1
00:00:00,000 --> 00:00:05,691

2
00:00:05,691 --> 00:00:07,690
Connor HARRIS: Saya Masih
pikir beberapa video yang menarik

3
00:00:07,690 --> 00:00:12,570
diproduksi oleh konsultan profesional
yang menggunakan R banyak dalam pekerjaannya.

4
00:00:12,570 --> 00:00:16,329
>> Narator: Ada apa di balik statistik,
analytics, dan visualisasi

5
00:00:16,329 --> 00:00:19,770
ilmuwan Data terang bahwa hari ini
dan pemimpin bisnis bergantung pada

6
00:00:19,770 --> 00:00:22,012
untuk membuat keputusan yang kuat?

7
00:00:22,012 --> 00:00:23,540
Anda mungkin tidak selalu melihatnya.

8
00:00:23,540 --> 00:00:24,790
Tapi itu ada.

9
00:00:24,790 --> 00:00:29,460
Ini disebut R, open source r-- yang
bahasa pemrograman statistik

10
00:00:29,460 --> 00:00:32,630
bahwa para ahli Data dunia
atas penggunaan untuk semuanya

11
00:00:32,630 --> 00:00:35,350
dari pemetaan sosial yang luas
dan tren pemasaran online

12
00:00:35,350 --> 00:00:39,210
untuk mengembangkan keuangan dan iklim
model yang membantu mendorong ekonomi kita

13
00:00:39,210 --> 00:00:40,780
dan masyarakat.

14
00:00:40,780 --> 00:00:44,910
>> Tapi apa sebenarnya adalah R
dan di mana R mulai?

15
00:00:44,910 --> 00:00:48,620
Nah awalnya, R mulai
di sini dengan dua profesor

16
00:00:48,620 --> 00:00:51,950
yang ingin statistik yang lebih baik
platform untuk siswa mereka.

17
00:00:51,950 --> 00:00:56,030
Jadi mereka menciptakan satu model
setelah bahasa statistik S.

18
00:00:56,030 --> 00:01:00,480
Mereka, bersama dengan banyak orang lain,
terus bekerja dan menggunakan R,

19
00:01:00,480 --> 00:01:05,489
menciptakan alat untuk R dan menemukan
aplikasi baru untuk R setiap hari.

20
00:01:05,489 --> 00:01:07,750
>> Berkat ini
usaha masyarakat di seluruh dunia,

21
00:01:07,750 --> 00:01:11,850
R terus tumbuh dengan ribuan
dari yang dibuat pengguna perpustakaan dibangun

22
00:01:11,850 --> 00:01:15,500
untuk meningkatkan fungsionalitas dan R
validasi kualitas orang-bersumber

23
00:01:15,500 --> 00:01:19,740
dan dukungan dari yang paling diakui
pemimpin industri di setiap bidang yang

24
00:01:19,740 --> 00:01:25,040
menggunakan R. Yang sangat bagus, karena
R adalah yang terbaik pada apa yang dilakukannya.

25
00:01:25,040 --> 00:01:28,540
Budding ahli dengan cepat dan
mudah menafsirkan, berinteraksi dengan,

26
00:01:28,540 --> 00:01:33,790
dan memvisualisasikan data yang menunjukkan mereka cepat
komunitas yang tumbuh dari pengguna di seluruh dunia R

27
00:01:33,790 --> 00:01:36,380
dan melihat bagaimana open source
R terus membentuk

28
00:01:36,380 --> 00:01:39,340
masa depan statistik
analisis dan ilmu data.

29
00:01:39,340 --> 00:01:44,660

30
00:01:44,660 --> 00:01:47,710
>> Connor HARRIS: OK, besar.

31
00:01:47,710 --> 00:01:50,360
Jadi presentasi saya sendiri
akan menjadi sedikit lebih sadar.

32
00:01:50,360 --> 00:01:54,380
Ini tidak akan melibatkan banyak
musik latar belakang yang menarik.

33
00:01:54,380 --> 00:01:59,160
Tapi seperti yang Anda lihat di video, R adalah semacam
dari program bahasa tujuan umum.

34
00:01:59,160 --> 00:02:03,720
Tapi itu diciptakan sebagian besar
untuk pekerjaan statistik.

35
00:02:03,720 --> 00:02:07,980
>> Jadi itu dirancang untuk statistik,
untuk analisis data, untuk data mining.

36
00:02:07,980 --> 00:02:12,420
Dan sehingga Anda dapat melihat hal ini dalam banyak
pilihan desain yang pembuat R

37
00:02:12,420 --> 00:02:13,320
terbuat.

38
00:02:13,320 --> 00:02:15,472
Ini dirancang untuk sebagian besar,
orang-orang yang tidak

39
00:02:15,472 --> 00:02:17,930
ahli dalam pemrograman, yang
hanya mengambil pemrograman

40
00:02:17,930 --> 00:02:23,460
di sisi sehingga mereka dapat melakukan pekerjaan mereka
dalam ilmu sosial atau dalam statistik

41
00:02:23,460 --> 00:02:25,440
atau apapun.

42
00:02:25,440 --> 00:02:27,850
>> Ini memiliki banyak sangat
perbedaan penting dari C.

43
00:02:27,850 --> 00:02:33,200
Tetapi sintaks dan paradigma
yang menggunakan secara luas yang sama.

44
00:02:33,200 --> 00:02:36,830
Dan Anda harus merasa cukup
banyak di rumah langsung dari kelelawar.

45
00:02:36,830 --> 00:02:38,520
Ini bahasa imperatif.

46
00:02:38,520 --> 00:02:40,260
>> Jangan khawatir terlalu banyak tentang itu
jika Anda tidak tahu istilah.

47
00:02:40,260 --> 00:02:42,676
Tapi ada perbedaan
antara imperatif, deklaratif,

48
00:02:42,676 --> 00:02:43,810
dan fungsional.

49
00:02:43,810 --> 00:02:47,600
Penting hanya berarti Anda membuat
pernyataan yang pada dasarnya perintah.

50
00:02:47,600 --> 00:02:52,340
Dan kemudian interpreter atau
komputer berikut satu per satu.

51
00:02:52,340 --> 00:02:56,630
Ini lemah diketik, ada
tidak ada deklarasi tipe di R.

52
00:02:56,630 --> 00:02:59,130
>> Dan kemudian garis
antara berbagai jenis

53
00:02:59,130 --> 00:03:03,920
sedikit lebih longgar daripada
mereka berada di C, misalnya.

54
00:03:03,920 --> 00:03:06,450
Dan seperti yang saya katakan ada
fasilitas yang sangat luas

55
00:03:06,450 --> 00:03:15,610
untuk grafik, untuk statistik
analisis, untuk data mining.

56
00:03:15,610 --> 00:03:19,540
Ini baik dibangun ke dalam
bahasa dan, sebagai video mengatakan,

57
00:03:19,540 --> 00:03:23,680
ribuan perpustakaan pihak ketiga yang
Anda dapat men-download dan digunakan secara gratis

58
00:03:23,680 --> 00:03:25,340
dengan kondisi lisensi yang sangat longgar.

59
00:03:25,340 --> 00:03:28,800

60
00:03:28,800 --> 00:03:31,500
>> Jadi secara umum, saya akan merekomendasikan
Anda melihat dua buku ini

61
00:03:31,500 --> 00:03:34,610
jika Anda akan bekerja pada R. Satu
dari mereka adalah pejabat R pemula

62
00:03:34,610 --> 00:03:35,110
panduan.

