R語言筆記完整版
R語言與資料探勘：公式；資料；方法
R語言特徵
- 對大小寫敏感
- 通常，數字，字母，. 和 _都是允許的(在一些國家還包括重音字母)。不過，一個命名必須以 . 或者字母開頭，並且如果以 . 開頭，第二個字元不允許是數字。
- 基本命令要麼是表示式（expressions）要麼就是 賦值（assignments）。
- 命令可以被 (;)隔開，或者另起一行。
- 基本命令可以通過大括弧({和}) 放在一起構成一個複合表示式（compound expression）。
- 一行中，從井號(#)開始到句子收尾之間的語句就是是註釋。
- R是動態型別、強型別的語言。
- R的基本資料型別有數值型（numeric）、字元型（character）、複數型（complex）和邏輯型（logical），物件型別有向量、因子、陣列、矩陣、資料框、列表、時間序列。
基礎指令
- 程式輔助性操作：
執行
q()——退出R程式
tab——自動補全
ctrl+L——清空console
ESC——中斷當前計算
除錯查錯
browser() 和 debug()——設定斷點進行，執行到此可以進行瀏覽檢視（具體除錯看browser（）幫助文件（c,n,Q））
stop('your message here.')——輸入引數不正確時，停止程式執行
cat（）——檢視變數？
幫助
help(solve) 和 ?solve 等同
??solve——檢索所有與solve相關的資訊
help("[[") 對於特殊含義字元，加上雙引號或者單引號變成字串，也適用於有語法涵義的關鍵字 if，for 和 function
help(package="rpart")——檢視某個包
help.start()——得到html格式幫助
help.search()——允許以任何方式（話題）搜尋幫助文件
example（topic）——檢視某個幫助主題示例
apropos（"keyword"）——查詢關鍵詞keyword相關的函式
RSiteSearch("onlinekey"， restrict=fuction)——用來搜尋郵件列表文件、R手冊和R幫助頁面中的關鍵詞或短語（網際網路）RSiteSearch('neural networks')
- 準備
檔案目錄設定
setwd（<dir>）——設定工作檔案目錄
getwd（）——獲取當前工作檔案目錄
list.files()——檢視當前檔案目錄中的檔案
載入資源
search()——通過search()函式，可以檢視到R啟動時預設載入7個核心包。
基礎函式：數學計算函式，統計計算函式，日期函式，包載入函式，資料處理函式，函式操作函式，圖形裝置函式
setRepositpries（）——選擇軟體庫（CRAN，Bioconductor，R-Forge），尋找安裝包的方法另看《【R筆記】尋找R的安裝包》
(.packages())——列出當前包
(.packages(all.available=TRUE))——列出有效包
install.packages（“<package>”）——安裝包
library（）和require（）——載入R包（package）至工作空間
data（）——列出可以被獲取到的存在的資料集(base包的資料集)
data（<datasets>，package=“nls”）——將nls包的datasets載入到資料庫中
批處理檔案和結果重定向
source("commands.R")——執行commands.R （存放批處理命令的）指令碼檔案。
cat(<Rcommond>,file="")——可以把R命令輸出至外部檔案，然後呼叫source函式進行批處理
do.call(<funcname>，<pars>)——呼叫函式，第一個引數<funcnames>指示呼叫函式字串名稱，第二個引數包含呼叫所需引數的一個列表<pars>
sink("record.lis")——把後續的輸出結果從控制檯重定向到外部檔案 record.lis 中
sink（）——把後續程式碼輸出重新恢復到終端上展示
attach（<datafame>）——將資料框<datafame>中的變數連結到記憶體中，便於資料呼叫
detach()——對應attach(<datafame>)，取消變數的連結，detach()裡沒有引數！
注：attach()和detach()均是在預設變數搜尋路徑表中由前向後找到第一個符合變數名稱，因此之前若存在重名變數，有可能會出現問題！！！
- 資料處理
輸入輸出（讀入輸出資料、檔案）
assign("x",c(1,2,3)) 和 x <- c(1,2,3) 和 c(1,2,3)->x ——向量賦值
read.table（"infantry.txt", sep="\t"， header=TRUE）——seq屬性用其它字元分割，比如文字檔案用空格（tab）分隔，header設定為檔案中已經存在表頭名稱
read.csv("targets.csv")——讀入csv（Comma Seperated Values）檔案，屬性被逗號分割
read.csv(url("<link>"))——read.csv() 和 url()的合體，讀存在網上的資料
x <- scan(file="")——手動輸入資料，同時scan可以指定輸入變數的資料型別，適合大資料檔案
scan("data.dat", what = list("", 0, 0))——what指定變數型別列表
readLines('http://en.wikipedia.org/wiki/Main_Page',n=10)——讀取文字檔案，將文件轉為以行為單位存放的list格式，比如讀取讀取wikipedia的主頁html檔案的前十行
write.table(Data, file="file.txt", row.names = FALSE, quote=FALSE)——輸出，quote為FALSE去掉字串型別的雙引號，write.table(stasum, "stasum.csv",row.names = FALSE,col.name=FALSE,sep=",",append=TRUE)
write.csv（data，file="foo.csv",row.names=FALSE）——寫成csv格式,row.names=FALSE去掉行號
print（）——列印
save.image（"./data.RData"）——把原本在計算機記憶體中（工作空間）活動的資料轉存到硬碟中。
load("./RData")——載入目錄中的*.RData，把文件-詞項矩陣從磁碟載入到記憶體中
資料檢視
- 通用物件
R是一種基於物件（Object）的語言，物件具有很多屬性（Attribute），其中一種重要的屬性就是類（Class），最基本的類包括了數值（numeric）、邏輯（logical）、字元（character）、列表（list），符合類包括矩陣（matrix）、陣列（array）、因子（factor）、資料框（dataframe）。
class(<object>) 和 data.class(object)——檢視物件object的類或型別
unclass()——消除物件object的類
- 基本資料型別
mode()——檢視基本資料型別
length()——檢視長度
as.<資料型別>——改變物件的資料型別
- 特殊屬性
attributes(<object>)——檢視物件object各種屬性組成的列表
attr(<object>，“name”)——存取物件object的名為name的屬性
- 混合型別
邏輯型別+數值型別=數值型別
邏輯型別+字元型別=字元型別
數值型別+字元型別=字元型別
ls() 和 objects（）——檢視當前工作空間中存在的物件（變數）
rm(list=ls())——刪除工作空間的所有物件
methods(x)——檢視x函式的原始碼，有些自帶函式輸入名稱x可以直接看到，有一些需要呼叫methods方法才能檢視函式x的原始碼，出現多重名，輸入對應名稱即可
str（）——檢視資料（框）中的資料總體資訊（比如樣本個數、變數個數、屬性變數名稱、型別）
nrow(dataframe)——檢視資料集行數
NROW（vector）——查看向量的行數，等於length(x)
head(dataframe)——檢視資料集前6行資料
tail(dataframe)——檢視資料集尾6行資料
- 向量特徵
邏輯向量運算：
TRUE，FALSE——全部大寫
isTRUE(x)——判斷x為TRUE
*|，&，！——或且非，注意是單個，不是&&！
