<?xml version="1.0" encoding="utf-8" ?><rss version="2.0"><channel><title><![CDATA[a blog out of timeline]]></title><description><![CDATA[时间之外的往事]]></description><link>https://blog.youkuaiyun.com/ClintLong</link><language>zh-cn</language><generator>https://blog.youkuaiyun.com/</generator><copyright><![CDATA[Copyright &copy; ClintLong]]></copyright><item><title><![CDATA[R语言入门教学（5）- For while if/else 以及逻辑符号]]></title><link>https://blog.youkuaiyun.com/ClintLong/article/details/88909553</link><guid>https://blog.youkuaiyun.com/ClintLong/article/details/88909553</guid><author>ClintLong</author><pubDate>Tue, 02 Apr 2019 09:54:57 +0800</pubDate><description><![CDATA[本文编辑版本：R version 3.5.0

一、 循环for while语句

回顾R中的数据结构，假设：


x &lt;- c(5, 2, 6, 8, 4, 2)



这是一个简单求和然后求均值的问题，对于一个vector，求每个数的总和，你可以简单地写出： sum(x)/n 或者mean（x）来求均值（没人会说这不行）。当然为了教学，我想在这里引出循环来解决这个问题：


n &lt;...]]></description><category></category></item><item><title><![CDATA[机械学习与R语言--Naive Bayes 朴素贝叶斯在R语言中的实现]]></title><link>https://blog.youkuaiyun.com/ClintLong/article/details/81120401</link><guid>https://blog.youkuaiyun.com/ClintLong/article/details/81120401</guid><author>ClintLong</author><pubDate>Fri, 29 Mar 2019 20:33:26 +0800</pubDate><description><![CDATA[为什么天气预报说70%概率下雨？为什么垃圾短信垃圾邮件被自动归类？这一切的基础算法便是朴素贝叶斯理论(算法有很多，这仅是其中之一)。

1.由贝叶斯理论到朴素贝叶斯（naive bayes）

理论的基础我就不讲了，我讲一下两个理论的区别。原本贝叶斯理论用来处理上述事件是很好的，但是由于贝叶斯理论在计算条件概率时，即在B发生的情况下A发生的概率，并不能简单的等同于A的概率而是. 除非A B互为独...]]></description><category></category></item><item><title><![CDATA[Ad hoc methods and mice (R语言 Mice包处理缺失值)]]></title><link>https://blog.youkuaiyun.com/ClintLong/article/details/81216936</link><guid>https://blog.youkuaiyun.com/ClintLong/article/details/81216936</guid><author>ClintLong</author><pubDate>Thu, 26 Jul 2018 11:24:07 +0800</pubDate><description><![CDATA[This is the first vignette in a series of six. It will give you an introduction to the R-package mice, an open-source tool for flexible imputation of incomplete data, developed by Stef van Buuren and ...]]></description><category></category></item><item><title><![CDATA[机械学习与R语言---决策树算法的实现与优化（Decision tree algorithm）]]></title><link>https://blog.youkuaiyun.com/ClintLong/article/details/81083590</link><guid>https://blog.youkuaiyun.com/ClintLong/article/details/81083590</guid><author>ClintLong</author><pubDate>Tue, 17 Jul 2018 18:09:21 +0800</pubDate><description><![CDATA[本篇需要使用的数据集为credit.csv,下载好并保存于R目录。

1.理解决策树算法

简而言之，决策树是一个分类器（classifier）。 它利用树状结构，来对于特征以及潜在的结果之间的关系建立模型。如下图（来源网络）：



在决定是见于不见的时候，决策树给出了一些节点（node）来作为判断依据，至于这些节点是如何被找到的，内在的算法是什么，这个很难在这里讲清楚（而且严格地讲，我们每个人...]]></description><category></category></item><item><title><![CDATA[R语言笔记：[[ :punct: ]]在gsub中的使用]]></title><link>https://blog.youkuaiyun.com/ClintLong/article/details/81024054</link><guid>https://blog.youkuaiyun.com/ClintLong/article/details/81024054</guid><author>ClintLong</author><pubDate>Thu, 12 Jul 2018 23:34:42 +0800</pubDate><description><![CDATA[[[ :punct: ]]和众多regex类似，这个表示所有的标点符号。在数据分析时，如果你不需要句子里的标点，可以使用：gsub(&quot;[[:punct:]]&quot;, &quot;&quot;, x)  #这里将x数据里的所有标点符号变成“”（空）。如下：x&amp;lt;- 'hello.+$%..world'