63
00:03:35,110 --> 00:03:38,660
Ini dipelihara oleh
pengembang inti R.

64
00:03:38,660 --> 00:03:42,400
Anda dapat men-download lagi, bebas dari
biaya dan secara hukum di link di sana.

65
00:03:42,400 --> 00:03:45,430

66
00:03:45,430 --> 00:03:49,869
Semua slide ini akan pergi
di internet, di website CS50

67
00:03:49,869 --> 00:03:50,660
setelah ini dilakukan.

68
00:03:50,660 --> 00:03:53,690
Jadi tidak perlu menyalin
segalanya panik.

69
00:03:53,690 --> 00:03:56,800
>> Yang lain adalah
buku oleh Cosma Shalizi,

70
00:03:56,800 --> 00:04:00,100
yang adalah seorang profesor statistik di
Carnegie Mellon, disebut Data Lanjutan

71
00:04:00,100 --> 00:04:02,160
Analisis dari
Dasar Point of View.

72
00:04:02,160 --> 00:04:04,010
Ini bukan terutama buku R.

73
00:04:04,010 --> 00:04:07,130
Ini adalah buku statistik dan
itu buku analisis data.

74
00:04:07,130 --> 00:04:11,990
Tapi itu sangat mudah untuk orang-orang yang
memiliki jumlah sedikit pengetahuan statistik.

75
00:04:11,990 --> 00:04:13,750
>> Saya tidak pernah mengambil kursus formal.

76
00:04:13,750 --> 00:04:17,269
Aku hanya tahu potongan-potongan
dari berbagai mata pelajaran serumpun

77
00:04:17,269 --> 00:04:18,579
bahwa saya telah mengambil kursus di.

78
00:04:18,579 --> 00:04:21,839
Dan saya bisa memahami
itu dengan baik.

79
00:04:21,839 --> 00:04:25,630
>> Semua angka yang diberikan
di R. Mereka dibuat dalam R

80
00:04:25,630 --> 00:04:30,280
dan mereka juga memiliki daftar kode
di bawah setiap gambar yang memberitahu Anda

81
00:04:30,280 --> 00:04:33,270
bagaimana Anda membuat setiap gambar dengan kode R.

82
00:04:33,270 --> 00:04:37,400
Dan itu sangat berguna jika
Anda mencoba untuk meniru

83
00:04:37,400 --> 00:04:38,650
beberapa tokoh yang Anda lihat dalam sebuah buku.

84
00:04:38,650 --> 00:04:47,840
>> Dan lagi free download
stat.cmu.edu/cshalizi/ Maaf,

85
00:04:47,840 --> 00:04:50,230
yang harus memangkas cshalizi tilde.

86
00:04:50,230 --> 00:04:53,150
Aku akan pastikan untuk memperbaiki yang
ketika slide resmi naik.

87
00:04:53,150 --> 00:04:57,000
/ ADAfaEPoV yang hanya
akronim dari judul buku.

88
00:04:57,000 --> 00:04:59,850

89
00:04:59,850 --> 00:05:02,500
>> Jadi umum caveats-- R
memiliki banyak kemampuan.

90
00:05:02,500 --> 00:05:05,331
Aku hanya akan dapat menutupi
permukaan banyak hal.

91
00:05:05,331 --> 00:05:08,580
Juga bagian pertama dari seminar
akan menjadi sesuatu dari dump data.

92
00:05:08,580 --> 00:05:11,437
Aku cukup menyesal tentang itu.

93
00:05:11,437 --> 00:05:13,770
Pada dasarnya, aku akan
memperkenalkan Anda untuk banyak hal

94
00:05:13,770 --> 00:05:15,350
langsung dari kelelawar, akan
secepat mungkin.

95
00:05:15,350 --> 00:05:17,058
Dan kemudian kita bisa
bagian yang menyenangkan, yang

96
00:05:17,058 --> 00:05:20,570
demo di mana saya dapat menampilkan semua
bahwa kita telah berbicara tentang di layar.

97
00:05:20,570 --> 00:05:23,321
Dan Anda dapat bermain-main sendiri.

98
00:05:23,321 --> 00:05:26,070
Jadi ada akan menjadi banyak
hal-hal teknis muntah di sini.

99
00:05:26,070 --> 00:05:28,060
Jangan khawatir tentang menyalin semua yang turun.

100
00:05:28,060 --> 00:05:31,740
Karena A, Anda bisa mendapatkan semua
barang di website CS50 kemudian.

101
00:05:31,740 --> 00:05:37,780
Dan B, itu tidak benar-benar penting
menghafal ini dari slide.

102
00:05:37,780 --> 00:05:40,462
Ini lebih penting bahwa Anda mendapatkan
beberapa fasilitas intuitif dengan itu

103
00:05:40,462 --> 00:05:44,220
dan yang berasal dari hanya bermain-main.

104
00:05:44,220 --> 00:05:45,720
>> Jadi mengapa menggunakan R?

105
00:05:45,720 --> 00:05:49,440
Pada dasarnya, jika Anda memiliki sebuah proyek yang
melibatkan pertambangan set data yang besar, data

106
00:05:49,440 --> 00:05:52,664
visualisasi, Anda
harus menggunakan R. Jika Anda

107
00:05:52,664 --> 00:05:55,830
melakukan analisis statistik rumit,
yang akan sulit untuk di Excel,

108
00:05:55,830 --> 00:05:58,010
misalnya, itu akan
juga good-- juga

109
00:05:58,010 --> 00:06:00,506
jika Anda melakukan statistik
analisis yang otomatis.

110
00:06:00,506 --> 00:06:02,130
Katakanlah Anda mempertahankan sebuah website.

111
00:06:02,130 --> 00:06:06,320
Dan Anda ingin membaca log server
setiap hari dan mengkompilasi beberapa daftar,

112
00:06:06,320 --> 00:06:10,320
seperti negara atas yang
pengguna Anda berasal,

113
00:06:10,320 --> 00:06:15,100
beberapa ringkasan statistik pada berapa lama
mereka menghabiskan di website Anda atau apa pun.

114
00:06:15,100 --> 00:06:16,910
Dan Anda ingin menjalankan ini setiap hari.

115
00:06:16,910 --> 00:06:20,280
>> Sekarang jika Anda melakukan ini dalam Excel,
Anda harus pergi ke log server Anda,

116
00:06:20,280 --> 00:06:23,490
impor yang menjadi
Excel spreadsheet data,

117
00:06:23,490 --> 00:06:24,910
menjalankan semua analisis secara manual.

118
00:06:24,910 --> 00:06:27,100
Dengan R, Anda hanya dapat menulis satu naskah.

119
00:06:27,100 --> 00:06:29,520
Jadwalkan untuk berjalan setiap hari
dari sistem operasi Anda.

120
00:06:29,520 --> 00:06:33,657
Dan kemudian setiap malam di 2:00,
atau setiap kali Anda jadwalkan untuk berjalan,

121
00:06:33,657 --> 00:06:35,990
akan melihat melalui Anda
lalu lintas internet untuk hari itu.

122
00:06:35,990 --> 00:06:39,010
Dan kemudian pada hari berikutnya, Anda akan
memiliki mengkilap, laporan baru ini

123
00:06:39,010 --> 00:06:41,710
atau apa pun dengan semua
informasi yang Anda minta.

124
00:06:41,710 --> 00:06:44,960

125
00:06:44,960 --> 00:06:50,217
>> Jadi pada dasarnya R adalah untuk Cisco
pemrograman dibandingkan analisis Cisco.