ANY，ALL——任意，全部
陣列和矩陣
train$var
trainvar == NA] <- 1
Data[is.na(Data)] <- 0——資料框多維變數中給NA值賦值為0
apply（A，Margin，FUN，...）——A為矩陣，Margin設定待處理的維數，為1是橫排（行），為2是豎排（列）做運算，Fun是運算函式
sweep（x，2，apply（x，MARGIN=1，mean），FUN）——對陣列或者矩陣進行運算。 MARGIN=1表示行，2表示列；STATS統計量，如apply（x，MARGIN=1，mean），FUN函式運算預設為減法，“/”除法
y.vector<-with(data,get(yval))——表示在data資料框中讀取列名稱為yval的向量。
with(<data>，<colname|func>)——提取資料框中的某些引數做運算，對於資料框運算很方便
繪圖
plot()——繪製圖像
plot(<vecter_horizontal>, <vector_vertical>, pch=as.integer(<factors>)，col，xlab，ylab)——用factors區分影象點的型別pch（圓的，三角，叉），col是顏色類別，xlab或者ylab對應橫縱軸標題
legend(<location="topright">,legend=<vector_labelname>,pch=1:3，cex=1，col)——圖例，<location>是位置（比如右上），<vector_labelname>圖例類別標籤名，pch是圖例對應標籤的類別id（向量），<cex>調整字型比例大小，顏色設定，legend("topright", levels(<factors>), pch=1:length(levels(factors)))
text(X，Y，labels=c(1,2,3),adj=1.2)——新增標註,X,Y是對應座標的向量，labels是標記值，adj調整標註位置
abline(h = <int>，lty=2)——低階繪圖新增一條水平線h或者是迴歸模型直線，垂線v；lty為2表示繪製虛線
abline(a,b)——畫一條y=a+bx的直線
points（x，y）————低階繪圖，畫個點，座標為向量x，y
lines（x，y）——低階繪圖，畫一條線，座標為向量x，y
axis(side=1，at=seq(from=0.7，by=1.2，length.out=7)，labels=c（...）)——繪製座標軸，低階繪圖，side為2是縱座標
barchart（）——lattice包預先要對資料彙總
barplot(<vector>)——繪製柱狀圖，vector可增加名稱。也可以繪製直方圖，和hist（）均分資料不太一樣，需要用table（）統計各個子分段下樣本數量後在畫圖。
mosaicplot（x~y，main，color=T，xlab，ylab）——柱形對應關係圖
contour(<matrix>)——建立等高線
persp(<matrix>，expand=0.2）——建立3D圖，expand擴充套件值設定為0.2，否則為全屏擴充套件
image（volcano）——載入柵格（矩陣）影象
par（mfrow=c(1,2)，oma，mar）——mfrow設定圖形輸出視窗為1行2列，新增car包？oma是所有影象距離邊框的距離(底部，左邊，頂部，右邊)，mar是每幅影象對邊框的距離，預設是c(5, 4, 4, 2) + 0.1。
lines(data)——（低階）原圖中畫線，data是由散點(x，y)組成
rug（jitter（<data>），side =2）——檢驗離群點資料，rug（）原圖中執行繪圖繪製在橫座標上，side為2是縱座標，jitter(<data>)對繪製值略微調整，增加隨機排序以避免標記值作圖重合。
pairs(data)——資料框各個變數的散佈圖
coplot(y~x|a+b)——多個變數時的散點圖，在a，b（向量或是因子）的劃分下的y與x的散點圖
scatterplotMatr()——散點圖矩陣，car包
identify（<data>）——互動式點選，單擊圖形中的點，將會輸出對應資料的行號，右擊結束互動
stem(x，scale=1，width=80，atom=1e-08)——莖葉圖,scale控制莖葉圖的長度，為2即是以0~4為一組，5~9為一組將個位分成兩部分，width是繪圖寬度，atom是容差
boxplot（）——箱圖，研究變數的中心趨勢，以及變數發散情況和離群值。上體頂部和底部為上下四分位數，中間粗線為中位數，上下伸出的垂直部分為資料的散步範圍，最遠點為1.5倍四分為點，超出後為異常點，用圓圈表示。boxplot(y~f,notch=TRUE,col=1:3,add=TRUE)#y是資料，f是由因子構成，notch是帶有切口的箱型圖，add=T圖疊加到上一幅圖。
plot（f，y）——箱線圖，f是因子，y是與f因子對應的數值
bwplot（<factor> ~ <y>，data，ylab）——lattice包的箱圖，繪製不同factor下的y的箱圖（條件繪圖，在某個因子取值集合下的y值變化）
bwplot（size~a1,data,panel=panel.bpplot,prob=seq(.01,.49,by=.01),datadensity=TRUE,ylab=''）——Hmisc包的分位箱圖
earth.count(na.omit（x）,number=4,overlap=1/5)——連續變數x的離散化，把x轉化為因子型別；number設定區間個數，overlap設定兩個區間靠近邊界的重合？每個區間的觀測值相等
stripplot(x1~y|x2)——lattice包的複雜箱圖，存在兩個因子x1,x2控制下的y, x2按照從左到右，從下到上的順序排列，左下方的x2值較小
palette()——col取值對應的顏色， "black" "red" "green3" "blue" "cyan" "magenta" "yellow" "gray"
colors（）——列出對應的顏色陣列
qcc（）——qcc包，監控轉化率型指標的質量監控圖（P控制圖），監控異常點，前提是二項分佈足夠大後趨於正態分佈
mosaic（<tab>，shade=T，legend=T）——繪製三級列聯表，<tab>是三級列聯表或者公式，vcd包
curve（sapply(x,<func>)，<from>，<to>）——畫曲線圖，from和to設定橫座標取值範圍
編輯
optim(c(0,0),<func>)——優化問題函式，c(0,0)是優化函式引數的初始值，返回值par是引數最優點值，value是引數的最優點時平方誤差值，counts是返回執行輸入函式func的次數以及梯度gradient的次數，convergence值為0表示有把握找到最優點，非0值時對應錯誤，message是一些其它資訊。
curve（sapply(x,<func>)，<from>，<to>）——畫曲線圖，from和to設定橫座標取值範圍
sample(length(x)，<size>，replace=F)——取樣，生成向量x的隨機順序的大小為<size>的新向量；replace為False為不重複抽樣，為True則重複抽樣
Round ——取整。精確
ceiling()——取整，偏向數值小的
floor() ——取整，偏向數值大的
%/% ——整除
colnames(Data)[4]="value"——更換某一列名
edit（）——編輯資料表格
fix（）——
rm（x，y）——移除物件（變數）x和y
na.exclude(<data>)——移除缺失資料整行
na.omit(<data>)——刪除缺失資料
attr（na.omit（<data>）,"na.action"）——返回向量a中元素為NA的下標
na.fail（）——如果向量中至少包括1個NA值，則返回錯誤；如果不包括任何NA，則返回原有向量
merge(x = targets, y = infanty)——合併資料框，x和y是待合併資料框，相同屬性欄位也會合並在一起
merge(x, y, by = intersect(names(x), names(y)),by.x = by, by.y = by, all = FALSE, all.x = all, all.y = all,sort = TRUE, suffixes = c(".x",".y"),incomparables = NULL, ...)
