機器學習就是擬人資料+演算法-->找規律大資料公司主要分四類：1,資料擁有者，資料來源，PB級資料的包子鋪2,大資料諮詢公司，Cloudera--CDH3,大資料工具公司，Databricks--Apache Shark4,整合應用型，結合機器學習來解決更多實際的痛點機器學習是什麼已有的資料(經驗)某種模型(遲到的規律)利用此模型預測未來(是否遲到)機器學習界“資料為王”思想R語言：主要用於統計分析、繪圖、資料探勘環境安裝：R-3.1.3-win.exe------->相當於JDKRStudio-0.99.447.exe-------->相當於eclipse安裝R-3.1.3-win.exe的時候路徑注意不要有漢字和空格R語言的資料結構：向量R的基本資料結構式向量。向量儲存一組有序的值，稱為元素R中的向量有固有的順序，所以其資料能通過計算向量中各元 素的序號來訪問，序號是從1開始因子因子是向量的一個特例，它單獨用來標識名義屬性把字元型向量轉換成因子，只需要應用factor()函式列表一種特殊型別的向量--列表，它用來儲存一組有序的值列表允許收集不同型別的值用列表構建”物件”進行訪問陣列資料框機器學習中使用的最重要的R資料結構就是資料框，因為它既 有行資料又有列資料，所以它是一個與電子表格或資料庫相類 似的結構提取其中的整個向量資料，就如列表提取一個元素那麼簡單， 通過名字資料框是二維的，格式為“[rows, columns]”也可以提取資料矩陣儲存和載入R資料結構：save(x,y,z, file="mydata.RData")load("mydata.RData")用CSV檔案匯入和儲存資料：#stringsAsFactors=FALSE指的是讀入的資料中的字串資料是否要變成屬性資料pt_data <- read.csv("pt_data.csv", stringsAsFactors=FALSE)#header=FALSE指的是第一列不是資料pt_data <- read.csv("pt_data.csv", stringsAsFactors=FALSE, header=FALSE)write.csv(pt_data, file="pt_data2.csv")R語言中“<-”表示賦值，如“x <- 3”表示賦予物件x的值為3。請不要用等號！R程式碼中“#”後邊的都表示註釋，不會被執行此時可輸入中文。在程式碼中R語言支援中文但並不好，建議全英環境讀取指定路徑檔案：setwd("D://data")#指定路徑insurance <- read.csv("insurance.csv", stringsAsFactors = TRUE)#上面指定路徑下的檔案兩個練習R檔案：dataManagement_dataUnderstanding.R：

subject_name <- c("John Doe","Jane Doe","Steve Graves")temperature <- c(98.1, 98.6, 101.4)flu_status <- c(FALSE, FALSE, TRUE)temperature[2]temperature[2:3] temperature[-2]temperature[c(TRUE,TRUE,FALSE)]gender <- factor(c("MALE","MALE","FEMALE"))genderblood <- factor(c("O","AB","A"),levels = c("A","B","AB","O"))bloodsubject_name[1]temperature[1]flu_status[1]gender[1]blood[1]subject1 <- list(fullname = subject_name[1],                 temperature = temperature[1],                 flu_status = flu_status[1],                 gender = gender[1],                 blood = blood[1])subject1subject1[2]subject1$temperaturesubject1[c("temperature","flu_status")]pt_data <- data.frame(subject_name, temperature, flu_status, gender, blood, stringsAsFactors = FALSE)pt_datapt_data$subject_namept_data[c("temperature","flu_status")]pt_data[1,2]pt_data[c(1,3),c(2,4)]pt_data[,1]pt_data[1,]pt_data[,]pt_data[c(1,3),c("temperature","gender")]pt_data[-2,c(-1,-3,-5)]x <- subject_namey <- subject1z <- pt_datasave(x,y,z, file="mydata.RData")load("mydata.RData")pt_data <- read.csv("pt_data.csv", stringsAsFactors=FALSE)pt_data <- read.csv("pt_data.csv", stringsAsFactors=FALSE, header=FALSE)write.csv(pt_data, file="pt_data2.csv")str(pt_data)summary(pt_data$temperature)summary(pt_data[c("gender","temperature")])model_table <- table(pt_data$gender)pmt <- prop.table(model_table)round(pmt, digits=1)plot(x = pt_data$temperature, y = pt_data$flu_status,     main = "Temperature vs. Flu",     xlab = "溫度",     ylab = "感冒")mydb <- odbcConnect("127.0.0.1", uid="root", pwd="123123")

線性迴歸：對於簡單線性迴歸問題，也就是小學大家就都會了的解應用題。 Y=a+bx兩個變數之間的相關係數是一個數，它表示兩個變數服從一條 直線的關係有多麼緊密相關係數就是指Pearson相關係數，它是數學家Pearson提出 來的，相關係數的範圍是-1~+1之間，兩端的值表示一個完美 的線性關係相關係數接近於0則表示不存線上性關係。協方差函式cov()， 標準方差函式sd()，可以求出來cor()多元線性迴歸insurance.R：保險費insurance <- read.csv("insurance.csv", stringsAsFactors = TRUE)str(insurance)#既然因變數是charges,我們就來看一下它是如何分佈的summary(insurance$charges)hist(insurance$charges)table(insurance$region)cor(insurance[c("age","bmi","children","charges")])pairs(insurance[c("age","bmi","children","charges")])library("psych")pairs.panels(insurance[c("age","bmi","children","charges")])#lm代表線性迴歸演算法ins_model <- lm(charges ~ age + children + bmi + sex + smoker + region, data=insurance)ins_model <- lm(charges ~ . , data=insurance)ins_modelsummary(ins_model)insurance$age2 <- insurance$age^2insurance$bmi30 <- ifelse(insurance$bmi >= 30, 1, 0)ins_models <- lm(charges ~ age + age2 + children + bmi + sex + bmi30*smoker + region , data=insurance)summary(ins_models)