小编sta*_*oob的帖子

我正在尝试使用 R 中的“mlr”库和 iris 数据集上的“c50”算法（使用 F1 分数作为指标）：

library(mlr)
library(C50)
data(iris)

zooTask <- makeClassifTask(data = iris, target = "Species")
forest <- makeLearner("classif.C50")

forestParamSpace <- makeParamSet(
makeIntegerParam("minCases", lower = 1, upper = 100))


randSearch <- makeTuneControlRandom(maxit = 100)


cvForTuning <- makeResampleDesc("CV", iters = 5,  measures = f1)


tunedForestPars <- tuneParams(forest, task = zooTask,
resampling = cvForTuning,
par.set = forestParamSpace,
control = randSearch)



tunedForestPars

但这会导致以下错误：

Error in makeResampleDescCV(iters = 5, measures = list(id = "f1", minimize = FALSE,  : 
  unused argument (measures = …

我在尝试将数据集中的行放入“垃圾箱”时遇到了很多困难。例如，假设我有一个带有“var1”和“var2”的数据框“df”：

我想创建一个名为“var3”的新变量，它遵循以下逻辑（R 代码）：

1) if var1 <5 and var2<5 .... then var3 = "a"
2) if var1 between (5,10) and var2 between (5,10) .... then var3 = "b"
3) if var1 > 10 and and var2>10 .... then var3 = "c"

从我发布的上一个问题（If statements with multiple range (R)）中，我尝试了以下逻辑：

library(dplyr)
df %>%
  mutate(var3 = case_when(var1 < 5 & var2 < 5 ~ 'a', 
                          var1 > 5 & var1 < 10 & var2 > 5 & var2 < 10 ~ 'b', …

我正在使用 R 编程语言。最近，我学习了如何使用 ggplot 库“绘制”水平线和垂直线：

library(ggplot2)

# Simple scatter plot
sp <- ggplot(data=mtcars, aes(x=wt, y=mpg)) + geom_point()

# Add horizontal line at y = 2O

a = sp + geom_hline(yintercept=20) 

b = sp + geom_vline(xintercept = 3)

现在，我尝试将这些陈述结合在一起 - 例如：

c = sp + geom_hline(yintercept=20) +  geom_hline(yintercept=15) + geom_vline(xintercept = 3) +
    geom_vline(xintercept = 5) + geom_vline(xintercept = 6) + geom_hline(yintercept=35)

问题：我正在尝试修改上面的图，使其看起来像这样：

有人可以告诉我该怎么做吗？或者您是否必须手动将此图导出到 Microsoft Paint 中并在那里进行更改？

谢谢

有人可以解释一下 R 中“extdata”的含义吗？

例如，我正在查看 R 中的“cronR”库（用于自动调度作业），并遇到了术语“extdata”：

f <- system.file(package = "cronR", "extdata", "helloworld.R")
cmd <- cron_rscript(f)
cmd
cron_add(command = cmd, frequency = 'minutely',
id = 'test1', description = 'My process 1', tags = c('lab', 'xyz'))
cron_add(command = cmd, frequency = 'daily', at='7AM', id = 'test2')
cron_njobs()
cron_ls()
cron_clear(ask=TRUE)
cron_ls()

同样，“taskscheduleR”包（也用于自动调度作业）也引用了“extdata”：

library(taskscheduleR)
myscript <- system.file("extdata", "helloworld.R", package = "taskscheduleR")

## run script once within 62 seconds
taskscheduler_create(taskname = "myfancyscript", rscript = myscript, 
                     schedule = "ONCE", starttime = format(Sys.time() + 62, "%H:%M")) …

我从小就一直有这样的疑问：

• 假设您将 100 条炸薯条放在炉子上的平底锅上
• 对于这个问题，我们假设每个炸薯条只能有 2 个“状态”：“面朝上”或“面朝下”
• 每个炸薯条需要每面煮 1 分钟 - 如果炸薯条任何一面煮超过 1 分钟，则视为烧焦
• 将炸薯条放在平底锅上，一分钟后摇动平底锅 - 一些炸薯条会在空中翻转并“面朝上”或“面朝下”落在锅上，但有些炸薯条永远不会完全被翻转了。
• 又过了一分钟，你再次摇动锅。
• 为了这个问题，我们假设每次摇动锅时，每个炸薯条都有 50% 的几率在空中翻转，而在空中翻转的炸薯条有 50% 的几率落地“面朝下”或“面朝上”。

这是问题：

• 2 分钟后，这 100 根薯条中有多少是完全煮熟的，有多少是烧焦的？
• 需要多少分钟才​​能确保所有炸薯条两面都煮熟（即使其中许多会被烧焦）？

我尝试使用 R 为这种情况编写一个模拟：

original_data = data.frame(id = 1:100, state = "start")

number_fries_selected_in_first_flip = sample(1:100, 1, replace=F)

fries_selected_in_first_flip = sample(1:100, number_fries_selected_in_first_flip, replace=F)

这就是我陷入困境的地方 - 如果我能以某种方式“标记”所选的炸薯条，我就可以以 50% 的概率为这些炸薯条分配“烧焦/完全煮熟”状态：

status <- c("perfectly cooked","burnt")

original_data$tagged_fries_status <- sample(status, number_fries_selected_in_first_flip, replace=TRUE, prob=c(0.5, 0.5))

如果我能完成模拟，我可以将模拟扩展到第二次翻转、第三次翻转等。在模拟结束时（例如，5 次翻转后），我可以制作一个图表，显示烧焦的炸薯条数量与煮得很完美。然后，我可以多次重复模拟（例如1000次），并找出炸焦/完全煮熟的薯条的平均数量。