merge函式引數的說明:
x,y:用於合併的兩個資料框
by,by.x,by.y:指定依據哪些行合併資料框,預設值為相同列名的列.
all,all.x,all.y:指定x和y的行是否應該全在輸出檔案.
sort:by指定的列是否要排序.
suffixes:指定除by外相同列名的字尾.
incomparables:指定by中哪些單元不進行合併.
scale(x, center = TRUE, scale = TRUE)——中心化與標準化，center是中心化，scale是標準化。（全選：減去均值，再除以標準差）
cut(x，breaks=c(0,10,30)，labels，ordered_result=F)——連續資料的離散化，將向量依據breaks區間分割為因子向量。labels設定返回因子向量的水平標籤值，ordered_result為False生成的因子向量無大小意義，否則有大小意義
- apply族函式
apply(A，MARGIN，FUN，...)——處理物件A是矩陣或陣列，MARGIN設定待計算的維數，FUN是某些函式，如mean，sum
注：apply與其它函式不同，它並不能明顯改善計算效率，因為它本身內建為迴圈運算。
按列？
lappy(dataframe，FUN，list(median,sd))——處理物件是向量、列表或其它物件，輸出格式為列表list
sapply(dataframe$Filed，FUN)——與lapply()相似，輸出格式為矩陣（或資料框）
按行？
tapply(X, INDEX, FUN, simplify = TRUE) ——處理分組資料, INDEX和X是有同樣長度的因子，simplify是邏輯變（量預設為T）
aggregate(x~y+z, data，FUN)和by()——和tapply功能類似
其餘參看：apply函式族
- plyr庫
ddply(Data，.(user_id，item_id)，summarize，liulan=sum(liulan)）——split-apply-combine的一體化函式；.(user_id，item_id)作為每行的一對標識ID（因子），前面的“.”號省略資料框名稱；summrize是一個函式fun；liulan是一個變數，最後生成的資料框只有user_id，item_id，liulan三列。詳情參見例子 R語言利器之ddply
transform(x，y)——將x和y的列轉換成·一個數據框。
- reshape庫（reshape2）
melt（data，id.vars）——轉換資料溶解。修改資料組織結構，建立一個數據矩陣，以id.var作為每行的編號，剩餘列資料取值僅作為1列數值，並用原列名作為新數值的分類標記。
cast（data, userid~itemid,value="rattings",fill=0）——統計轉換資料，生成矩陣，公式~左邊的作為行表名，右邊的作為列表名。之後可以用cor（）計算每列資料之間的相關係數，並計算距離。
acast 和 dcast（data, userid~itemid,value.var="rattings"）——同上，reshape2包，acast最後生成陣列，dcase生成資料框。參見 R語言進階之4：資料整形（reshape）
- 字串處理
nchar()——獲取字串長度，它能夠獲取字串的長度，它也支援字串向量操作。注意它和length()的結果是有區別的？什麼區別
paste("a", "b", sep="")——字串粘合，負責將若干個字串相連結，返回成單獨的字串。其優點在於，就算有的處理物件不是字元型也能自動轉為字元型。
strsplit(A，split='[,.]') ——字串分割，負責將字串按照某種分割形式將其進行劃分，它正是paste()的逆操作。
substr(data,start,stop)——字串擷取，能對給定的字串物件取出子集，其引數是子集所處的起始和終止位置。子集為從start到stop的下標區間
grep()——字串匹配，負責搜尋給定字串物件中特定表示式 ，並返回其位置索引。grepl()函式與之類似，但其後面的"l"則意味著返回的將是邏輯值
regexpr（pattern,text）——從字串text中提取特定的字串的下標位置
gregexpr（）——只查詢匹配的第一個特定字串的下標位置
gsub("a",1,<vector>)——字串替代，負責搜尋字串的特定表示式，並用新的內容加以替代。
sub()函式——和gsub是類似的，但只替代第一個發現結果。
chartr( )——字串替換函式
toupper( )、tolower( )及casefold( )——大小寫轉換函式
其餘參見：R語言中的字串處理函式
- 控制流
if—else——分支語句
switch(index,case1,case2,casen)——index指示跳到第i個casei中
for（i in <vecter>）——迴圈語句，通過控制變數i
while——迴圈語句，通過設定迴圈範圍
repeat—break——迴圈語句，無限迴圈，由break跳出
特殊資料物件
- 向量特性
向量陣列初始小標序號從1開始
向量增加元素可以直接通過“vector[n+1]<-0”方式增加
a<-c()——向量初始化
vector <- numeric（<int>）——建立初始向量<int>個數，並賦初值為0
length（vector）<- leg——修改物件長度為leg
names(vector) <- c("A","B","C")——給向量起名稱
vector["A"]——通過名稱訪問對應元素
a == c(1, 99, 3)——比較每一個元素對應是否相等
c（0，1）——建立向量，向量內元素型別應一致！
seq（5，9）和 5：9 ——連續向量，等差數列
seq（5，9，0.5）——以0.5為間隔建立
seq(from,to,length,by)
資料索引
which（is.na(var) == T）——返回對應陣列序號
which.max() 和 which.min()——返回數值型別中最大和最小元素下標
subset（<data>,<condition>，<colname>）——索引，<data>是資料，<condition>是索引條件，colnames指定索引列名
match（x，table，nomatch，incomparables）——匹配函式，返回x對應值在table中是否存在，並從1開始編號。x是查詢物件，table是待匹配的向量，nomatch是不匹配項的設定值（預設為NA值），incomparables設定table表中不參加匹配的數值，預設為NULL
<x> %n% <y>——判斷x中是否包含y，返回x對應的邏輯值
排序
sort(x, decreasing = FALSE, na.last = NA, ...)——排序，單變數排序，輸出排序結果（不是序號）。na.last為TRUE，缺失值放在資料最後，為False 缺失值放在資料最前面，為NA，缺失資料將被移除
sort.list()——排序輸出序號值
order()——排序，多個變數資料框排序，返回資料框序號數。order例子【結】
結合ddply和transform函式，降序輸出並，輸出編號：ddply(dfx,.(group,sex),.fun=function(x){transform(x[order(x$age,decreasing=TRUE),c(1:3)],ind=1:length(group))})
rank()——秩排序，有重複數字的時候就用這個，根據數值之間的遠近輸出序號
rev()——依據下標從後往前倒排資料
unique（<dataframe>）——返回無重複樣本的資料集
duplicated（x）——查詢重複資料，重複序號返回為TRUE
比較大小
pmin（x1,x2,...）——比較向量中的各元素，並把較小的元素組成新向量
pmax（x1,x2,...）——
向量間的交、並、補集
union(x, y)——（並集）合併兩組資料，x和y是沒有重複的同一類資料，比如向量集
intersect(x, y)——（交集）對兩組資料求交集，x和y是沒有重複的同一類資料，比如向量集
setdiff(x, y)——（補集）x中與y不同的資料，x和y是沒有重複的同一類資料，比如向量集，重複不同不記