126
00:06:50,217 --> 00:06:51,050
Pendahuluan dilakukan.

127
00:06:51,050 --> 00:06:53,104
Mari kita masuk ke hal-hal yang nyata.

128
00:06:53,104 --> 00:06:55,020
Jadi ada tiga nyata
jenis dalam bahasa.

129
00:06:55,020 --> 00:06:56,120
Ada tipe numerik.

130
00:06:56,120 --> 00:07:01,250
Ada semacam perbedaan antara
bilangan bulat dan titik mengambang,

131
00:07:01,250 --> 00:07:02,769
tapi tidak benar-benar.

132
00:07:02,769 --> 00:07:04,560
Ada karakter
mengetik, yang merupakan string.

133
00:07:04,560 --> 00:07:07,100
Dan ada logis
mengetik, yang merupakan boolean.

134
00:07:07,100 --> 00:07:11,080
>> Dan Anda dapat mengkonversi antara jenis
menggunakan fungsi ini sebagai numerik,

135
00:07:11,080 --> 00:07:15,220
sebagai karakter, sebagai logis.

136
00:07:15,220 --> 00:07:17,510
Jika Anda menelepon, misalnya,
sebagai numerik pada string,

137
00:07:17,510 --> 00:07:20,030
itu akan mencoba untuk membaca string yang
sebagai angka, dengan cara yang sama

138
00:07:20,030 --> 00:07:25,897
yang a2i dan scanf lakukan, dan C. Jika
Anda menelepon sebagai numerik pada benar atau salah

139
00:07:25,897 --> 00:07:26,980
itu akan dikonversi ke 1 atau 0.

140
00:07:26,980 --> 00:07:29,110
Jika Anda menelepon sebagai karakter
pada apa pun itu akan

141
00:07:29,110 --> 00:07:32,550
mengkonversi menjadi
representasi string.

142
00:07:32,550 --> 00:07:34,990
>> Dan kemudian ada vektor dan matriks.

143
00:07:34,990 --> 00:07:37,580
Jadi vektor pada dasarnya
1 array dimensi.

144
00:07:37,580 --> 00:07:40,600
Mereka adalah apa yang kita sebut array di
C. Matriks, 2 array dimensi.

145
00:07:40,600 --> 00:07:42,350
Dan kemudian lebih tinggi
dimensi array Anda bisa

146
00:07:42,350 --> 00:07:48,560
memiliki 3, 4, 5 dimensi atau apa pun
nilai-nilai numerik, string,

147
00:07:48,560 --> 00:07:52,860
nilai-nilai logis.

148
00:07:52,860 --> 00:07:55,380
>> Anda juga memiliki daftar yang
semacam array asosiatif.

149
00:07:55,380 --> 00:07:57,390
Aku akan masuk ke yang sedikit.

150
00:07:57,390 --> 00:07:59,390
Jadi satu hal penting
bahwa perjalanan orang di R

151
00:07:59,390 --> 00:08:01,470
adalah bahwa tidak ada
nyata, jenis atom murni.

152
00:08:01,470 --> 00:08:05,870
Tidak ada perbedaan yang sebenarnya antara
nomor, seperti nilai numerik,

153
00:08:05,870 --> 00:08:07,920
dan daftar nilai numerik.

154
00:08:07,920 --> 00:08:12,370
Nilai numerik sebenarnya
sama dengan vektor dari panjang 1.

155
00:08:12,370 --> 00:08:14,959
Dan ini memiliki sejumlah
implikasi penting.

156
00:08:14,959 --> 00:08:17,500
Satu, itu berarti bahwa Anda dapat melakukan
hal yang sangat mudah yang melibatkan

157
00:08:17,500 --> 00:08:21,037
seperti menambahkan nomor ke vektor.

158
00:08:21,037 --> 00:08:23,120
R akan dasarnya angka
tahu apa yang Anda maksud dengan itu.

159
00:08:23,120 --> 00:08:24,610
Dan aku akan mendapatkan bahwa dalam satu detik.

160
00:08:24,610 --> 00:08:27,930
Ini juga berarti bahwa tidak ada cara
untuk tipe checker-- sejauh

161
00:08:27,930 --> 00:08:30,530
bahwa sesuatu seperti itu
ada di R-- memberitahu

162
00:08:30,530 --> 00:08:33,780
ketika Anda sudah lulus dalam nilai tunggal
ketika mengharapkan sebuah array atau sebaliknya.

163
00:08:33,780 --> 00:08:39,159
Dan yang dapat menyebabkan beberapa aneh
masalah yang aku berlari ke dalam ketika

164
00:08:39,159 --> 00:08:42,252
Saya menggunakan R selama pekerjaan musim panas saya.

165
00:08:42,252 --> 00:08:43,710
Dan tidak ada campuran-jenis array.

166
00:08:43,710 --> 00:08:46,543
Jadi Anda tidak dapat memiliki sebuah array adalah
elemen pertama, saya tidak tahu,

167
00:08:46,543 --> 00:08:49,332
string "John" dan
Elemen kedua adalah nomor 42.

168
00:08:49,332 --> 00:08:52,540
Jika Anda mencoba untuk melakukan itu, maka Anda akan mendapatkan
semuanya hanya dikonversi ke string.

169
00:08:52,540 --> 00:08:54,760
Jadi kita punya string John, tali 42.

170
00:08:54,760 --> 00:08:58,250

171
00:08:58,250 --> 00:09:02,025
>> Sintaksis sangat luar biasa features-- paling
R sintaks sangat mirip dengan C.

172
00:09:02,025 --> 00:09:04,690
Ada beberapa perbedaan penting.

173
00:09:04,690 --> 00:09:05,620
Mengetik sangat lemah.

174
00:09:05,620 --> 00:09:07,360
Jadi tidak ada deklarasi variabel.

175
00:09:07,360 --> 00:09:12,670
Penugasan menggunakan aneh
Operator error kurang dari tanda hubung.

176
00:09:12,670 --> 00:09:15,340
Komentar adalah dengan tanda hash.

177
00:09:15,340 --> 00:09:19,230
Saya kira sekarang hari kita menyebutnya hashtag
meskipun itu tidak benar-benar tidak accurate--

178
00:09:19,230 --> 00:09:21,810
slash ganda.

179
00:09:21,810 --> 00:09:24,710
>> Residu modular yang dengan tanda-tanda %%.

180
00:09:24,710 --> 00:09:30,172
Pembagian integer adalah dengan% /% yang
sangat sulit untuk membaca ketika itu diproyeksikan

181
00:09:30,172 --> 00:09:30,880
di layar.

182
00:09:30,880 --> 00:09:34,150

183
00:09:34,150 --> 00:09:37,200
Anda bisa mendapatkan rentang
bilangan bulat dengan usus besar.

184
00:09:37,200 --> 00:09:41,840
Jadi 2,5 akan memberikan vektor
dari semua angka 2 sampai 5.

185
00:09:41,840 --> 00:09:44,530
>> Array satu-diindeks,
yang sekrup banyak orang

186
00:09:44,530 --> 00:09:47,540
jika mereka dari lebih
bahasa pemrograman yang khas,

187
00:09:47,540 --> 00:09:50,450
seperti C, di mana sebagian besar
hal-hal yang nol-diindeks.

188
00:09:50,450 --> 00:09:54,420
Sekali lagi, ini adalah di mana warisan R
sebagai bahasa untuk seperti tidak

189
00:09:54,420 --> 00:09:56,560
programmer profesional datang.