gsub(&quot;[[:punct:]]&quot;, &quot;&quot;, x)  #结果为 &quot;helloworld&quot;可以看到，所有标点符号都被..]]></description><category></category></item><item><title><![CDATA[关于本博客的说明与规范]]></title><link>https://blog.youkuaiyun.com/ClintLong/article/details/80999790</link><guid>https://blog.youkuaiyun.com/ClintLong/article/details/80999790</guid><author>ClintLong</author><pubDate>Wed, 11 Jul 2018 14:33:33 +0800</pubDate><description><![CDATA[前言：一年以前，我接触到了R语言，被这门语言深深吸引了，那时只是觉得编程很新鲜有趣，于是学习的很认真，希望好好掌握这门学科，以后走向分析师这一行。但是不幸的是，中国分析师这个行业据我最近了解，真的很惨淡且待遇糟糕。R这门语言在中国的普及实在是糟糕，而我国金融行业也少有使用编程语言进行辅助的全面人才，深感中美技术与理念的差距。即使是我的本科学校已然如此优秀，在课程的编排上竟也是如此幼稚（近期才在统计...]]></description><category></category></item><item><title><![CDATA[机械学习与R语言- 懒惰的KNN 算法]]></title><link>https://blog.youkuaiyun.com/ClintLong/article/details/80986016</link><guid>https://blog.youkuaiyun.com/ClintLong/article/details/80986016</guid><author>ClintLong</author><pubDate>Tue, 10 Jul 2018 17:35:47 +0800</pubDate><description><![CDATA[本次需要使用到《机械学习与R语言》中的数据包‘wisc_bc_data.csv’。可以到网上自行搜索下载or到我github里下载：到第二版第三章，点进wisc_bc_data.csv -&gt; 再点击 raw -&gt; 右键另存为

