[英]Using machine learning in R
在生成公式时使用 R 中的机器学习~. ,data,
~. ,data,
什么.
表明
例如
fit <- svm(factor(outcome)~., data= train, probability= T)
pre <- predict(fit, test, decision.value= T, probability= T)
点的意思是“其他一切”。 即说你的数据集有变量 x , y 和 z 然后是y~.
会被翻译成y ~ x + z
帮助页面 ( ?formula
) 可以阐明一些关于.
解释:
有两种特殊的解释。 在一个公式中。 通常的一个是在模型拟合函数的数据参数的上下文中,意思是“所有不在公式中的列”:请参阅terms.formula。 在 update.formula 的上下文中,仅表示“公式的这一部分之前是什么”。
但是,请注意.
reshape
和reshape2
包的使用方式不同:
?cast
有几个特殊变量:“...”表示公式中未使用的所有其他变量,“.”表示公式中未使用的所有其他变量。 代表没有变量
它表示数据集中存在的“所有其他变量”。
这里 (.) 表示其他一切。 假设 Strong 数据集有四个变量,名为年龄、身高、体重和强度。 这里的强度是响应变量。 现在我们要创建一个线性 model,其中强度是响应变量,其他三个因素是相关的。 现在,如果我们可以编写 model,例如,
model = lm(strength ~ height + weight + age, data = Strong) 这个model可以写的很快,
model = lm(强度 ~.,数据 = 强)
声明:本站的技术帖子网页,遵循CC BY-SA 4.0协议,如果您需要转载,请注明本站网址或者原文地址。任何问题请咨询:yoyou2525@163.com.