190
00:09:56,560 --> 00:09:59,680
Jika Anda seorang sosiolog atau
seorang ekonom atau sesuatu

191
00:09:59,680 --> 00:10:01,980
dan Anda mencoba untuk menggunakan
R pada dasarnya sebagai tambahan

192
00:10:01,980 --> 00:10:03,832
untuk Anda yang lebih penting
kerja profesional,

193
00:10:03,832 --> 00:10:06,040
Anda akan menemukan
satu-mengindeks sedikit lebih alami.

194
00:10:06,040 --> 00:10:09,890
Karena Anda mulai menghitung
pada 1 dalam kehidupan sehari-hari, bukan 0.

195
00:10:09,890 --> 00:10:13,260
>> Untuk-loop, ini mirip dengan
foreach yang membangun di PHP,

196
00:10:13,260 --> 00:10:17,090
yang Anda akan mendapatkan untuk
belajar in-- segera.

197
00:10:17,090 --> 00:10:22,540
Yang untuk nilai di vektor dan
maka Anda dapat melakukan hal-hal dengan nilai.

198
00:10:22,540 --> 00:10:24,040
AUDIENCE: Itu datang dalam kuliah.

199
00:10:24,040 --> 00:10:26,248
Connor HARRIS: Oh, itu
datang kuliah, baik.

200
00:10:26,248 --> 00:10:29,815
AUDIENCE: Tugas, itu
seharusnya menunjuk dari kanan ke kiri?

201
00:10:29,815 --> 00:10:31,440
Connor HARRIS: Dari kanan ke kiri, ya.

202
00:10:31,440 --> 00:10:34,720
Anda dapat menganggapnya sebagai nilai pada
hak mendorong ke variabel

203
00:10:34,720 --> 00:10:36,240
di kiri.

204
00:10:36,240 --> 00:10:36,781
AUDIENCE: OK.

205
00:10:36,781 --> 00:10:39,770

206
00:10:39,770 --> 00:10:42,330
>> Connor HARRIS: Dan akhirnya
sintaks fungsi agak aneh.

207
00:10:42,330 --> 00:10:48,460
Anda memiliki foo nama fungsi, ditugaskan
fungsi kata kunci ini, diikuti

208
00:10:48,460 --> 00:10:51,530
oleh semua argumen dan kemudian
tubuh fungsi setelah itu.

209
00:10:51,530 --> 00:10:53,280
Sekali lagi hal ini mungkin
tampak sedikit aneh.

210
00:10:53,280 --> 00:10:57,181
Mereka akan menjadi sifat kedua setelah
Anda bekerja dengan bahasa untuk sedikit.

211
00:10:57,181 --> 00:10:58,930
Jadi vektor, jalan
Anda membangun vektor

212
00:10:58,930 --> 00:11:04,550
adalah Anda tipe C, yang merupakan kata kunci, maka
semua angka yang Anda inginkan atau string

213
00:11:04,550 --> 00:11:06,490
atau apapun.

214
00:11:06,490 --> 00:11:07,995
Argumen juga menjadi vektor.

215
00:11:07,995 --> 00:11:09,620
Tapi array yang dihasilkan akan diratakan.

216
00:11:09,620 --> 00:11:14,385
Jadi Anda tidak dapat memiliki array mana
beberapa elemen yang nomor satu

217
00:11:14,385 --> 00:11:17,010
dan beberapa elemen yang array sendiri.

218
00:11:17,010 --> 00:11:20,010
>> Jadi jika Anda mencoba untuk membangun sebuah
Array adalah elemen pertama adalah 4

219
00:11:20,010 --> 00:11:22,370
dan elemen kedua
adalah 3,5 array yang Anda akan

220
00:11:22,370 --> 00:11:25,890
hanya mendapatkan array tiga unsur, 4,3,5.

221
00:11:25,890 --> 00:11:27,760
Mereka tidak bisa menjadi tipe campuran.

222
00:11:27,760 --> 00:11:32,290
Jika Anda mencoba untuk membaca atau menulis
di luar batas-batas vektor

223
00:11:32,290 --> 00:11:36,640
Anda akan mendapatkan nilai ini disebut NA sebuah
yang merupakan singkatan dari nilai yang hilang.

224
00:11:36,640 --> 00:11:39,900
Dan ini dimaksudkan untuk
seperti statistik yang

225
00:11:39,900 --> 00:11:43,080
bekerja dengan set data yang tidak lengkap.

226
00:11:43,080 --> 00:11:46,460
>> Jika Anda menerapkan fungsi yang seharusnya
untuk mengambil hanya satu nomor ke array

227
00:11:46,460 --> 00:11:49,220
maka apa yang akan Anda dapatkan adalah, yang
Fungsi akan memetakan lebih array.

228
00:11:49,220 --> 00:11:52,130
Jadi jika fungsi Anda katakanlah mengambil
nomor dan pengembalian itu persegi.

229
00:11:52,130 --> 00:11:58,170
Anda menerapkan bahwa untuk array 2,3,5
Apa yang akan anda dapatkan adalah array 4,9,25.

230
00:11:58,170 --> 00:12:00,010
>> Dan itu sangat berguna
karena itu berarti Anda

231
00:12:00,010 --> 00:12:03,374
tidak perlu menulis untuk loop untuk
melakukan hal-hal yang sangat sederhana seperti menerapkan

232
00:12:03,374 --> 00:12:05,040
fungsi untuk semua anggota dari kumpulan data.

233
00:12:05,040 --> 00:12:08,557
Yang jika Anda bekerja dengan besar
set data, Anda harus melakukan banyak.

234
00:12:08,557 --> 00:12:10,390
Fungsi biner adalah
diterapkan entri dengan entri.

235
00:12:10,390 --> 00:12:12,430
Aku akan masuk ke itu.

236
00:12:12,430 --> 00:12:16,750
Anda dapat mengaksesnya dengan array
atau vektor dengan tanda kurung persegi.

237
00:12:16,750 --> 00:12:22,300
Kurung sehingga nama vektor persegi 1
akan memberikan elemen pertama.

238
00:12:22,300 --> 00:12:25,510
Nama vektor kurung 2
akan memberikan elemen kedua.

239
00:12:25,510 --> 00:12:27,530
>> Anda dapat lulus pada vektor
indeks dan Anda akan

240
00:12:27,530 --> 00:12:29,640
kembali keluar pada dasarnya faktor sub.

241
00:12:29,640 --> 00:12:34,990
Sehingga Anda dapat melakukan vektor nama kurung C, 2,4
dan Anda akan mendapatkan sebuah vektor yang mengandung

242
00:12:34,990 --> 00:12:38,804
kedua dan keempat
elemen array.

243
00:12:38,804 --> 00:12:40,720
Dan jika Anda ingin hanya
Ringkasan statistik cepat

244
00:12:40,720 --> 00:12:47,529
dari vektor seperti interkuartil
Kisaran, median, maksimum, apa pun,

245
00:12:47,529 --> 00:12:49,820
Anda hanya bisa mengetik Ringkasan
Nama vektor dan yang keluar.

246
00:12:49,820 --> 00:12:52,680
Itu tidak benar-benar berguna dalam
pemrograman tetapi jika Anda bermain

247
00:12:52,680 --> 00:12:55,990
sekitar set data, itu berguna.

248
00:12:55,990 --> 00:12:58,650
>> Matrices-- dasarnya
array dimensi yang lebih tinggi.