本文代码多来源于《MACHINE LEARNING WITH R》- Brett Lantz

1.临近分类法（KNN）

KNN 算法是一个原理极其简单的算...]]></description><category></category></item><item><title><![CDATA[R语言入门教学（4）-R的数据结构]]></title><link>https://blog.youkuaiyun.com/ClintLong/article/details/80972553</link><guid>https://blog.youkuaiyun.com/ClintLong/article/details/80972553</guid><author>ClintLong</author><pubDate>Mon, 09 Jul 2018 17:25:15 +0800</pubDate><description><![CDATA[前言：经过之前的学习，大家应该大概对R有了一些了解，但是又会感觉懵懵懂懂，这很正常，学习一门语言的路很长，并不能通过一早一夕变进步神速，贵在持之以恒。但无论学什么，基础一定要打好。学知识切记不可如空中楼阁，这会很影响我们向更高层进步。如果凡事只学习应用而不学习背景与基础，也许在面对某些特定项目时，你表现的和别人的水平并无很大差距，但是遇到新知识时，接收能力却会和别人有天壤之别。今天所写的是一些很基...]]></description><category></category></item><item><title><![CDATA[R语言数据可视化-- boxplot 异常点选取原理讲解]]></title><link>https://blog.youkuaiyun.com/ClintLong/article/details/80970182</link><guid>https://blog.youkuaiyun.com/ClintLong/article/details/80970182</guid><author>ClintLong</author><pubDate>Mon, 09 Jul 2018 15:48:00 +0800</pubDate><description><![CDATA[本次详解boxplot原理，同时需要使用到《机械学习与R语言》中的数据包‘usedcars.csv’。可以到网上自行搜索下载or到我github里下载：https://github.com/HAI2018/MLwR/   到第二版第二章，点进usedcars.csv -&amp;gt; 再点击 raw -&amp;gt; 右键另存为 Boxplot一直都是我们对数据异常点观测的一个简单且直接有效的方式，虽然它并不...]]></description><category></category></item><item><title><![CDATA[R语言入门教学（3）-不懂就问help（）的使用及package的安装]]></title><link>https://blog.youkuaiyun.com/ClintLong/article/details/80943018</link><guid>https://blog.youkuaiyun.com/ClintLong/article/details/80943018</guid><author>ClintLong</author><pubDate>Fri, 06 Jul 2018 17:22:17 +0800</pubDate><description><![CDATA[R中package的安装]]></description><category></category></item><item><title><![CDATA[R语言入门教学（2.5）- 课后练习]]></title><link>https://blog.youkuaiyun.com/ClintLong/article/details/80942711</link><guid>https://blog.youkuaiyun.com/ClintLong/article/details/80942711</guid><author>ClintLong</author><pubDate>Fri, 06 Jul 2018 16:26:54 +0800</pubDate><description><![CDATA[课程2的课后题]]></description><category></category></item><item><title><![CDATA[R语言入门教学（2）-简单赋值与计算]]></title><link>https://blog.youkuaiyun.com/ClintLong/article/details/80915593</link><guid>https://blog.youkuaiyun.com/ClintLong/article/details/80915593</guid><author>ClintLong</author><pubDate>Wed, 04 Jul 2018 18:51:13 +0800</pubDate><description><![CDATA[R的简单计算与赋值]]></description><category></category></item><item><title><![CDATA[R语言入门教学（1）——Rstudio的安装]]></title><link>https://blog.youkuaiyun.com/ClintLong/article/details/80888091</link><guid>https://blog.youkuaiyun.com/ClintLong/article/details/80888091</guid><author>ClintLong</author><pubDate>Mon, 02 Jul 2018 18:33:14 +0800</pubDate><description><![CDATA[R的安装**所有代码都会在Rstudio里面运行，我们安装R只是为了运行Rstudio，可以理解为Rstudio让大家写起代码来更加方便。1.R 运行code的快捷键 ctrl+enter2.在左上角写code，这些代码是所谓的草稿，R的代码支持一行一行run3.跑出来的结果会在左下角Console框内呈现4.右边两个框一般只用来查看结果，并不对代码造成影响5.现在看不大懂无所谓，写几行代码跑跑就...]]></description><category></category></item><item><title><![CDATA[BeautifulSoup在R语言里的实现]]></title><link>https://blog.youkuaiyun.com/ClintLong/article/details/80847492</link><guid>https://blog.youkuaiyun.com/ClintLong/article/details/80847492</guid><author>ClintLong</author><pubDate>Thu, 28 Jun 2018 18:54:06 +0800</pubDate><description><![CDATA[一说到爬虫，大家第一时间想到的便是Python，但是实际上，R也能实现爬虫的功能，并且在某些特定的结构中，R的效率非常高，下面就来介绍一个关于R语言实现BeautifulSoup的功能的例子。同样的，我们以天天基金网的QDII 基金净值为例子（详情可以见我上一篇文章点击打开链接），为了爬取其中symbol以及净值数据，R可以通过短短几行代码实现：install.packages('XML') #安...]]></description><category></category></item><item><title><![CDATA[Python 爬取网页数据（以基金净值数据为例子）]]></title><link>https://blog.youkuaiyun.com/ClintLong/article/details/80846994</link><guid>https://blog.youkuaiyun.com/ClintLong/article/details/80846994</guid><author>ClintLong</author><pubDate>Thu, 28 Jun 2018 18:34:09 +0800</pubDate><description><![CDATA[BeautifulSoup的使用]]></description><category></category></item><item><title><![CDATA[R语言中的numeric数据归类 ，cut函数的应用]]></title><link>https://blog.youkuaiyun.com/ClintLong/article/details/80833268</link><guid>https://blog.youkuaiyun.com/ClintLong/article/details/80833268</guid><author>ClintLong</author><pubDate>Thu, 28 Jun 2018 17:29:49 +0800</pubDate><description><![CDATA[Cut函数的应用]]></description><category></category></item><item><title><![CDATA[关于Python BeautifulSoup 爬取网页信息中文乱码 解决方法]]></title><link>https://blog.youkuaiyun.com/ClintLong/article/details/80814790</link><guid>https://blog.youkuaiyun.com/ClintLong/article/details/80814790</guid><author>ClintLong</author><pubDate>Tue, 26 Jun 2018 17:21:26 +0800</pubDate><description><![CDATA[爬取中国基金网数据时中文部分出现乱码原code如下:url=r'http://data.chinafund.cn/' urlString= urlopen(url)soup= BeautifulSoup(urlString, 'html.parser')nameList= soup.findAll('div',{'id':'content'})  #print(nameList)for name ...]]></description><category></category></item></channel></rss>