kk匡的日記&學習筆記

/*
Logistic Regression 逻辑回归
薪金与房屋补贴的关系。
假设月薪是12150、那预测他会不会同时申请房屋补贴。
逻辑回归用来预测0与1、是与否的模型。

glm会显示数据有以下问题

Warning messages:
1: glm.fit: algorithm did not converge
2: glm.fit: fitted probabilities numerically 0 or 1 occurred

这是因为使用glm要计算数据的方差、假如数据是平滑的直线、经过迭代後、仍然无法分辨数据、就会有这个错误。

/*
Logistic Regression 逻辑回归
薪金与房屋补贴的关系。
假设月薪是17150，那预测他会不会同时申请房屋补贴。
逻辑回归用来预测0与1、是与否的模型。

/*
在R里有一些预设的数据和库。
*/

library

library(party)

/*
Multiple Regression 多元回归分析
薪金、花红、褔利与津贴之间的关系。
假设花红是3313.67、褔利是3000、津贴是1050。
经过预测、薪金将会是12256.66。

/*
Simple linear regression 简单回归分析
假设花红是3250、经过预测月薪将是10060.22元。
图中红色就是预期花红和月薪的关系。
*/

/*
平均数、排除数值、数列中有NA值、中位数。
Mean、Trim、NA Option、Median。
*/

userName <- c("Lam Wei Wei", "Zheng Da Shi", "Lin Da You", "Fei Gu Man", "Chen Kuang", "Wong wei yun")

/*
使用cbind在表中添加数据。
*/

userName <- c("Lam Wei Wei", "Zheng Da Shi", "Lin Da You", "Fei Gu Man", "Chen Kuang", "Wong wei yun")
salary <- c(8500, 9800, 12500, 15000, 8700, 7500)

/*
Simple linear regression 简单回归分析
Bar Chart、条形统计图
月薪和花红的关系。
*/

/*
散点圖
月薪和花红的关系。
*/

1. Scatterplots

/*
Boxplots、箱形图
月薪和花红的关系。
*/

1. Boxplots

1. data.frame

userName <- c("Lam Wei Wei", "Zheng Da Shi", "Lin Da You", "Fei Gu Man", "Chen Kuang", "Wong wei yun")
salary <- c(8500, 9800, 12500, 15000, 8700, 7500)
jobPosition <- c("Staff", "Manger", "BOSS", "CEO", "Staff", "Staff")
bonus <- c(2300, 1350, 3285, 1035, 3285, 1035)

1. Matrices

userName <- c("Lam Wei Wei", "Zheng Da Shi", "Lin Da You", "Fei Gu Man", "Chen Kuang", "Wong wei yun")
salary <- c(8500, 9800, 12500, 15000, 8700, 7500)
jobPosition <- c("Staff", "Manger", "BOSS", "CEO", "Staff", "Staff")
bonus <- c(2300, 1350, 3285, 1035, 3285, 1035)

1. Pie Charts

userName <- c("Lam Wei Wei", "Zheng Da Shi", "Lin Da You", "Fei Gu Man", "Chen Kuang", "Wong wei yun")
salary <- c(8500, 9800, 12500, 15000, 8700, 7500)
jobPosition <- c("Staff", "Manger", "BOSS", "CEO", "Staff", "Staff")
bonus <- c(2300, 1350, 3285, 1035, 3285, 1035)

1. Dot chart

userName <- c("Lam Wei Wei", "Zheng Da Shi", "Lin Da You", "Fei Gu Man", "Chen Kuang", "Wong wei yun")
salary <- c(8500, 9800, 12500, 15000, 8700, 7500)
jobPosition <- c("Staff", "Manger", "BOSS", "CEO", "Staff", "Staff")
bonus <- c(2300, 1350, 3285, 1035, 3285, 1035)

userName <- c("Lam Wei Wei", "Zheng Da Shi", "Lin Da You", "Fei Gu Man")
salary <- c(8500, 9800, 12500, 15000)
jobPosition <- c("Staff", "Manger", "BOSS", "CEO")
bonus <- c(2300, 1350, 3285, 1035)

1. Table
Table是自动把数据组成一个表格。
{ A, A, A, B, B, C}
数组共有3个A、2个B、1个C

source <- c("A", "A", "B", "A", "C", "B")

# 林薇薇 鄭大世 林大佑 費顧漫
# 8500   9800   12500  15000
# 採購員 主任   經理   總裁
# 2300   1350   3285   1035

userName <- c("Lam Wei Wei", "Zheng Da Shi", "Lin Da You", "Fei Gu Man")

# 林薇薇 鄭大世 林大佑 費顧漫
# 8500   9800   12500  15000
# 採購員 主任   經理   總裁
# 2300   1350   3285   1035

userName <- c("Lam Wei Wei", "Zheng Da Shi", "Lin Da You", "Fei Gu Man")

# 林薇薇 鄭大世 林大佑 費顧漫
# 8500   9800   12500  15000
# 採購員 主任   經理   總裁

userName <- c("Lam Wei Wei", "Zheng Da Shi", "Lin Da You", "Fei Gu Man")
salary <- c(8500, 9800, 12500, 15000)