249
00:12:58,650 --> 00:13:01,190
Mereka memiliki sintaks notasi khusus.

250
00:13:01,190 --> 00:13:07,620
Matriks dengan array yang mendapat
diisi in-- maaf, matriks dengan data,

251
00:13:07,620 --> 00:13:09,780
jumlah baris, jumlah kolom.

252
00:13:09,780 --> 00:13:13,180
Bila Anda memiliki beberapa data, itu mengisi
array pada dasarnya akan atas ke bawah

253
00:13:13,180 --> 00:13:13,380
pertama.

254
00:13:13,380 --> 00:13:14,190
Kemudian kiri ke kanan.

255
00:13:14,190 --> 00:13:15,030
Jadi, seperti itu.

256
00:13:15,030 --> 00:13:17,809

257
00:13:17,809 --> 00:13:19,600
Dan R telah dibangun di
perkalian matriks,

258
00:13:19,600 --> 00:13:24,310
spektral dekomposisi,
diagonalisasi, banyak hal.

259
00:13:24,310 --> 00:13:27,785
Jika Anda ingin dimensi yang lebih tinggi
array, sehingga 3, 4, 5,

260
00:13:27,785 --> 00:13:29,410
atau dimensi apa pun yang Anda bisa melakukan itu.

261
00:13:29,410 --> 00:13:34,400
Sintaks array yang redup sama c,
maka daftar dimensi.

262
00:13:34,400 --> 00:13:38,620
Jadi jika Anda ingin dimensi array 4
dengan dimensi 4, 7, 8, 9, array,

263
00:13:38,620 --> 00:13:45,470
dim sama c (4,7,8,9).

264
00:13:45,470 --> 00:13:51,180
>> Anda mengakses nilai tunggal dengan kurung
pertama masuk koma entri kedua.

265
00:13:51,180 --> 00:13:54,870
Anda bisa mendapatkan seluruh irisan
baris atau kolom.

266
00:13:54,870 --> 00:13:59,900
Dengan sintaks yang tidak lengkap ini itu
hanya baris nomor koma atau kolom koma

267
00:13:59,900 --> 00:14:00,400
jumlah.

268
00:14:00,400 --> 00:14:02,874

269
00:14:02,874 --> 00:14:04,540
Jadi daftar adalah jenis array terkait.

270
00:14:04,540 --> 00:14:06,360
Mereka memiliki sintaks sendiri di sini.

271
00:14:06,360 --> 00:14:08,320
Sekali lagi tidak panik
menyalin semua turun ini.

272
00:14:08,320 --> 00:14:11,370
Ini hanya supaya orang
akan melalui slide nanti

273
00:14:11,370 --> 00:14:13,089
memiliki semua ini dalam referensi yang bagus.

274
00:14:13,089 --> 00:14:16,130
Dan ini akan menjadi sangat alami sekali
Aku benar-benar berjalan melalui demo.

275
00:14:16,130 --> 00:14:19,295

276
00:14:19,295 --> 00:14:20,920
Jadi berisi daftar array pada dasarnya terkait.

277
00:14:20,920 --> 00:14:27,040
Anda dapat mengakses nilai dengan
Nama daftar, tanda dolar, kunci.

278
00:14:27,040 --> 00:14:31,370
Jadi jika daftar bernama foo,
maka Anda dapat mengaksesnya seperti itu.

279
00:14:31,370 --> 00:14:37,032
Anda bisa mendapatkan pasangan kunci-nilai seluruh
dengan melewati indeks braket persegi.

280
00:14:37,032 --> 00:14:39,240
Jika Anda membaca dari tidak ada
kunci, Anda akan mendapatkan nol.

281
00:14:39,240 --> 00:14:41,150
Ini tidak akan kesalahan.

282
00:14:41,150 --> 00:14:43,590
Masalahnya, R akan melakukan seperti
banyak dengan nol karena dapat.

283
00:14:43,590 --> 00:14:46,580
Dan ini dapat berarti bahwa jika Anda
tidak mengharapkan untuk mendapatkan nol keluar

284
00:14:46,580 --> 00:14:51,840
beberapa daftar membaca, Anda akan mendapatkan beberapa
kesalahan tak terduga lebih bawah

285
00:14:51,840 --> 00:14:52,620
garis.

286
00:14:52,620 --> 00:14:54,890
>> Hal ini terjadi kepada saya saya
pekerjaan musim panas ketika saya menggunakan R

287
00:14:54,890 --> 00:14:58,410
di mana saya mengubah cara tertentu
daftar didefinisikan di satu tempat

288
00:14:58,410 --> 00:15:05,410
tapi tidak berubah nanti pada
kode yang membaca nilai dari itu.

289
00:15:05,410 --> 00:15:10,190
Dan apa yang terjadi adalah saya
membaca nilai null dari daftar ini,

290
00:15:10,190 --> 00:15:13,090
melewati mereka ke fungsi,
dan menjadi sangat bingung

291
00:15:13,090 --> 00:15:16,000
ketika aku sampai segala macam
infinities acak tanam

292
00:15:16,000 --> 00:15:16,790
dalam fungsi ini.

293
00:15:16,790 --> 00:15:20,730
Karena jika Anda menerapkan maksimum tertentu
atau fungsi minimum untuk null,

294
00:15:20,730 --> 00:15:22,570
Anda akan mendapatkan nilai-nilai yang tak terbatas keluar.

295
00:15:22,570 --> 00:15:26,400

296
00:15:26,400 --> 00:15:29,180
>> Data frame, mereka subclass dari daftar.

297
00:15:29,180 --> 00:15:31,170
Setiap nilai merupakan vektor
yang sama panjang.

298
00:15:31,170 --> 00:15:34,220
Dan mereka digunakan untuk menyajikan,
pada dasarnya, tabel data.

299
00:15:34,220 --> 00:15:36,175
Ada sintaks inisialisasi ini.

300
00:15:36,175 --> 00:15:38,800
Ini semua akan, lagi, jauh
jelas ketika Anda mendapatkan untuk demo.

301
00:15:38,800 --> 00:15:42,240

302
00:15:42,240 --> 00:15:44,240
Dan hal yang baik tentang
frame data adalah bahwa Anda

303
00:15:44,240 --> 00:15:49,380
dapat memberikan nama untuk semua kolom
dan nama untuk semua baris.

304
00:15:49,380 --> 00:15:53,890
Dan sehingga membuat mengakses
mereka sedikit ramah.

305
00:15:53,890 --> 00:15:59,130
Juga ini adalah bagaimana sebagian besar fungsi yang
membaca data dari spreadsheet Excel

306
00:15:59,130 --> 00:16:03,820
atau dari file teks, misalnya,
akan membaca dalam data mereka.

307
00:16:03,820 --> 00:16:07,555
Mereka akan memasukkannya ke dalam
semacam frame data.

308
00:16:07,555 --> 00:16:09,680
Jadi functions-- fungsi
sintaks agak aneh.

309
00:16:09,680 --> 00:16:16,160
Sekali lagi itu adalah nama fungsi,
menetapkan, fungsi kata kunci ini dan kemudian

310
00:16:16,160 --> 00:16:17,900
daftar argumen.

311
00:16:17,900 --> 00:16:24,080
Jadi ada beberapa hal bagus
tentang bagaimana fungsi bekerja di sini.

312
00:16:24,080 --> 00:16:28,170
Untuk satu, Anda benar-benar dapat menetapkan
nilai default untuk argumen tertentu.

