<?xml version="1.0" encoding="utf-8" ?><rss version="2.0"><channel><title><![CDATA[RookieTrevor的博客]]></title><description><![CDATA[]]></description><link>https://blog.youkuaiyun.com/Allenmumu</link><language>zh-cn</language><generator>https://blog.youkuaiyun.com/</generator><copyright><![CDATA[Copyright &copy; Allenmumu]]></copyright><item><title><![CDATA[Bayesian模型概念：可信度、模型和参数]]></title><link>https://blog.youkuaiyun.com/Allenmumu/article/details/120278254</link><guid>https://blog.youkuaiyun.com/Allenmumu/article/details/120278254</guid><author>Allenmumu</author><pubDate>Thu, 27 Apr 2023 16:44:22 +0800</pubDate><description><![CDATA[简介: 可信度Credibility, 模型Models, 和参数Parameters

本章的目标是介绍贝叶斯数据分析的概念框架。贝叶斯数据分析有两个基本思想。第一个想法是贝叶斯推理是在可能性之间重新分配可信度。第二个基本思想是，我们分配可信度的可能性是有意义的数学模型中的参数值。

贝叶斯推理是在可能性之间重新分配可信度
制作图 1 的第一步是将数据对象放在一起。为了帮助解决这个问题，我们将使用tidyverse包。
library(tidyverse)

d &lt;-
  crossing(iter]]></description><category></category></item><item><title><![CDATA[[模型可视化]更好的理解Logistic回归模型输出结果]]></title><link>https://blog.youkuaiyun.com/Allenmumu/article/details/125133900</link><guid>https://blog.youkuaiyun.com/Allenmumu/article/details/125133900</guid><author>Allenmumu</author><pubDate>Sun, 05 Jun 2022 16:59:08 +0800</pubDate><description><![CDATA[当你拟合逻辑回归模型时，有很多方法可以显示结果。最为传统的方法是在表格中展示系数的摘要。但是由于逻辑回归曲线的弯曲性质，通过绘图显示拟合线，通常是一种更好的展示方式。典型的逻辑回归线图的主要缺点是它们通常不显示数据，因为会出现在 y 轴上过度绘图的现象。但是 包支持在绘制逻辑回归曲线时可以轻松地显示数据。阅读这篇文章，我假设你了解一些背景知识：逻辑回归R语言入门零基础-数据分析tidyverse入门
...]]></description><category></category></item><item><title><![CDATA[R语言绘制COVID疫苗接种分布地图]]></title><link>https://blog.youkuaiyun.com/Allenmumu/article/details/124656148</link><guid>https://blog.youkuaiyun.com/Allenmumu/article/details/124656148</guid><author>Allenmumu</author><pubDate>Sun, 08 May 2022 22:37:59 +0800</pubDate><description><![CDATA[R语言可视化教程
R语言ggplot2-科研绘图主题调参
R语言数据可视化ggplot2-检验变量相关性图形汇总
空间数据可视化&amp;地图绘制&amp;R语言可复现
R语言时空数据分析-数据处理及可视化基础
R语言ggplot2-颜色设置调参详解
使用R语言的PCT包:画路径路网图(英国自行车数据库)

R语言绘制COVID疫苗接种分布地图
文章目录R语言可视化教程R语言绘制COVID疫苗接种分布地图R语言绘制COVID疫苗接种分布地图导入所需包数据输入基本地图颜色设置标题和图例

R语言绘制COVID]]></description><category></category></item><item><title><![CDATA[空间数据可视化&地图绘制&R语言可复现]]></title><link>https://blog.youkuaiyun.com/Allenmumu/article/details/124221859</link><guid>https://blog.youkuaiyun.com/Allenmumu/article/details/124221859</guid><author>Allenmumu</author><pubDate>Sat, 16 Apr 2022 22:24:45 +0800</pubDate><description><![CDATA[空间数据可视化&amp;地图绘制&amp;R语言可复现
绘制地理空间数据是一项常见的可视化任务，需要专门的工具。通常，问题可以分解为两个问题：

