小编Cha*_*ase的帖子

在使用R中的NLP时,有没有办法在词干中获得基本词而不是词根？

码:

> #Loading libraries
> library(tm)
> library(slam)
> 
> #Vector
> Vec=c("happyness happies happys","sky skies")
> 
> #Creating Corpus
> Txt=Corpus(VectorSource(Vec))
> 
> #Stemming
> Txt=tm_map(Txt, stemDocument)
> 
> #Checking result
> inspect(Txt)
A corpus with 2 text documents

The metadata consists of 2 tag-value pairs and a data frame
Available tags are:
  create_date creator 
Available variables in the data frame are:
  MetaID 

[[1]]
happi happi happi

[[2]]
sky sky

> 

我可以使用R得到"happyness happies happys"的基本单词"happy"(基本单词)而不是"happi"(根单词)

我正在使用模型的输出,其中存在可能不符合先验预期的参数估计.我想写一个函数,迫使这些效用估计值符合这些预期.为此,该函数应最小化起始值和新估计之间的平方偏差之和.由于我们有先验预测,因此优化应遵循以下约束:

B0 < B1
B1 < B2
...
Bj < Bj+1 

例如,下面的原始参数估计是针对B2和B3的翻转翻转.列Delta和Delta^2显示原始参数估计和新系数之间的偏差.我想尽量减少列Delta^2.我在Excel中对此进行了编码,并显示了Excel的Solver如何在提供约束条件的情况下优化此问题:

Beta    BetaRaw    Delta    Delta^2    BetaNew
B0       1.2       0        0          1.2
B1       1.3       0        0          1.3
B2       1.6       -0.2     0.04       1.4
B3       1.4       0        0          1.4
B4       2.2       0        0          2.2

通过阅读后?optim和?constrOptim,我不能神交如何设置这在R.我敢肯定,我只是作为一个有点迟钝,但可以在正确的方向上使用一些指针!

3/24/2012 - 添加了赏金,因为我不够聪明,无法翻译第一个答案.

这里有一些R代码应该在正确的路径上.假设测试版开始于:

betas <- c(1.2,1.3,1.6,1.4,2.2)

我想尽量减少以下功能 b0 <= b1 <= b2 <= b3 <= b4

f <- function(x) {
  x1 <- x[1]
  x2 <- x[2] …

两个问题涉及boxplot:

1. 有哪些选择na.action？文档没有列出它们.
2. 我将来如何回答这些类型的问题？

假设您正在使用大型工作环境,并且您不善于跟上环境变量,或者您有一些自动生成批量对象的过程.有没有办法扫描你ls()以识别具有给定类的所有对象？考虑以下简单示例:

#Random objects in my environment
x <- rnorm(100)
y <- rnorm(100)
z <- rnorm(100)

#I estimate some linear models for fun.
lm1 <- lm(y ~ x)
lm2 <- lm(y ~ z)
lm3 <- lm(y ~ x + z)

#Is there a programmatic way to identify all objects in my environment 
#that are of the "lm" class? Or really, any arbitrary class?
outList <- list(lm1, lm2, lm3)

#I want to look at a bunch of plots for all …

我有一个超过150万行的大型数据集,来自600k个独特的主题,因此许多主题都有多行.我试图找到其中一个主题输入错误的DOB的情况.

test <- data.frame(
    ID=c(rep(1,3),rep(2,4),rep(3,2)),
    DOB = c(rep("2000-03-01",3), "2000-05-06", "2002-05-06",
     "2000-05-06", "2000-05-06", "2004-04-06", "2004-04-06")
)

> test
  ID        DOB
1  1 2000-03-01
2  1 2000-03-01
3  1 2000-03-01
4  2 2000-05-06
5  2 2002-05-06
6  2 2000-05-06
7  2 2000-05-06
8  3 2004-04-06
9  3 2004-04-06

我所追求的是一些基本上确定'2'有错误的代码.我可以想一些关于使用for循环的方法,但这在计算上是低效的.

谢谢

我将图形输出从R导出到pdf文件.