setequal(x, y)——判斷x與y相同，返回邏輯變數，True為相同，False不同。x和y是沒有重複的同一類資料，比如向量集
is.element(x, y) 和 %n%——對x中每個元素，判斷是否在y中存在，TRUE為x，y重共有的元素，Fasle為y中沒有。x和y是沒有重複的同一類資料，比如向量集
Vectorize()——將不能進行向量化預算的函式進行轉化
- 矩陣
array（data=NA,dim=length(data),dimnames=null）——陣列、矩陣初始化,dim是陣列各維的長度dimnames是陣列維的名字，預設為空，array(1:20, dim=c(4,5))。陣列是多維的，dim屬性設定維數
matrix(0, 3, 4)——0為賦初值，3行，4列，儲存方式是先列後行！矩陣是二維的，用ncol和nrow設定矩陣的行數和列數。byrow設定儲存方式（預設列優先），若為TRUE則以行優先
dim（<vector>）<- c(2,3)——設定矩陣為2行3列
dimnames（）=list(c（<row>），c（<col>）)——設定引數行和列的名稱，以列表的形式進行輸入
matrix[ ,4]——矩陣第4列
as.vector(matrix)——將矩陣轉換成向量
a["name1","name2"]——矩陣以行和列的名稱來代替行列的下標，name1是行名，name2是列名
rbind（）——矩陣合併，按行合併，自變數寬度應該相等
cbind（）——矩陣合併，安列合併，自變數高度應該相等
t()——矩陣轉置
det()——行列式
solve（A，b）——求線性方程組Ax=b
solve（A）——求逆矩陣
eigen（A） ——求距陣的特徵值與特徵向量，Ax=(Lambda)x，Avectors是A的特徵向量構成的矩陣
*——矩陣中每個元素對應相乘
%*%——矩陣相乘
- 因子
因子和向量的區別：
向量裡面存的元素型別可以是字元型，而因子裡面存的是整型數值對應因子的類別（levels）
as.integer(<factors>)——因子可以轉化為整型
levels(<factors>)——檢視因子類別
gl（n，k，length）——因子,n為水平數，k為重複的次數，length為結果的長度
factor(x，levels，labels)——因子
as.factror()——將向量轉化為無序因子，不能比較大小
as.order()——將向量轉化為有序因子
is.factor()——判斷是否為無序因子
is.order()——判斷是否為有序因子
- 列表和資料框
list()——列表
unlist()——列表轉化為向量
data.frame()——資料框
names(<dataframe>)——顯示資料框的列名稱
dataframe[[2]] 和 dataframe[["TheSec.Name"]] 和 dataframe$TheSec.Name——獲取資料框第二列的元素值
as.matrix(<dataframe>)[，1]——把資料框轉化為矩陣後，再去提取列向量
- na和NULL的區別
is.na()——判斷na值存在，na是指該數值缺失但是存在。
is.null（）——判斷資料是否為NULL。NULL是指不存在，可以通過 train$var<-NULL 的方法去掉屬性變數var。
- 處理缺失資料na
1、將缺失部分剔除
2、用最高頻率值來填補缺失值
3、通過變數的相關關係來填補缺失值
4、通過探索案例之間的相似性來填補缺失值
- 公式
a:b——a和b的互動效應
a+b——a和b的相加效應
a*b——相加和互動效應（等價於a+b+a：b）
-b——去掉b的影響
1——y~1擬合一個沒有因子影響的模型（僅僅是截距）
-1——y~x-1表示通過原點的線性迴歸（等價於y~x+0或者0+y~x）
^n——包含所有知道n階的互動作用（a+b+c）^2==a+b+c+a:b+a:c+b:c
poly(a,n)——a的n階多項式
I(x1+x2)——表示模型y=b（x1+x2）+a
數理統計
- 基礎知識
統計量
mean（x，trim=0,na,rm=FALSE）——均值，trim去掉x兩端觀測值的便利，預設為0，即包括全部資料，na.rm=TRUE允許資料中有缺失
weighted.mean(x，<weigth>)——加權平均值，weigth表示對應權值
median——中值
quantile(x，probs=seq(<start>,<end>,<diff>))——計算百分位數，是五數總和的擴充套件，probs設定分位數分位點，用seq(0,1,0.2)設定，表示以樣本值*20%為間隔劃分資料。
var（）——樣本方差（n-1）
sd——樣本標準差（n-1）
cov——協方差
cor——相關矩陣
fivenum(x,na.rm=TRUE)——五數總括：中位數，下上四分位數，最小值，最大值
數學函式
sum（x,y,z，na.rm=FALSE）——x+y+z，na.rm為TURE可以忽略掉na值資料
sum（x>4）——統計向量x中數值大於4的個數
rep（“LOVE！”，<times>）——重複times次，rep(1:3，c（1，2，3）)表示1個1，2個2，3個3組成的序列
sqrt（）——開平方函式
2^2 和 **——“^”冪運算
abs（）——絕對值函式
'%%'——表示求餘
'%/%'——求商（整數）
exp ： 2.71828…
expm1 ： 當x的絕對值比1小很多的時候，它將能更加正確的計算exp(x)-1
log ： 對數函式（自然對數）
log10 ： 對數（底為10）函式（常用對數）
log2 ： 對數（底為2）函式
因為10>e>1，常用對數比自然對數更接近橫座標軸x
log1p()——log（1+p），用來解決對數變換時自變數p=0的情況。指數和對數的變換得出任何值的0次冪都是1
特性：對數螺旋圖。當影象呈指數型增長時，常對等式的兩邊同時取對數已轉換成線性關係。
sin ： 正弦函式
cos ： 餘弦函式
tan ： 正切函式
asin ： 反正弦函式
acos ： 反餘弦函式
atan ： 反正切函式
sinh ： 超越正弦函式
cosh ： 超越餘弦函式
tanh ： 超越正切函式
asinh ： 反超越正弦函式
acosh ： 反超越餘弦函式
atanh ： 反超越正切函式
logb ： 和log函式一樣
log1px ： 當x的絕對值比1小很多的時候，它將能更加正確的計算log(1+x)
gamma ： Γ函式（伽瑪函式）
lgamma ： 等同於log(gamma(x))
ceiling ： 返回大於或等於所給數字表達式的最小整數
floor ： 返回小於或等於所 給數字表達式的最大整數
trunc ： 擷取整數部分
round ： 四捨五入
signif(x,a) ： 資料擷取函式 x：有效位 a：到a位為止
圓周率用 ‘pi’表示
crossprod(A,B)——A %*% t(B) ，內積
tcrosspeod(A,B)——t(A) %*% B，外積
%*%——內積，a1b1+a2b2+...+anbn=a*b*cos<a,b>，crossprod(x)表示x與x的內積。||x||2，矩陣相乘
%o%——外積，a*b*sin<a,b>（矩陣乘法，叉積），tcrossprod(x,y)表示x與y的外積。*表示矩陣中對應元素的乘積！
正態分佈
dnorm（x，mean=0,sd=1,log=FALSE）——正態分佈的概率密度函式
pnorm(x，mean=0,sd=1)——返回正態分佈的分佈函式·
rnorm（n，mean=0.sd=1）——生成n個正態分佈隨機數構成的向量
qnorm()——下分為點函式
qqnorm（data）——畫出qq散點圖
qqline（data）——低水平作圖，用qq圖的散點畫線
qq.plot（<x>，main=''）——qq圖檢驗變數是否為正態分佈
簡單分析
summary()——描述統計摘要，和 Hmisc()包的describe()類似，會顯示NA值，四分位距是第1個（25%取值小於該值）和第3個四分位數（75%取值小於該值）的差值（50%取值的數值），可以衡量變數與其中心值的偏離程度，值越大則偏離越大。