使用一个数据源绘制地图
将来自另一个信息源的元数据添加到地图中。

有许多可以用于绘制地图的工具，一些流行的 GIS 软件允许点击交互进行地图开发和空间分析。这些工具具有不需要学习代码以及在地图上手动选择和放置图标和功能的便利性等优点，例如：
ArcGIS - 由 ESRI 公司开发的商业 GIS 软件，非常流行但相当昂贵
QGIS - 一个免费的开源 GIS 软]]></description><category></category></item><item><title><![CDATA[R语言数据可视化ggplot2-检验变量相关性图形汇总]]></title><link>https://blog.youkuaiyun.com/Allenmumu/article/details/120238560</link><guid>https://blog.youkuaiyun.com/Allenmumu/article/details/120238560</guid><author>Allenmumu</author><pubDate>Mon, 13 Sep 2021 15:15:07 +0800</pubDate><description><![CDATA[可视化用于检验变量相关性
本文介绍的图主要有助于检查两个变量的相关程度。共涉及图形包括：

1.散点图 Scatterplot
2.带环绕的散点图 Scatterplot with Encircling
3.抖动图 Jitter Plot
4.计数图 Counts Chart
5.气泡图 Bubble Plot
6.边际直方图/箱线图 Marginal Histogram / Boxplot
7.相关图 Correlogram

1.散点图 Scatterplot
数据分析最常用的图无疑是散点图。每当你想了]]></description><category></category></item><item><title><![CDATA[R语言ggplot2-科研绘图主题调参]]></title><link>https://blog.youkuaiyun.com/Allenmumu/article/details/119780728</link><guid>https://blog.youkuaiyun.com/Allenmumu/article/details/119780728</guid><author>Allenmumu</author><pubDate>Sun, 22 Aug 2021 15:25:35 +0800</pubDate><description><![CDATA[本章是ggplot2科研绘图调参的第十二个章节，前十章内容请跳转：
ggplot保姆级教程-科研绘图调参细节
数据集
本文使用 空气污染导致全国发病率和死亡率研究 (NMMAPS). 为了使图表易于管理，我们将数据限制在芝加哥和 1997-2000 年。有关此数据集的更多详细信息，请参阅 Roger Peng 的书 Statistical Methods in Environmental Epidemiology with R.
使用 {rio} 包中的 import函数 将数据导入到我们的 R 中。为了稍]]></description><category></category></item><item><title><![CDATA[R语言时空数据分析-数据处理及可视化基础]]></title><link>https://blog.youkuaiyun.com/Allenmumu/article/details/119683092</link><guid>https://blog.youkuaiyun.com/Allenmumu/article/details/119683092</guid><author>Allenmumu</author><pubDate>Fri, 13 Aug 2021 20:25:41 +0800</pubDate><description><![CDATA[本章有两个主要目标。

读取、处理时空分析数据
简单的可视化时空数据的方法，（例如，空间分布图，时间序列图和 Hovmöller 图）。

1.数据整理
时空建模和预测通常涉及大量数据，这些数据以各种形式提供给用户，但通常以 CSV 文件或文本文件中的表格形式提供。通常会花费大量时间来加载数据并对其进行预处理，以便将它们转化为适合分析的形式。R 中有几个包可以帮助用户快速实现这些目标；在这里，我们专注于使用tidyverse工作流处理删失，它们包含特别适合所需数据操作技术的函数。我们首先加载所需的包，以及 ]]></description><category></category></item><item><title><![CDATA[R语言ggplot2-颜色设置调参详解]]></title><link>https://blog.youkuaiyun.com/Allenmumu/article/details/119532449</link><guid>https://blog.youkuaiyun.com/Allenmumu/article/details/119532449</guid><author>Allenmumu</author><pubDate>Mon, 09 Aug 2021 10:40:22 +0800</pubDate><description><![CDATA[本教程介绍了如何使用 R 软件和 ggplot2 包创建箱线图。需要使用函数     geom_boxplot()。一个简化的格式是：
geom_boxplot(outlier.colour="black", outlier.shape=16,
             outlier.size=2, notch=FALSE)