313
00:16:28,170 --> 00:16:32,910
Jadi Anda bisa mengatakan R1
equals-- Anda bisa mengatakan foo

314
00:16:32,910 --> 00:16:38,290
adalah suatu fungsi dimana R1 sama dengan sesuatu
secara default jika pengguna menentukan

315
00:16:38,290 --> 00:16:39,090
tanpa argumen.

316
00:16:39,090 --> 00:16:41,932
Jika tidak, itu apa pun yang dimasukkan ke dalam.

317
00:16:41,932 --> 00:16:44,140
Dan ini sangat berguna
karena banyak fungsi kami

318
00:16:44,140 --> 00:16:47,910
memiliki puluhan atau sering
ratusan argumen.

319
00:16:47,910 --> 00:16:51,210
Misalnya yang untuk merencanakan
grafik atau merencanakan plot pencar

320
00:16:51,210 --> 00:16:54,430
memiliki argumen yang mengontrol
segala sesuatu dari judul dan sumbu

321
00:16:54,430 --> 00:16:59,512
label dengan warna garis regresi.

322
00:16:59,512 --> 00:17:01,470
Dan jadi jika Anda tidak ingin
untuk membuat orang menentukan

323
00:17:01,470 --> 00:17:04,050
setiap satu dari ini
ratusan argumen

324
00:17:04,050 --> 00:17:07,674
mengendalikan setiap aspek dari
plot atau kemunduran atau apa pun,

325
00:17:07,674 --> 00:17:09,299
itu bagus untuk memiliki nilai default ini.

326
00:17:09,299 --> 00:17:12,700

327
00:17:12,700 --> 00:17:19,146
>> Dan kemudian Anda benar-benar dapat
menulis seperti yang Anda lihat kembali ke sini.

328
00:17:19,146 --> 00:17:22,869
Atau menemukan contoh yang lebih baik.

329
00:17:22,869 --> 00:17:28,690
Ketika Anda memanggil fungsi Anda benar-benar bisa
memanggil mereka menggunakan nama-nama argumen.

330
00:17:28,690 --> 00:17:33,919
Jadi di sini adalah contoh
konstruktor matriks.

331
00:17:33,919 --> 00:17:34,960
Dibutuhkan tiga argumen.

332
00:17:34,960 --> 00:17:36,760
Biasanya Anda memiliki data,
yang merupakan vektor.

333
00:17:36,760 --> 00:17:38,920
Anda memiliki N baris, yang
adalah jumlah baris.

334
00:17:38,920 --> 00:17:41,160
Anda memiliki N cols-- jumlah kolom.

335
00:17:41,160 --> 00:17:43,920
Masalahnya adalah jika Anda mengetik
N baris sama dengan apa pun

336
00:17:43,920 --> 00:17:46,520
dan N col sama apa pun saat
Anda memanggil fungsi ini,

337
00:17:46,520 --> 00:17:47,770
Anda benar-benar dapat membalikkan mereka.

338
00:17:47,770 --> 00:17:51,590
Sehingga Anda dapat menempatkan N col pertama dan N baris
kedua dan itu akan membuat perbedaan.

339
00:17:51,590 --> 00:17:54,660
Jadi itulah fitur kecil yang menyenangkan.

340
00:17:54,660 --> 00:17:56,260
>> Melakukan impor dan ekspor.

341
00:17:56,260 --> 00:18:00,010
Hal ini dapat dilakukan, pada dasarnya.

342
00:18:00,010 --> 00:18:03,816
Ada juga fasilitas untuk menulis
sewenang-wenang R objek ke file biner

343
00:18:03,816 --> 00:18:05,190
dan kemudian membacanya kembali nanti.

344
00:18:05,190 --> 00:18:08,030
Yang berguna jika Anda melakukan
besar interaktif sesi R

345
00:18:08,030 --> 00:18:12,850
dan Anda perlu untuk menyimpan
hal yang sangat cepat.

346
00:18:12,850 --> 00:18:16,460
Secara default R memiliki direktori kerja
bahwa file bisa ditulis ke

347
00:18:16,460 --> 00:18:19,410
dan membaca kembali dari.

348
00:18:19,410 --> 00:18:22,350
Anda dapat melihat bahwa dengan
getwg, mengubahnya dengan setdw.

349
00:18:22,350 --> 00:18:25,630
Tidak ada yang menarik di sini terutama

350
00:18:25,630 --> 00:18:28,270
>> Jadi sekarang statistik aktual
stuff-- regresi multilinear.

351
00:18:28,270 --> 00:18:30,960

352
00:18:30,960 --> 00:18:34,910
Jadi sintaks biasa
adalah sedikit rumit.

353
00:18:34,910 --> 00:18:37,260
Model adalah objek besar pada dasarnya.

354
00:18:37,260 --> 00:18:39,910
Itu akan ditugaskan untuk lm,
yang merupakan fungsi panggilan.

355
00:18:39,910 --> 00:18:43,840
Elemen pertama, y
x1 tilde ditambah apa pun.

356
00:18:43,840 --> 00:18:46,574

357
00:18:46,574 --> 00:18:47,990
Sintaks saya di sini adalah sedikit membingungkan.

358
00:18:47,990 --> 00:18:49,490
Aku cukup menyesal, ini
adalah cara standar

359
00:18:49,490 --> 00:18:50,990
bahwa buku ilmu komputer melakukan hal ini.

360
00:18:50,990 --> 00:18:54,890
Tapi itu agak aneh.

361
00:18:54,890 --> 00:18:58,200
>> Jadi pada dasarnya, itu lm
kurung, item pertama

362
00:18:58,200 --> 00:19:06,730
adalah variable-- maaf, tergantung
x1 tilde variabel ditambah x2 ditambah

363
00:19:06,730 --> 00:19:10,910
namun banyak independen
variabel yang Anda miliki.

364
00:19:10,910 --> 00:19:14,240
Dan kemudian ini baik dapat
vektor, semua sama panjang.

365
00:19:14,240 --> 00:19:16,220
Atau mereka dapat kolom
header dalam frame data

366
00:19:16,220 --> 00:19:18,553
Anda hanya menentukan di
kedua argumen frame data.

367
00:19:18,553 --> 00:19:23,270

368
00:19:23,270 --> 00:19:26,380
>> Anda juga dapat menentukan
formula yang lebih kompleks

369
00:19:26,380 --> 00:19:31,990
sehingga Anda tidak perlu linear
regresi satu variabel dependen,

370
00:19:31,990 --> 00:19:34,440
atau satu vektor pada vektor yang sudah ada.

371
00:19:34,440 --> 00:19:38,070
Anda dapat melakukan, misalnya,
komponen vektor y kuadrat ditambah 1

372
00:19:38,070 --> 00:19:42,100
dan regresi yang melawan
log dari beberapa vektor lainnya.

373
00:19:42,100 --> 00:19:45,200
Anda dapat mencetak ringkasan dari
model dengan perintah ini disebut

374
00:19:45,200 --> 00:19:48,607
summary-- hanya ringkasan parens Model.

375
00:19:48,607 --> 00:19:50,190
Sekali lagi hal lain yang harus menjelaskan.

376
00:19:50,190 --> 00:19:55,407

377
00:19:55,407 --> 00:19:58,615
Sesuatu yang lain yang akan mendapatkan dikoreksi
ketika slide naik di internet.

378
00:19:58,615 --> 00:20:01,127

379
00:20:01,127 --> 00:20:03,210
Jika Anda hanya ingin menghitung
korelasi sederhana

380
00:20:03,210 --> 00:20:09,170
Anda dapat menggunakan vektor korelasi
1 vektor 2 fungsi inti.