table(<datafame>$<var>)——統計datafame資料中屬性變數var的數值取值頻數(NA會自動去掉！)，列聯表
table(<data_var_1>, <data_var_2>)——比較兩個data_var，<data_var_1>為列，<data_var_2>為行，先列後行！
xtabs(formular，data)——列聯表
ftable( table())——三維列聯表
prop.table()——統計所佔百分比例
prop.table(table(<data_var_1>, <data_var_2>)，<int>)——比較兩個data_var所佔百分比，<int>填1位按行百分計算，2為列計算
margin.table( table()，<int> )——計算列聯表的邊際頻數（邊際求和）,<int>=1為按列變數
addmargin.table（table()，<int> ）——計算列聯表的邊際頻數（邊際求和）並求和,<int>=1為按列變數
as.formula(<string>)——轉換為一個R公式，<string>是一個字串
迴圈時的判斷語句：
ifelse(<test>, <yes>, <no>)——if，else的變種，test是判斷語句,其中的判斷變數可以是一個向量！yes是True時的賦值，no是False時的賦值
hist(<data>，prob=T，xlab='橫座標標題'，main='標題'，ylim=0:1，freq，breaks=seq(0,550,2))——prob=T表示是頻率直方圖，在直角座標系中，用橫軸每個小區間對應一個組的組距，縱軸表示頻率與組距的比值，直方圖面積之和為1；prob位FALSE表示頻數直方圖；ylim設定縱座標的取值範圍；freq為TRUE繪出頻率直方圖，counts繪出頻數直方圖，FALSE繪出密度直方圖。breaks設定直方圖橫軸取點間隔，如seq(0,550,2)表示間隔為2，從0到550之間的數值。
density(<data>,na.rm=T)——概率密度函式（核密度估計，非引數估計方法），用已知樣本估計其密度,作圖為lines(density(data),col="blue")
ecdf（data）——經驗分佈函式,作圖plot(ecdf(data),verticasl=FALSE,do.p=FALSE)，verticals為TRUE表示畫豎線，預設不畫。do.p=FALSE表示不畫點處的記號
- 假設檢驗
分佈函式
shapiro.test(data)——正態W檢驗方法，當p值大於a為正態分佈
ks.test(x,y)——經驗分佈的K-S檢驗方法，比較x與y的分佈是否相同，y是與x比較的資料向量或者是某種分佈的名稱，ks.test(x, rnorm(length(x), mean(x), sd(x)))，或ks.test(x,"pnorm",mean(x),sd(x))
chisq.test(x，y，p)——Pearson擬合優度X2（卡方）檢驗，x是各個區間的頻數，p是原假設落在小區間的理論概率，預設值表示均勻分佈,要檢驗其它分佈，比如正態分佈時先構造小區間，並計算各個區間的概率值，方法如下：
brk<-cut(x,br=c(-6,-4,-2,0,2,4,6,8))#切分割槽間
A<-table(brk)#統計頻數
p<-pnorm(c(-4,-2,0,2,4,6,8),mean(x),sd(x))#構造正態分佈函式
p<-c(p[1],p[2]-p[1],p[3]-p[2],p[4]-p[3],p[5]-p[4],p[6]-p[5],p[7]-p[6])#計算各個區間概率值
chisq.test(A,p=p)
正態總體的均值方差
t.test(x，y，alternative=c("two.sided","less","greater")，var.equal=FALSE)——單個正態總體均值μ或者兩個正態總體均值差μ1-μ2的區間估計；alternative表示備擇假設：two.side（預設）是雙邊檢驗，less表示H1:μ<μ0，greater表示H1：μ>μ0的單邊檢驗(μ0表示原假設)；當var.equal=TRUE時，則是雙樣本方差相同的情況，預設為不同
var.test(x，y)——雙樣本方差比的區間估計
獨立性檢驗（原假設H0：X與Y獨立）
chisq.test(x,correct=FALSE)——卡方檢驗，x為矩陣，dim(x)=c(2,2)，對於大樣本（頻數大於5）
fisher.test()——單元頻數小於5，列聯表為2*2
相關性檢驗（原假設H0：X與Y相互獨立）
cor.test（x,y,method=c("pearson","kendall","spearman")）——相關性檢驗，觀察p-value小於0.05則相關。method選擇相關性檢驗方法
秩
rank()——秩統計量
cor.test（）——秩相關檢驗：Spearman，Kendall
wilcox.test(x,y=NULL，mu,alternative，paired=FALSE，exact=FALSE,correct=FALSE，conf.int=FALSE)——秩顯著性檢驗（一個樣本來源於總體的檢驗，顯著性差異的檢驗），Wilcoxon秩和檢驗（非成對樣本的秩次和檢驗）,mu是待檢測引數，比如中值，paired邏輯變數，說明變數x，y是否為成對資料，exact說民是否精確計算P值，correct是邏輯變數，說明是否對p值採用連續性修正，conf.int是邏輯變數，給出相應的置信區間。
uniroot(f，interval=c(1,2))——求一元方程根的函式，f是方程，interval是求解根的區間內，返回值root為解
optimize(）或 optimise（）——求一維變數函式的極小點
nlm（f，p）——求解無約束問題，求解最小值，f是極小的目標函式，p是所有引數的初值，採用Newton型演算法求極小，函式返回值是一個列表，包含極小值、極小點的估計值、極小點處的梯度、Hesse矩陣以及求解所需的迭代次數等。
顯著性差異檢驗（方差分析，原假設：相同，相關性）
mcnemar.test(x,y，correct=FALSE)——相同個體上的兩次檢驗，檢驗兩元資料的兩個相關分佈的頻數比變化的顯著性，即原假設是相關分佈是相同的。y是又因子構成的物件，當x是矩陣時此值無效。
binom.test(x，n，p，alternative=c("two.sided","less","greater")，conf.level=0.95)——二項分佈，符號檢驗（一個樣本來源於總體的檢驗，顯著性差異的檢驗）
aov（x~f）——計算方差分析表，x是與（因子）f對應因素水平的取值，用summary（）函式檢視資訊
aov（x~A+B+A：B）——雙因素方差，其中X~A+B中A和B是不同因素的水平因子（不考慮互動作用），A：B代表互動作用生成的因子
p.adjust()——P值調整函式
pairwise.t.test(x，g，p.adjust.method="holm")——多重t檢驗,p.adjust.method是P值的調整方法，其方法由p.adjust（）給出，預設值按Holm方法（”holm“）調整，若為”none“，表示P值不做任何調整。雙因素互動作用時g=A：B
shapiro.test（x）——資料的正態W檢驗
bartlett.test（x~f，data）——Bartlett檢驗，方差齊性檢驗
kruskal.test（x~f，data）——Kruskal-Wallis秩和檢驗，非引數檢驗法，不滿足正態分佈
friedman.test(x，f1，f2，data）——Friedman秩和檢驗，不滿足正態分佈和方差齊性，f1是不同水平的因子，f2是試驗次數的因子
- 常用模型
1、迴歸模型
lm（y~.，<data>）——線性迴歸模型，“.”代表資料中所有除y列以外的變數，變數可以是名義變數（虛擬變數，k個水平因子，生成k-1個輔助變數（值為0或1））
summary（）——給出建模的診斷資訊：
1、資料擬合的殘差（Residual standard error，RSE），殘差應該符合N（0，1）正態的，值越小越好
2、檢驗多元迴歸方程係數（變數）的重要性，t檢驗法，Pr>|t|, Pr值越小該係數越重要（拒絕原假設）
