R学习笔记

install.packages("data.table")
library(data.table)

#Subsett
DT <- data.table(A=rep(1:2, each=3), B=letters[1:3], C=7:12)
DT[, B]
DT[, .(C.mean=mean(C))]        

非常有价值，好

最近有点懒了，同时也在忙其他事情，继续学习R语言，希望用这个帖子记录自己学习的步伐，同时也记录自己的坚持

回归分析：中常用的符号
~ 分隔符，左边为响应变量，右边为解释变量 y~x+z+m
+ 分隔预测变量
：表示预测变量的交互项e.g.  要通过x,z及x与z的交互项预测y  y~x+z+x:z
*表示所有可能交互项的简洁方式
^表示交互项达到的某种次数
.表示包括除因变量之外的所有变量。e.g.   y~.  =y~x+z+m
-表示从等式中移除某个变量 y~(x+m+z)^2-x:m
-1删除截距项。y~x-1 拟合y在x上的回归，并强制直线通过原点
I()从算术角度解释括号中的元素。例如，y~x+(z+m)^2展开为y~x+z+m+z:m相反 y~x+I((z+m)^2)展开为y~x+h h是由（z+m）^2创建的新变量

回归分析中有用的函数
summary()展示拟合模型的详细结果
coefficients()列出拟合模型的模型参数（截距项和斜率）
confint()提供模型参数的置信区间
fitted()列出拟合模型的预测值
residuls()列出拟合模型的残差值
anova()生成一个拟合模型的方差分析表，或是比较两个更多拟合模型的anova
vcov()列出模型参数的协方差矩阵
AIC()输出赤池信息统计量
plot()生成评价拟合模型的诊断图
predict()用拟合模型对新的数据集预测响应变量值