我想将Sys.time()和Sys.Date()添加到outfile名称.

比如我有一个声明

pdf("output filename.pdf", 8,10)

我想输出看起来像输出 filename 2010-03-25 2pm.pdf

或类似的东西.

给定每月ts对象,例如:

dat <- ts(c(295, 286, 300, 278, 272, 268, 308, 321, 313, 308, 291, 296, 
294, 273, 300, 271, 282, 285, 318, 323, 313, 311, 291, 293, 297, 
273, 294, 259, 276, 294, 316, 325, 315, 312, 292, 301), frequency = 12)

我怎样才能按月计算平均值？即我想计算1月,1年1月,2年+ 1月,3年等的平均值.然后能够比较2月的......

我想到的一种方法是将其转换为12列的矩阵并使用colMeans(),但我想有一种更好的方法可以利用对象的time()方面ts()？

colMeans(matrix(dat, ncol = 12, byrow = TRUE))

我试图用R.重新创建下面的图.Minitab将其描述为正态概率图.

该probplot让你最那里的方式.不幸的是,我无法弄清楚如何在这个图周围添加置信区间带.

同样,ggplot的stat_qq()似乎与转换的x轴呈现相似的信息.看起来这geom_smooth()可能是增加乐队的候选者,但我还没弄明白.

最后,Getting Genetics Done的人在这里描述了类似的东西.

示例数据重新创建上图:

x <- c(40.2, 43.1, 45.5, 44.5, 39.5, 38.5, 40.2, 41.0, 41.6, 43.1, 44.9, 42.8)

如果有人有基本图形或ggplot的解决方案,我会很感激!

编辑

在查看细节之后probplot,我已经确定这是如何在图表上生成拟合线:

> xl <- quantile(x, c(0.25, 0.75))
> yl <- qnorm(c(0.25, 0.75))
> slope <- diff(yl)/diff(xl)
> int <- yl[1] - slope * xl[1]
> slope
   75% 
0.4151 
> int
   75% 
-17.36 

实际上,将这些结果与您从probplot对象中得到的结果进行比较似乎比较得很好:

> check <- probplot(x)
> str(check)
List of 3
 $ qdist:function (p)  
 $ …

我编写了一个函数,它将基数为10的数字转换为另一个基数(我只对基数2 - 9感兴趣).我目前将基数10转换为基数2的函数如下:

cb2 <- function(num){
    td<-{}
    a <- {}
    while (num 2 > 0 ){
        a <- num %% 2
        td <- paste(td,a, sep="")
        num <- as.integer(num / 2)              
    }   
    return(td)  
} 

用法是:

sapply(1:10, cb2)

我想概括这个函数,并将首选的基数包含在函数的参数中,ala ...

convertbase <- function(num, base){
    td<-{}
    a <- {}
    while (num / base > 0 ){
        a <- num %% base
        td <- paste(td,a, sep="")
        num <- as.integer(num / base)               
    }   
    return(td)  
}

如果我只对转换成2-10基础的单个数字感兴趣,那么一切都很好:

mapply(convertbase, 10, 2:10)

但是,如果我想要基数2:10的数字1:10,我会遇到问题:

mapply(convertbase, 1:10, 2:10)
Warning message: …

一次操作多列(或行)的编程方式是什么？考虑这个例子:

df2 <- data.frame(a = 1:10, b = 5:14, c = 10:1, d = 14:5)

我想创建两个包含a/b和c/d比率的新列.为简单起见,我们假设所有列之间的空间关系是一致的.只需要制作两列,就可以这样做:

df2$ab <- with(df2, a/b)
df2$cd <- with(df2, c/d)

要么

df2 <- transform(df2, ab = a/b, cd = c/d)

要创建最终产品,例如:

    a  b  c  d        ab        cd
1   1  5 10 14 0.2000000 0.7142857
2   2  6  9 13 0.3333333 0.6923077
3   3  7  8 12 0.4285714 0.6666667
4   4  8  7 11 0.5000000 0.6363636
5   5  9  6 10 0.5555556 0.6000000
6   6 10  5 …