3、多元R方或者調整R2方，標識模型與資料的擬合程度，即模型所能解釋的資料變差比例，R方越接近1模型擬合越好，越小，越差。調整R方考慮迴歸模型中引數的數量，更加嚴格
4、檢驗解釋變數x與目標變數y之間存在的依賴關係，統計量F，用p-value值，p值越小越好
5、繪圖檢驗plot(<lm>)——繪製線性模型，和qq.plot誤差的正態QQ圖
6、精簡線性模型，向後消元法
線性迴歸模型基礎
lm（formula=x~y，data，subset）——迴歸分析，x是因變數（響應變數），y是自變數（指示變數），formular=y~x是公式，其中若是有x^2項時，應把公式改寫為y~I(x^2)，subset為可選擇向量，表示觀察值的子集。例：lm(Y ~ X1 + X2 + I(X2^2) + X1:X2, data = data)
predict(lm(y~x)，new，interval=“prediction”，level=0.95)——預測，new為待預測的輸入資料，其型別必須為資料框data.frame，如new<-data.frame(x=7)，interval=“prediction”表示同時要給出相應的預測區間
predict(lm(y~x))——直接用用原模型的自變數做預測，生成估計值
篩選模型自變數
lm.new<-update(lm.sol，sqrt(.)~.)——修正原有的迴歸模型，將響應變數做開方變換
update（<lm>, .~. - x1）——移除變數x1後的模型
coef(lm.new)——提取回歸係數
迴歸診斷
1、正態性（QQ圖）
plot(x,which)——迴歸模型殘差圖，which=1~4分別代表畫普通殘差與擬合值的殘差圖，畫正態QQ的殘差圖，畫標準化殘差的開方與擬合值的殘差圖，畫Cook統
norm.test（）——正態性檢驗，p-value>0.05為正態
計量的殘差圖
residuals()和resid()——殘差
rstandard()——標準化殘差
rstudent()——學生化殘差
influence.measures(model)——model是由lm或者glm構成的物件，對迴歸診斷作總括，返回列表中包括，廣義線性模型也可以使用
anova（<lm>）——簡單線性模型擬合的方差分析（確定各個變數的作用）
anova（<lm1>,<lm2>）——比較兩個模型（檢驗原假設為不同）
2、誤差的獨立性——car包提供Duerbin_Watson檢驗函式
3、線性——car包crPlots（）繪製成分殘差圖（偏殘差圖）可以看因變數與自變數之間是否呈線性
4、同方差性——car包ncvTest（）原假設為誤差方差不變，若拒絕原假設，則說明存在異方差性
5、多重共線性——car包中的vif（）函式計算VIF方差膨脹因子，一般vif>2存在多重共線性問題
異常點分析（影響分析）
hatvalues（）和hat（）——帽子矩陣
dffits（）——DFFITS準則
cooks.distance()——Cook統計量，值越大越有可能是異常值點
covratio（）——COVRATIO準則
kappa（z，exact=FALSE）——多重共線性，計算矩陣的條件數k,若k<100則認為多重共線性的程度很小；100<=k<=1000則認為存在中等程度或較強的多重共線性；若k>1000則認為存在嚴重的多重共線性。z是自變數矩陣（標準化，中心化的？相關矩陣），exact是邏輯變數，當其為TRUE時計算精準條件數，否則計算近似條件數。用eigen（z）計算特徵值和特徵向量，最小的特徵值對應的特徵向量為共線的係數。
step()——逐步迴歸，觀察AIC和殘差平方和最小，廣義線性模型也可以使用
add1()——前進法
drop()——後退法
stepAIC（sol,direction="backward"）——MASS包，可以實現逐步迴歸（向前、向後、向前向後）
預測
predict（<sol>，<newdataframe>，level=0.95，interval="prediction"）——迴歸預測，sol是模型，newdataframe是待預測資料框，level設定置信度，interval="prediction"表示結果要計算置信區間
glm(formula，family=binomial（link=logit），data=data.frame)——廣義線性模型，logit預設為二項分佈族的連結函式，formula有兩種輸入方法，一種方法是輸入成功和失敗的次數，另一種像線性模型的公式輸入方式
predict(glm()，data.frame(x=3.5)，type="response")——預測廣義線性迴歸模型，type=“response”表示結果為概率值，否則為預測值y
inv.logit（）——預測值y的反logit，boot包的函式
glmnet（）——正則化glm函式，glmnet包，執行結果的行數越前正則化越強。其輸出結果的意義是：
1）DF是指明非0權重個數，但不包括截距項。可以認為大部分輸入特徵的權重為0時，這個模型就是稀疏的（sparse）。
2）%Dev就是模型的R2
3)超引數（lambda）是正則化引數。lambda越大，說明越在意模型的複雜度，其懲罰越大，使得模型所有權重趨向於0。
plot（lm(y~x)，which=1:4，caption=c(“Residuals vs Fitted”，“Normal Q-Q plot”，“Scale-Location plot”，“Cook's distance plot”)）——畫迴歸模型殘差圖，which為1表示畫普通殘差與擬合值的殘差圖，2表示畫正態QQ的殘差圖，3表示畫標準化殘差的開方與擬合值的殘差圖，4表示畫Cook統計量的殘差圖；caption是圖題的內容。
avova(sol1,sol2,test="Chisq")——比較模型兩個模型，廣義線性模型可用卡方檢驗（分類變數），不拒絕原假設說明兩個沒有顯著差異，即用較少自變數模型就可以。
非線性模型
poly（想，degree=1）——計算正交多現實，x是數值向量，degree是正交多項式的階數，並且degree<length（x）樣本個數，例如建立二次正交式迴歸模型：lm(y~1+poly（x，2）)
nls（formula,data,start）——求解非線性最小二乘問題，formula是包括變數和非線性擬合的公式，start是初始點，用列表形式給出
nlm(f，p)——非線性最小二乘，構造最小目標函式，方程移項2為0，f是極小的目標函式，p是所有引數的初值，採用Newton型演算法求極小，函式返回值是一個列表，minimum的值便是極小值，estimate是引數的估計值。例如：
fn<-function(p,x,y){
f<-y-p[1]*exp(p[2]*x)
res<-sum(f^2)
}
nlm.sol<-nlm(fn,p=c(3,-0.1),x,y)
2、迴歸樹
rpart( y ~.， <data>)——rpart包，迴歸樹，葉結點目標變數的平均值就是樹的預測值。生成一棵樹，再做修剪（防止過度擬合），內部10折交叉驗證
printcp（<rt>）——查看回歸樹結果，rt是指rpart（）函式的執行結果模型，plotcp（<rt>）以圖形方式顯示迴歸樹的引數資訊
引數如下：
cp——當偏差的減少小於某一個給定界限值，預設0.01
minsplit——當結點中的樣本數量小於某個給定界限時，預設20
maxdepth——當樹的深度大於一個給定的界限值，預設30
prune（<rt>,cp）——自行設定cp值的建樹
snip.rpart(<rt>, c(4,7))——修剪，需要修剪的那個地方的是結點號c(4，7)，指出輸出樹物件來需要修剪的樹的結點號
snip.rpart(<rt>)——互動修剪，點選結點，右擊結束
3、隨機森林
randomForest(y ~.， <data>)——組合模型，由大量樹模型構成，迴歸任務採用預測結果的平均值。
4、支援向量機
svm(<formula>，<data>，gamma=1/ncol(<data>)，<cost>)——e1071包，迴歸任務，<gamma>=0.01，<cost>=100違反邊際所引入的損失?