有人可以告诉我如何编写这个模拟吗？

谢谢你！

我有一个 PDF 图像文件（例如“p1.pdf” - 这是原始文档的扫描副本）保存在我的计算机上 - 该文件看起来像这样（我添加了红线以显示区别）：

我想将此 PDF 导入到 R 中，并将其转换为“表对象”。我尝试按照本教程（+ https://cran.r-project.org/web/packages/tesseract/vignettes/intro.html ）来做到这一点：

library(tesseract)
library(magick)
library(png)
library(pdftools)
library(tidyverse)

pngfile <- pdftools::pdf_convert('p1.pdf', dpi = 600)
text <- tesseract::ocr(pngfile)
cat(text)

raw_img <- image_read(pngfile)

raw_img %>% 
    image_ocr()

这似乎有效 - 我继续按照教程进行操作：

num_only <- tesseract::tesseract(
  options = list(tessedit_char_whitelist = c(".0123456789 "))
  )

raw_img %>% 
  image_quantize(colorspace = 'gray') %>% 
  image_threshold() %>% 
  image_crop(geometry_area(100, 0, 600, 40)) %>% 
  ocr(engine = num_only) 

combo <- tesseract::tesseract(
    options = list(
      tessedit_char_whitelist = paste0(
        c(letters, LETTERS, " ", ".0123456789 …

我正在使用 R 编程语言。

我有下面的“树”，它描述了抛硬币游戏的结果（从 5 点开始，每轮有 0.5 个 +1 的概率和 0.5 个 -1 的概率）：

outcomes <- c(-1, 1)  

combinations <- expand.grid(rep(list(outcomes), 10))
colnames(combinations) <- paste("Turn", 1:10)

library(data.tree)

generate_tree <- function(node, depth, total) {
    if (depth == 0) {
        node$Set(total = total)
        return(node)
    } else {
        for (outcome in outcomes) {
            child <- node$AddChild(name = as.character(total + outcome), total = total + outcome)
            generate_tree(child, depth - 1, total + outcome)
        }
        return(node)
    }
}

root <- Node$new("Start", total = 5)

root …

我正在使用 R 编程语言。我正在尝试学习如何在图表上叠加点，然后将它们可视化。

使用以下代码，我可以生成一些时间序列数据，按月聚合它们，取平均值/最小值/最大值，并绘制以下图表：

library(xts)
library(ggplot2)
library(dplyr)
library(plotly)
library(lubridate)

set.seed(123)

#time series 1
date_decision_made = seq(as.Date("2014/1/1"), as.Date("2016/1/1"),by="day")

property_damages_in_dollars <- rnorm(731,100,10)

final_data <- data.frame(date_decision_made, property_damages_in_dollars)


#####aggregate

final_data$year_month <- format(as.Date(final_data$date_decision_made), "%Y-%m")
final_data$year_month <- as.factor(final_data$year_month)


f = final_data %>% group_by (year_month) %>% summarise(max_value = max(property_damages_in_dollars), mean_value = mean(property_damages_in_dollars), min_value = min(property_damages_in_dollars))



####plot####

fig <- plot_ly(f, x = ~year_month, y = ~max_value, type = 'scatter', mode = 'lines',
        line = list(color = 'transparent'),
        showlegend = FALSE, name = 'max_value') 

fig <- fig %>% add_trace(y …

我模拟了一个数据集，进行了一些数据操作（以一种非常笨拙的方式）并绘制了以下图。

模拟数据：

# Step 1 : Simulate Data

set.seed(123)
Hospital_Visits = sample.int(20,  5000, replace = TRUE)
Weight = rnorm(5000, 90, 10)

disease <- c("Yes","No")
disease <- sample(disease, 5000, replace=TRUE, prob=c(0.4, 0.6))
Disease <- as.factor(disease)

my_data = data.frame(Weight, Hospital_Visits, Disease)

my_data$hospital_ntile <- cut(my_data$Hospital_Visits, breaks = c(0, 5, 10, Inf), labels = c("Less than 5", "5 to 10", "More than 10"), include.lowest = TRUE)

数据处理：

# Step 2: Data Manipulation:

my_data$weight_ntile <- cut(my_data$Weight, breaks = seq(min(my_data$Weight), max(my_data$Weight), by = (max(my_data$Weight) - min(my_data$Weight)) …

我正在使用 R 编程语言。

我正在尝试学习如何模拟队列。

例如：

• 假设一名顾客每 poisson(lambda1) 分钟到达一家咖啡馆
• 有一名服务员（即咖啡馆员工）
• 服务器每 poisson(lambda2) 分钟完成一个订单。

我想在一段时间内进行模拟和绘图：

• 已完成订单数
• 线长
• 刚刚得到服务的客户等待的总时间（即从输入到订单完成）

从数学中，我知道泊松到达之间的差异具有指数分布。如果我选择 lambda1 和 lambda2 的某些值 - 我可以在运行循环之前模拟所有到达时间和服务时间。这是因为到达时间和服务时间完全相互独立且相互关联：

library(ggplot2)

# Parameters
lambda1 <- 5  # customer arrival rate
lambda2 <- 7  # order completion rate
time_period <- 1000  # total time period

# Initialize 
arrival_times <- cumsum(rexp(time_period, rate = 1/lambda1))
service_times <- rexp(time_period, rate = 1/lambda2)
completion_times <- numeric(time_period)
queue_length <- numeric(time_period)
total_wait_time <- numeric(time_period)

然后我可以尝试在 1000 个时间点上模拟这个队列：

# Simulation
for (i in 1:time_period) { …