R语言数据分析与挖掘习题答案.docx

第1章

1、#查看工作空间中的所有对象

ls()

#删除所有对象

rm(list=ls())

2、100;

3、FALSE;TRUE;NULL;34

4、参考答案

#R语言包括一个名为stackloss的基础数据集，请加载该数据集，

#用str()、head()和tail()等函数探索该数据集，

#并得出每一个变量的均值、分位数、方差、标准差以及两两之间的协方差。

data(stackloss)

str(stackloss)

head(stackloss)

tail(stackloss)

mat_stackloss-as.matrix(stackloss)

#各列均值

apply(mat_stackloss,2,sum)/dim(mat_stackloss)[1]

#各列四分位数

apply(mat_stackloss,2,quantile)

#各列方差

apply(mat_stackloss,2,var)

#各列标准差

apply(mat_stackloss,2,sd)

#两两之间协方差

cov(mat_stackloss[,1:4])

第2章

1、略

#2----

#画出stackloss数据集中各变量的直方图、箱形图和散点图。

data(stackloss)

mat_stackloss-as.matrix(stackloss)

opar=par(no.readonly=TRUE)

par(mfrow=c(2,2))

#直方图

apply(mat_stackloss,2,hist)

#箱型图

apply(mat_stackloss,2,boxplot)

#散点图

apply(mat_stackloss,2,plot)

par(opar)

#3----

#使用帮助系统了解画图函数pairs()的用法，对数据集的变量使用该函数画图。

?pairs

pairs(

stackloss[1:3],

main=StacklossData--3features,

pch=21,

bg=c(red,green3,blue)[unclass(iris$Species)]

)

#4----

#以stackloss数据集中的stack.loss为因变量，分别得出对其他三个自变量的线性回归模型。

stackloss.lm.Air.Flow=lm(stack.loss~Air.Flow,data=stackloss)

stackloss.lm.Water.Temp=lm(stack.loss~Water.Temp,data=stackloss)

stackloss.lm.Acid.Conc.=lm(stack.loss~Acid.Conc.,data=stackloss)

opar=par(no.readonly=TRUE)

par(mfrow=c(2,2))

plot(

stack.loss~Air.Flow,

stackloss,

#绘图变量

main=stack.loss~Air.Flow,

#标题

xlab=Air.Flow,

#x轴标签

ylab=stack.loss

)#y轴标签

abline(stackloss.lm.Air.Flow,col=red)#画出回归模型

plot(

stack.loss~Water.Temp,

stackloss,

#绘图变量

main=stack.loss~Water.Temp,

#标题

xlab=Water.Temp,

#x轴标签

ylab=stack.loss

)#y轴标签

abline(stackloss.lm.Water.Temp,col=red)#画出回归模型

plot(

stack.loss~Acid.Conc.,

stackloss,

#绘图变量

main=stack.loss~Acid.Conc.,

#标题

xlab=Acid.Conc.,

#x轴标签

ylab=stack.loss

)#y轴标签

abline(stackloss.lm.Acid.Conc.,col=red)#画出回归模型

par(opar)

#5----

#使用多元线性回归，得到stackloss中stack.loss对其他三个变量的多元线性回归模型。

#给定自变量的值，使用题2-4中简单线性回归