5、時間序列分析
ts(<data>, frequency=12, start=(2006,1))——把一個向量轉化為時間序列物件，<data>向量，frequency表示頻率，start表示時間起始點
decompose(<data>，type)——把時間序列分解成長期趨勢和週期性變化，<data>是設定了頻率（週期長度）的時間序列資料，type="additive"為累加形式：長期趨勢+週期性變化+隨機變化；"multiplicative"分解為累乘形式：長期趨勢*週期性變化*隨機變化。預設使用"additive"累加形式。函式返回值sol<-decompose()中，sol$trend是時間序列趨勢，seasonal是季節性週期變化，random是隨機誤差。
stl(<data>,"per")——分解時間序列，返回值sol<-stl()中，soltime.series[, "trend"]讀取長期趨勢trend。誤差可以使用sol$time.series[, "remainder"]讀取。
增長率：
diff(data,lag=1)——差分，上下做差，lag控制變數上下間隔為1
ring.growth[t]=(data[t]-data[t-1])/data[t-1]——同比增長率，描述指標變化趨勢
sam.per.grown[t]=(data[t]-data[t-T])/data[t-T]——環比增長率，分析週期性變化，避免週期性變化給資料分析帶來的影響，T一般以周為單位
移動平均：
filter(x, filter, method=c("convolution", "recursive"), side=2,...)——線性過濾函式，x待轉化的向量資料，method=convolution（卷積方法）:使用x內部樣本組成線性模型（係數ai由filter引數設定的，side引數設定卷積方法是單邊或者雙邊），recursive（遞迴方法）:使用y內部樣本以及當前階段的x樣本組成線性模型（係數ai由filter設定）y遞迴[t]=x[t]+sum(ai*y[t-i])。side為1（單邊卷積）y卷積[t]=a1*x[t]+...+a(k+1)*x[t-k]，side為2（雙邊卷積）y卷積[t]=a1*x[t+m]+...+a(m+1)*x[t]
指數平滑:
sol<-HoltWinters(<data>)——實現二次平滑和三次平滑指數。
sol.forst<-forecast.HoltWinters(sol, h=12)——預測HoltWinters函式產生的模型的新時間序列，h表示頻率？預測未來12個月
plot.forecast(sol.forst, include=10)——繪製預測圖，include=10表明繪製預測前10個月的資料和未來12個月的預測資料
ARIMA模型
ymd()——lubridate包，將"年-月-日"格式的字串轉換成日期物件，（可以比較前後時間）
自相關性
cov(data.frame(x,y))——協方差矩陣S
cor(data.frame(x,y))——相關係數矩陣R
rnorm（n，<mean>，<sd>）
arima.sim（n=100，list（ar=，ma=））——模擬100個樣本的模擬序列
lag.plot(data，lag=k，do.line=FALSE)——繪製原始資料和k階滯後的散點圖
acf（data，lag.max=16，ci.type="ma"）——計算並繪製自相關圖，0階自相關係數是rxx，所以恆等於1。ci.type="ma"主要是慨率acf的標準誤的問題，以使acf圖等準確。
pacf（data，lag.max=16）——偏自相關圖，消除Xt-1，...，Xt-k+1的影響後，研究Xt和Xt-k的相關性。
Box.test（data,type="Ljung-Box",lag=16，fitdf=p+q）——自相關性檢驗，p-value<0.05，標識資料data具有自相關，fitdf為自由度引數p+q
arima（data，order=c（p，d，q））——計算模型引數並建模，TSA包中，order設定AR過程的階數p，差分過程的d（用於穩定化）和MA過程的階數q。當p=d=0時，表示只使用MA過程對序列建模。結果sol<-arima（）呼叫predict(sol，n.ahead=5)se標準誤差SE，用於計算預測範圍（預測範圍=預測值+-置信度（alpha）*標準誤差SE。
eacf(data)——根據凸顯中三角區域頂點的行座標和列座標分別確定ARMA的p和q
norm.test（）——正態性檢驗，p-value>0.05為正態
tsdiag（sol）——繪製模型殘差的散點圖、自相關圖和不同階數下的Box.test體檢驗p-value值
模型評估
RMSE（lm，< which>）——qpcR包中計算均方根誤差，計運算元集subset
- 聚類分析
dist（x，method=”euclidean“）——計算距離
”euclidean“Euclid距離；
”maximum“——Chebyshev距離；
”manhattan“絕對值（馬氏）距離；
“canberra”Lance距離；
“minkowski”Minkowski閔式距離；
“binary”定性變數的距離
scale(x, center = TRUE, scale = TRUE)——中心化與標準化，center是中心化，scale是標準化。（全選：減去均值，再除以標準差）
hclust（d,method=“complete”）——系統聚類，d是又dist構成的距離結構，method是系統聚類的方法（預設為最長距離法）
“single”最短距離法“；
”complete“最長距離法；
”median“中間距離法；
”mcquitty“Mcquitty相似法；
”average“類平均法
”centroid“重心法
”ward“離差平法和法
plot（hclist（），hang=0.1）——譜系圖，hang表示譜系圖中各類所在的位置，hang取負值時，表示譜系圖從底部畫起。
as.dendrogram（hclust（），hang=-1）——將hclust得到的物件強制轉換為譜系圖
plot（x，type=c（”rectangle“，”triangle“），horiz=FALSE）——譜系圖，x為as.dendrogram返回的物件，type是指是矩形或是三角形，horiz是邏輯變數，當horiz為TRUE時，表示譜系圖水平放置。
as.dist()——將普通矩陣轉化為聚類分析用的距離結構
plclust（x，hang=0.1）——譜系圖，舊版停用，已被plot替換
rect.hclust（x，k，h，border）——在譜系圖（plclust（））中標註聚類情況，確定聚類個數的函式，x是由hclust生成的物件，k是類個數；h是譜系圖中的閾值，要求分成的各類的距離大於h；border是數或向量，標明矩形框的顏色；例如：rec.hclust（hclust()，k=3）