381
00:20:09,170 --> 00:20:11,856
Metode ini secara default
Pearson korelasi.

382
00:20:11,856 --> 00:20:13,480
Mereka adalah orang-orang standar yang dapat Anda lakukan.

383
00:20:13,480 --> 00:20:15,990
Ada juga Spearman dan
Kendell korelasi

384
00:20:15,990 --> 00:20:19,530
yang beberapa variasi
Agar korelasi peringkat.

385
00:20:19,530 --> 00:20:23,600
Yah mereka tidak menghitung produk
saat antara vektor sendiri,

386
00:20:23,600 --> 00:20:28,511
tapi pesanan peringkat vektor ini.

387
00:20:28,511 --> 00:20:29,510
Saya akan menjelaskan nanti.

388
00:20:29,510 --> 00:20:30,120
>> AUDIENCE: Pertanyaan Cepat

389
00:20:30,120 --> 00:20:30,360
>> CONNER HARRIS: Tentu.

390
00:20:30,360 --> 00:20:33,151
>> AUDIENCE: Jadi, ketika Anda sedang menghitung
untuk korelasi sederhana lakukan

391
00:20:33,151 --> 00:20:37,655
Anda berasumsi bahwa ada statistik
signifikansi untuk korelasi?

392
00:20:37,655 --> 00:20:39,030
CONNER HARRIS: Anda tidak perlu.

393
00:20:39,030 --> 00:20:41,840

394
00:20:41,840 --> 00:20:43,960
Sebuah lm pada dasarnya hanya sebuah mesin.

395
00:20:43,960 --> 00:20:47,690
Ini akan mengambil dalam dua hal
dan itu akan memuntahkan

396
00:20:47,690 --> 00:20:49,770
koefisien untuk paling cocok line.

397
00:20:49,770 --> 00:20:52,310
Hal ini juga melaporkan standar
kesalahan pada orang-koefisien.

398
00:20:52,310 --> 00:20:55,865
Dan akan memberitahu Anda, seperti adalah
mencegat signifikan secara statistik

399
00:20:55,865 --> 00:20:56,740
atau perbedaan dari 0.

400
00:20:56,740 --> 00:20:59,400
Adalah kemiringan yang terbaik
fit garis statistik

401
00:20:59,400 --> 00:21:01,510
berbeda dari nol, dan lain-lain.

402
00:21:01,510 --> 00:21:06,260
Jadi mengasumsikan apa-apa, saya pikir
adalah jawaban terbaik untuk pertanyaan Anda.

403
00:21:06,260 --> 00:21:07,410
OKE.

404
00:21:07,410 --> 00:21:14,650
>> Plotting-- sehingga alasan utama Anda harus
menggunakan R, seperti regresi multilinear.

405
00:21:14,650 --> 00:21:17,320
Pada dasarnya setiap bahasa
memiliki beberapa fasilitas untuk itu.

406
00:21:17,320 --> 00:21:21,365
Dan sintaks jujur ​​R untuk
regresi adalah rahasia sedikit.

407
00:21:21,365 --> 00:21:22,990
Tapi plotting adalah di mana ia benar-benar bersinar.

408
00:21:22,990 --> 00:21:28,090
>> Fungsi pekerja keras adalah petak
dan dibutuhkan dua vektor, x dan y.

409
00:21:28,090 --> 00:21:33,010
Dan kemudian elips singkatan yang sangat
sejumlah besar argumen opsional yang

410
00:21:33,010 --> 00:21:39,190
mengendalikan segala sesuatu dari judul untuk warna
dari berbagai lini atau berbagai titik,

411
00:21:39,190 --> 00:21:40,200
dengan jenis plot.

412
00:21:40,200 --> 00:21:42,250
Anda dapat memiliki pencar
plot atau plot line.

413
00:21:42,250 --> 00:21:47,900

414
00:21:47,900 --> 00:21:49,710
>> [Tidak terdengar] 2 vektor
yang sama panjang.

415
00:21:49,710 --> 00:21:53,780
Anda dapat mendahului ini dengan melampirkan
frame data dalam script Anda.

416
00:21:53,780 --> 00:22:01,220
Dan ini akan membiarkan Anda hanya menggunakan kolom
header bukannya vektor terpisah.

417
00:22:01,220 --> 00:22:05,410
Anda dapat menambahkan baris paling cocok dan lokal
kurva regresi untuk grafik Anda.

418
00:22:05,410 --> 00:22:09,390
>> Perintah-perintah ini tercantum
di sini, ab line dan garis,

419
00:22:09,390 --> 00:22:11,640
secara default ini mendapatkan
ditulis ke dalam jendela pop up

420
00:22:11,640 --> 00:22:15,560
karena mengasumsikan bahwa
Anda menggunakan R interaktif.

421
00:22:15,560 --> 00:22:17,310
Jika Anda tidak Anda bisa
menulis dua file yang

422
00:22:17,310 --> 00:22:21,600
berada di benar-benar format yang Anda inginkan.

423
00:22:21,600 --> 00:22:25,410
Maaf, saya memiliki kesalahan ketik saya baru sadar.

424
00:22:25,410 --> 00:22:30,887

425
00:22:30,887 --> 00:22:32,720
Jika Anda ingin membuka
perangkat grafis lain

426
00:22:32,720 --> 00:22:39,200
Anda dapat menggunakan fungsi ini disebut PNG atau
JPEG atau banyak format gambar lainnya.

427
00:22:39,200 --> 00:22:42,319
Dan Anda dapat menulis grafik untuk
File apapun nama yang Anda tentukan.

428
00:22:42,319 --> 00:22:45,110
Untuk membatalkan bahwa Anda harus use--
Saya tidak menulis ini di slide-- yang

429
00:22:45,110 --> 00:22:49,650
tapi ada fungsi yang disebut dev
dot off yang tidak mengambil argumen.

430
00:22:49,650 --> 00:22:51,517
>> Lalu ada fasilitas
untuk 3D plotting

431
00:22:51,517 --> 00:22:53,350
dan untuk kontur merencanakan
jika Anda ingin membuat

432
00:22:53,350 --> 00:22:55,700
grafik dari dua variabel independen.

433
00:22:55,700 --> 00:22:57,150
Saya tidak akan masuk ke ini sekarang.

434
00:22:57,150 --> 00:22:59,130
>> Ada juga beberapa
Fasilitas untuk animasi

435
00:22:59,130 --> 00:23:01,300
mereka biasanya
dikelola oleh pihak ketiga.

436
00:23:01,300 --> 00:23:06,330
Saya telah melakukan animasi dengan R grafik,
tapi saya belum pernah menggunakan pihak ketiga tersebut

437
00:23:06,330 --> 00:23:06,940
perpustakaan.

438
00:23:06,940 --> 00:23:09,929
Jadi saya tidak bisa benar-benar membuktikan
untuk seberapa baik mereka.

439
00:23:09,929 --> 00:23:12,220
Apa yang saya sarankan jika Anda ingin
untuk membuat animasi menggunakan R

440
00:23:12,220 --> 00:23:16,480
adalah Anda dapat menulis semua
frame untuk animasi

441
00:23:16,480 --> 00:23:18,470
dan kemudian Anda dapat menggunakan
program-- pihak ketiga

442
00:23:18,470 --> 00:23:23,630
yang khas disebut FFmpeg
atau ImageMagick-- untuk menjahit

443
00:23:23,630 --> 00:23:26,540
semua frame Anda ke dalam satu animasi.

