惩罚函数法c语言编程土豆网,R里面的函数及调用方法（9页）-原创力文档

R--基本统计分析方法(包及函数)

摘要3

1、线性模型~回归分析：3

【包】3

【函数】3

【备注】3

2、logistic 回归：3

【包】：3

【函数】：3

【备注】3

3、无监督分类-决策树：4

【包】：4

【函数】：4

【备注】：4

4、支持向量机：4

【包】：4

【函数】：4

5、无监督分类~聚类分析：4

【包】：4

【函数】：4

【备注】：4

6、关联分析：5

【包】：5

【函数】：5

7、主成分分析：5

【包】：5

【函数】：5

【备注】：5

8、对应分析：6

【包】：6

【函数】：6

【备注】：6

9、因子分析：6

【包】：6

【函数】：6

10、神经网络6

【包】：6

【备注】：6

11、随机森林：(回归和分类)6

【包】：6

【备注】：6

12、递归拆分：(回归，分类，生存分析)7

【包】：7

【备注】：7

13、Boosting：(提高给定任意学习算法精确度的方法)7

【包】：7

【备注】：7

14、模型确认和选择：7

【包】：7

【函数】：7

【备注】：7

15、缺失数据7

【包】：7

16、隐变量方法8

【包】：8

【备注】：8

17、有监督分类和判别分析8

【包】：8

【备注】：8

18、典型相关分析9

【包】：9

【备注】：9

R--基本统计分析方法(包及函数)

制作人：土豆渣渣

摘要

目前经典的统计学分析方法主要有回归分析，Logistic 回归，决策树，支持向量机，聚类分

析，关联分析，主成分分析，对应分析，因子分析等，那么对于这些经典的分析方法在R 中

的使用主要有那些程序包及函数呢？

1、线性模型~回归分析：

【包】

stats

【函数】

lm(formula, data, ...)

逐步回归：step(lm(formula, data, ...))

回归诊断：influence.measure(lm(formula, data, ...))

多重共线性：kappa(XX,exact=T), eigen(XX)

自相关检验：一阶：dwtest(y~x) 多阶：bgtest(y~x,order=2,type=”Chisq”)

【备注】

1)stats 包里的 lm()可做多元线形模型，anova.mlm() 比较多个多元线形模型，

manova()做多元方差分析(MANOVA )。

2 )sn 包的msn.mle()和 and mst.mle()可拟合多元偏正态和偏t 分布模型。

3)pls 包提供偏最小二乘回归(PLSR )和主成分回归；

4 )ppls 包可做惩罚偏最小二乘回归；

5)dr 包提供降维回归方法，如：片逆回归法(Sliced Inverse Regression)、片平均

方差估计(sliced average variance estimation) 。

6)plsgenomics 包做基于偏最小二乘回归的基因组分析。

7)relaimpo 包可评估回归参数的相对重要性。

2、logistic 回归：

【包】：

stats

【函数】：

glm(formula, family=gaussian,data, ...)

【备注】

family

binomial(link = "logit")

gaussian(link = "identity")

Gamma(link = "inverse")

inverse.gaussian(link = "1/mu^2")

poisson(link = "log")

quasi(link = "identity", variance = "constant")

quasibinomial(link = "