kmeans(x，centers，iter.max，nstart=1，algorithm)——K均值方法，centers是聚類的個數或者是初始類的中心，iter.max為最大迭代次數（預設為10），nstart是隨機集合的個數（當centers為聚類的個數時），algorithm為動態聚類演算法，例如：km<-kmeans(scale(data),4,nstart=20)，返回值中，size表示各類的個數，means表示各類均值，Clustering表示聚類後分類情況？，可以用sort(kmeans()$cluser)對分類情況排序
- 主成分分析
princomp() 和 prcomp（）——主成分分析，結果的標準差顯示每一個主成分的貢獻率（成分方差佔總方差的比例），返回值loadings每一列代表每一個成分的載荷因子
summary（x，loadings=FALSE）——提取主成分的資訊，x是princomp（）得到的物件，loadings是邏輯變數，為TRUE表示顯示主成分分析原始變數的係數，False則不顯示。返回表中，Standard deviation是標準差，即方差或lambda的開方，Proportion of Variance表示方差的貢獻率，Cumulative Proportion表示累積貢獻率。
loadings(x)——顯示主成分或因子分析中loadings載荷的內容，主成分是對應割裂，即正交矩陣Q；因子分析中是載荷因子矩陣。x是princomp（）或者factanal（）得到的物件。
predict（x，newdata）——預測主成分的值，x是由princomp（）得到的物件，newdata是由預測值構成的資料框，當newdata為預設值時預測已有資料的主成分值。例如predict(<pca>)[,1]——用主成分的第一列作為原有資料的預測結果
screeplot(x，type=c（"barplot",”lines“))——主成分的碎石圖，確定主成分維數的選擇，x是由princomp（）得到的物件，type是描述畫出的碎石圖的型別，”barplot“是直方圖，”lines“是直線圖。
biplot（x，choices=1:2，scale=1）——畫關於主成分的散點圖和原座標在主成分下的方向，x是由princomp（）得到的物件，choices選擇主成分，預設為第1、2主成分
factanal（x,factor,covmat=NULL，scores=c("none","regression","Bartlett")，rotation=”varimax“）——因子分析,factors是公因子的個數，covmat是樣本協方差和相關矩陣,scores因子得分方法，rotation表示旋轉，預設為方差最大旋轉
cancor（x，y，xcenter=TRUE，ycenter=TRUE）——典型相關分析，xcenter，ycenter是邏輯變數，為TRUE時做資料中心化
R包
rpart——決策樹演算法
my_tree <- rpart（<formula>，<data>，<method>）——rpart(Survived ~ Sex + Age,
data=train, method="class")
rattle
rpart.plot
RColorBrewer
fancyRpartPlot(my_tree)——繪製更好看的決策樹
ggplot2—— 繪圖包
qplot(<vecter_horizontal>, <vector_vertical>, color = <factor> )——繪圖類似plot
dplyr——輸出處理包
tbl_df（）——將資料轉換為一種特殊的資料框型別tbl，類似（as.data.frame（）），僅是改變了顯示，資料結構沒有變化
glimpse（<tbl>）——類似str（）
hflights——飛行資料
資料集
data（）——檢視R自帶資料列表
iris——鳶尾花資料集總共150行3種類別
iris3[1:50, 1:4, 1:3]——每50行一組，分3個類別分別
volcano——87x61 matrix with elevation value
模型函式
神經網路
nnet()——在nnet包中BP神經網路，存在一層的隱藏層。
引數：
size=0，設定隱藏層中神經元數，設定為0時，表示建立一層神經網路？沒有隱藏層
Wts：初始係數，不設定則使用隨機數設定
linout：為TRUE時，模型輸出（目標變數）為連續型實數，一般用於迴歸分析；如果為FALSE（預設取值）則輸出為邏輯資料，一般用於（目標變數為分型別）分類分析，也可以把linout設為TRUE再新增一個階躍函式轉為邏輯型輸出。
maxit：最大迭代次數iterations，預設為100次，一般儘量將maxit設定大於觀測結果final value上顯示的迭代次數。
skip：是否跳過隱藏層，如果為FALSE（預設），則不跳過
decay：加權係數的衰減
支援向量機
svm()——e1071包中迴歸非線性
ksvm()——kernlab包中分類，分類時用的預設引數樹徑向基核函式
多元自適應迴歸樣條
mars()——mda包
earth()——earth包，具有更多優勢
決策樹
RWeka包：C4.5（分類，輸入變數是分型別或連續型，輸出變數是分型別）
J48()
rpart包：分類迴歸樹（CART）演算法（輸入、輸出分類或連續變數）
rpart（）——擬合樹模型，引數xval設定k折交叉驗證
prune()——剪枝
party包：條件推理決策樹（CHAID）演算法（輸入、輸出分類或連續變數）
ctree（）
隨機森林
randomForest包：分類與迴歸樹的隨機森林
randomForest()——隨機森林，預測，分類，估計變數的重要性（通過計算每個變數被移除後隨機森林誤差的增加（選擇變數需要用到模型的資訊，但用其它模型來做預測）
party包：條件推理決策樹的隨機森林
cforest()
時間序列
ts——在stats包中建立一個時間序列
xts包——時間序列
xts(<data>,<label>)——時間數列，可以是單元的也可以是多元的。<data>時間序列資料，<label>時間標籤。as.xts(read.zoo("abc.csv", header = T))
seq.POSIXct() 和 Date——標識時間資訊的規格的類
index() 和 time()——獲取物件的時間標籤
coredata()——獲取時間序列的數值
貝葉斯分類
e1071包：
nativeBayes（）——樸素貝葉斯分類器，可以處理分型別和連續型自變數
knn
knn（）——class包
TTR包——技術指標集合
quantmod包——分析金融資料
tserise包
特殊字元
formula=y~.——"."是除y以外資料中的所有變數
function（fromula, train, test，...）——特殊引數“...",允許特定函式具有可變引數，這個引數結構是一個列表，用來獲取傳遞給前三個命名引數之後的所有引數。這個結構用於給實際模型傳遞所需要的額外引數。
<model.object>@pars——（模型）物件的屬性用操作符“@”訪問，比如物件object的屬性是pars