果
新分类原分类12合计
124125
231821
合计271946
符合率91.30%
表2二次判别qda效果新分类原分类12合计124125221921合计262046符合率93.50%
由表1和表2可知，qda（二次判别---非线性判别）的效果比lda（一次判别）要好。

6实验小结
通过本次实验了解了判别分析的目的和意义，并熟悉R
语言中有关判别分析的算法基础。

篇三：R语言学习总结
R语言学习总结
经过接近一个学期的学习，从对R语言的完全陌生，到现在对其有了一些粗浅的认识，其中经历了遇到困难苦思冥想的艰辛，也有解决问题以后豁然开朗的畅快。

在学习的过程中，以前掌握的数理基础给我带来了不少便利，而认真地态度和踏实的性格也使我获益匪浅。

在这个学期中，我学会了R语言的基本操作和语法，以及针对具体的统计学问题相应的解决方法。

并按时完成老师布置的课后作业，以达到学以致用的目的，也加强了对R语言操作的熟练度。

一、初识R软件
R软件是一套完整的数据处理、计算和制图软件系统。

其功能包括：据存储和处理，数组运算，完整连贯的统计分析工具，优秀的统计制图功能已及简便而强大编程语言。

接触R语言以后，我的第一感觉就是方便和强大。

R语
言中有非常多的函数和包，我们几乎不用自己去编一些复杂的算法，而往往只需要短短几行代码就能解决很复杂的问题，这给我们的使用带来了极大地方便；于此同时，它又可操纵数据的输入输出，实习分支、循环，使用者可以自定义功能，
这就意味着当找不到合适的函数或包来解决所遇的问题时，我们又可以自己编程去实现各种具体功能，这也正是R语言的强大之处。

二、学习心得
在学习该书的过程中，我不仅加深了对统计学方法的理解，同时也掌握了R软件的编程方法和基本技巧，了解了各种函数的意义和用法，并能把两者结合起来，解决实际中的统计问题。

1、R语言的基本语法及技巧
R语言不仅可以进行基础的数字、字符以及向量的运算，内置了许多与向量
运算有关的函数。

而且还提供了十分灵活的访问向量元素和子集的功能。

R语言中经常出现数组，它可以看作是定义了维数（dim属性）的向量。

因此数组同样可以进行各种运算，以及访问数组元素和子集。

二维数组（矩阵）是比较重要和特殊的一类数组，R可以对矩阵进行内积、外积、乘法、求解、奇异值分解及最小二乘拟合等运算，以及进行矩阵的合并、拉直等。

apply()函数可以在对矩阵的一维或若干维进行某种计算，例如apply(A,1,mean)表示对A按行求和。

R语言允许将不同类型的元素放在一个集合中，这个集合叫做一个列表，列表元素总可以用“列表名[[下标]]”的。