outlier.colour, outlier.shape, outlier.size : 离群值的颜色、形状和大小
notch：逻辑值。如果为 TRUE，则制作一个带缺口的箱线]]></description><category></category></item><item><title><![CDATA[使用R语言的PCT包:画路径路网图(英国自行车数据库)]]></title><link>https://blog.youkuaiyun.com/Allenmumu/article/details/119250922</link><guid>https://blog.youkuaiyun.com/Allenmumu/article/details/119250922</guid><author>Allenmumu</author><pubDate>Fri, 30 Jul 2021 19:06:21 +0800</pubDate><description><![CDATA[本文主要参考:PCT Get started; International application of the PCT methods

本文主要介绍R包 PCT ， 其目标是提高 Propensity to Cycle Too (PCT) 生成的数据的可访问性和可重复性，托管在 www.pct.bike 上。
英格兰和威尔士的自行车使用数据研究 (Propensity ot Cycle - PCT) 是研究自行车，慢行交通，可持续交通方面很好地工具。PCT一个用于可持续交通规划的开源在线系统详细介绍了.]]></description><category></category></item><item><title><![CDATA[时间序列模型R语言实现-批量建模，预测（ARIMA, 随机森林）]]></title><link>https://blog.youkuaiyun.com/Allenmumu/article/details/118933464</link><guid>https://blog.youkuaiyun.com/Allenmumu/article/details/118933464</guid><author>Allenmumu</author><pubDate>Tue, 20 Jul 2021 14:05:49 +0800</pubDate><description><![CDATA[时间序列预测首先要确定预测的内容。

本文预测共享单车的日租借量
使用的是每日数据
预测的时间范围是需要提前一个月、半年还是一年？根据预测范围，会使用到不同的模型。


首先安装加载本文所需要的包

install.packages("modeltime")

library(tidymodels)
library(modeltime)
library(timetk)
library(lubridate)
library(tidyverse)
library(forecast)

1.数据准备/处理
我们研]]></description><category></category></item><item><title><![CDATA[R语言入门-数据分析实操(tyidyverse工作流+代码)]]></title><link>https://blog.youkuaiyun.com/Allenmumu/article/details/118826190</link><guid>https://blog.youkuaiyun.com/Allenmumu/article/details/118826190</guid><author>Allenmumu</author><pubDate>Fri, 16 Jul 2021 21:54:24 +0800</pubDate><description><![CDATA[1. 数据分析的开端，Tidyverse？
tidyverse 是一个清晰的 R 包集合，在数据操作、探索和可视化领域提供统一的数据科学解决方案，这些解决方案具有共同的设计理念。它是由 RStudio 背后的首席科学家 Hadley Wickham 创建的。 tidyverse 中的 R 包旨在提高统计学家和数据科学家的工作效率。包引导他们完成工作流程，促进沟通并产生可重复的工作产品。 tidyverse 本质上侧重于使工作流成为可能的工具的互连。在数据科学项目中采用 tidyverse有很多优势。它提供一]]></description><category></category></item><item><title><![CDATA[R packages: Correlationfunnel 相关漏斗图，可视化因变量自变量之间的相关关系]]></title><link>https://blog.youkuaiyun.com/Allenmumu/article/details/118329974</link><guid>https://blog.youkuaiyun.com/Allenmumu/article/details/118329974</guid><author>Allenmumu</author><pubDate>Tue, 29 Jun 2021 11:11:21 +0800</pubDate><description><![CDATA[correlationfunnel
相关漏斗图，用于快速探索目标变量与自变量之间的相关关系。
# install.packages("correlationfunnel")
library(correlationfunnel)

library(tidyverse)

导入数据
data("german", package = "rchallenge") 

german %&gt;% glimpse()

## Rows: 1,000
## Columns: 21
## $ status         ]]></description><category></category></item><item><title><![CDATA[从零入门R语言-软件下载，环境搭建，数据导入导出]]></title><link>https://blog.youkuaiyun.com/Allenmumu/article/details/118301466</link><guid>https://blog.youkuaiyun.com/Allenmumu/article/details/118301466</guid><author>Allenmumu</author><pubDate>Mon, 28 Jun 2021 13:42:29 +0800</pubDate><description><![CDATA[1. 为什么是R？
现在数据科学，深度学习领域最受欢迎的是Python, 那么为什么要学习R语言，Python 和 R 的优势分别在哪儿？
简单来说，R语言更适用与研究，偏数理统计，小而精，适合将来做科研学术。Python更适用于工业领域，普适性，通用性，计算性能更好，更适合做程序员或者进入企业。
具体可以参考张敬新老师翻译的R用于研究,Python用于生产, 英文原文地址为R is for Reasearch, Python is for Production。
所以首先需要确定自己的需求，R不一定适合每]]></description><category></category></item><item><title><![CDATA[深度学习R语言 mlr3 建模，训练，预测，评估（随机森林，Logistic Regression）]]></title><link>https://blog.youkuaiyun.com/Allenmumu/article/details/118251224</link><guid>https://blog.youkuaiyun.com/Allenmumu/article/details/118251224</guid><author>Allenmumu</author><pubDate>Sat, 26 Jun 2021 16:36:17 +0800</pubDate><description><![CDATA[深度学习R语言 mlr3 建模，训练，预测，评估（随机森林，Logistic Regression）
本文主要通过使用mlr3包来训练German credit数据集，实现不同的深度学习模型。
1. 加载R使用环境
# 安装官方包，一般情况下大部分常用的包都可以官方安装
# install.packages("tidyverse")
# install.packages("bruceR")
# 
# # 安装Github来源的包
# # 先安装devtools包后才可以安装github来源的包
# 
# i]]></description><category></category></item><item><title><![CDATA[贝叶斯随机参数模型R语言实现]]></title><link>https://blog.youkuaiyun.com/Allenmumu/article/details/117388370</link><guid>https://blog.youkuaiyun.com/Allenmumu/article/details/117388370</guid><author>Allenmumu</author><pubDate>Sat, 29 May 2021 17:27:00 +0800</pubDate><description><![CDATA[贝叶斯随机参数模型R语言实现
本文通过使用R，主要通过使用tidyverse包来进行数据清洗处理以及绘图，使用brms包来实现Bayesian回归模型。
1. 贝叶斯数据分析的基本步骤


确定与研究问题相关的数据。数据的度量尺度是什么？哪些数据变量是因变量，哪些数据变量应该是解释变量？


为相关数据建立一个描述性模型，给予数学形式及其参数描述。


指定参数的先验分布。


使用贝叶斯推理在参数值之间重新分配可信度。从理论上解释有意义的变量的后验分布（假设模型是对数据的合理描述）。


检查后验预测是否]]></description><category></category></item><item><title><![CDATA[R中用ggplot2画百分比柱状图]]></title><link>https://blog.youkuaiyun.com/Allenmumu/article/details/115636043</link><guid>https://blog.youkuaiyun.com/Allenmumu/article/details/115636043</guid><author>Allenmumu</author><pubDate>Mon, 12 Apr 2021 19:15:34 +0800</pubDate><description><![CDATA[1.导入数据
library(tidyverse)
dfdemo &lt;- read_csv("/Users/cpf/Documents/paper/R_programming/Rprocess/mydata/dfdemo.csv")
head(dfdemo)

## # A tibble: 6 x 8
##        CASENUM WEATHHER  VENO   AGE  AGE1   SEX REST_USE INJ_SEV
##          &lt;dbl&gt;    &lt;dbl]]></description><category></category></item></channel></rss>