444
00:23:26,540 --> 00:23:28,380
>> Jadi waktu untuk demo.

445
00:23:28,380 --> 00:23:31,030

446
00:23:31,030 --> 00:23:37,189
Jadi jika Anda menggunakan Unix seperti sistem
yang Linux BSD tapi yang menggunakan BSD.

447
00:23:37,189 --> 00:23:39,730
OS X membuka jendela terminal dan
ketik R pada command prompt.

448
00:23:39,730 --> 00:23:42,820
Jika Anda memiliki R studio atau
sejenisnya, yang juga bekerja.

449
00:23:42,820 --> 00:23:46,270
Untuk pengguna Windows Anda harus
dapat menemukan R di menu Start Anda.

450
00:23:46,270 --> 00:23:50,390
Itu harus disebut sesuatu
seperti R x64 3 titik apapun.

451
00:23:50,390 --> 00:23:53,110
Terbuka yang di atas sana.

452
00:23:53,110 --> 00:23:58,850
>> Jadi sekarang saya hanya
membuka jendela terminal.

453
00:23:58,850 --> 00:24:02,562
Baiklah, pencarian.

454
00:24:02,562 --> 00:24:03,520
AUDIENCE: Command-Space

455
00:24:03,520 --> 00:24:06,675
CONNER HARRIS: Command-Space, terima kasih.

456
00:24:06,675 --> 00:24:10,030
Saya tidak biasanya menggunakan Mac.

457
00:24:10,030 --> 00:24:13,310
Terminal, menunjukkan jendela baru.

458
00:24:13,310 --> 00:24:18,120
Jendela baru adalah pengaturan
dasar, R. Jadi Anda harus mendapatkan

459
00:24:18,120 --> 00:24:22,230
pesan selamat datang, sesuatu seperti ini.

460
00:24:22,230 --> 00:24:31,060
>> Jadi saya menggunakan R interaktif.

461
00:24:31,060 --> 00:24:32,719
Anda juga dapat menulis skrip R tentu saja.

462
00:24:32,719 --> 00:24:34,510
Pada dasarnya script berjalan
dengan cara yang sama persis seperti

463
00:24:34,510 --> 00:24:40,250
jika Anda sedang duduk di depan komputer
mengetik di setiap baris satu per satu.

464
00:24:40,250 --> 00:24:42,660
Jadi mari kita mulai dengan membuat vektor.

465
00:24:42,660 --> 00:24:46,230
Sebuah panah C 1, 2.

466
00:24:46,230 --> 00:24:49,400
1, 2, 4.

467
00:24:49,400 --> 00:24:50,050
OK, yakin.

468
00:24:50,050 --> 00:24:51,630
Aku bisa membuat ukuran font yang lebih besar.

469
00:24:51,630 --> 00:24:53,030
>> AUDIENCE: Command-Plus

470
00:24:53,030 --> 00:24:53,650
>> CONNER HARRIS: Command-Plus.

471
00:24:53,650 --> 00:24:54,191
Perintah-Plus.

472
00:24:54,191 --> 00:24:57,610

473
00:24:57,610 --> 00:25:00,370
Baiklah, bagaimana itu?

474
00:25:00,370 --> 00:25:00,870
Baik?

475
00:25:00,870 --> 00:25:01,551
OKE.

476
00:25:01,551 --> 00:25:03,300
Jadi mari kita mulai dengan
menyatakan daftar vektor.

477
00:25:03,300 --> 00:25:08,710
Lakukan, panah, C 1,2,4.

478
00:25:08,710 --> 00:25:11,181
Kita bisa melihat.

479
00:25:11,181 --> 00:25:12,680
Jangan khawatir tentang braket ada.

480
00:25:12,680 --> 00:25:18,590
Kurung begitu jika Anda mencetak
array yang sangat panjang, kita dapat di mana Anda berada.

481
00:25:18,590 --> 00:25:26,987
Salah satu contoh akan jika saya
hanya ingin kisaran 2-200.

482
00:25:26,987 --> 00:25:28,820
Jika saya mencetak sangat
Array panjang, tanda kurung

483
00:25:28,820 --> 00:25:31,060
hanya jadi saya bisa menjaga
track yang indeks

484
00:25:31,060 --> 00:25:33,250
kita berada di jika saya mencari
melalui ini secara visual.

485
00:25:33,250 --> 00:25:36,570

486
00:25:36,570 --> 00:25:38,280
Jadi bagaimanapun, kami memiliki.

487
00:25:38,280 --> 00:25:43,326
>> Jadi saya katakan sebelumnya bahwa array berinteraksi
sangat baik dengan, misalnya,

488
00:25:43,326 --> 00:25:44,450
operasi unary seperti ini.

489
00:25:44,450 --> 00:25:46,500
Jadi apa yang Anda pikirkan aku akan
dapatkan jika saya ketik plus 1?

490
00:25:46,500 --> 00:25:49,630

491
00:25:49,630 --> 00:25:51,140
Ya.

492
00:25:51,140 --> 00:25:54,250
Baiklah, sekarang saya akan membuat
Array yang berbeda ini.

493
00:25:54,250 --> 00:26:01,650
Katakanlah b c 20,40, 80.

494
00:26:01,650 --> 00:26:03,400
Jadi apa yang Anda pikirkan
perintah ini akan melakukan?

495
00:26:03,400 --> 00:26:09,962

496
00:26:09,962 --> 00:26:10,670
Tambahkan elemen.

497
00:26:10,670 --> 00:26:14,950
Dan jadi pada dasarnya itulah apa yang dilakukannya.

498
00:26:14,950 --> 00:26:16,740
Jadi ini cukup nyaman.

499
00:26:16,740 --> 00:26:23,800
Jadi saya bagaimana saya melakukan ini. c
adalah, katakanlah, 6 kali 1 sampai 10.

500
00:26:23,800 --> 00:26:26,789

501
00:26:26,789 --> 00:26:28,830
Jadi apa yang saya ingin melihat
terkandung, menurut Anda?

502
00:26:28,830 --> 00:26:37,110

503
00:26:37,110 --> 00:26:38,110
Jadi semua kelipatan enam.

504
00:26:38,110 --> 00:26:42,170
Sekarang, apa yang Anda pikirkan
akan terjadi jika saya melakukan ini?

505
00:26:42,170 --> 00:26:48,090
Aku akan membuat ini sedikit lebih jelas, c, c.

506
00:26:48,090 --> 00:26:50,365
Jadi apa yang terjadi, apakah Anda
berpikir, jika saya melakukan ini?

507
00:26:50,365 --> 00:26:51,488
plus c.

508
00:26:51,488 --> 00:26:55,550

509
00:26:55,550 --> 00:26:56,050
[Tidak terdengar]

510
00:26:56,050 --> 00:26:58,552

511
00:26:58,552 --> 00:27:02,350
>> AUDIENCE: Entah kesalahan atau
hanya menambah pertama tiga unsur.

512
00:27:02,350 --> 00:27:04,510
>> CONNER HARRIS: Tidak cukup.

513
00:27:04,510 --> 00:27:05,522
Ini adalah apa yang kita punya.

514
00:27:05,522 --> 00:27:08,910
Apa yang terjadi adalah lebih pendek
array, sebuah, mendapat bersepeda.

515
00:27:08,910 --> 00:27:13,990
Jadi kita punya 124, 124, 124.

516
00:27:13,990 --> 00:27:15,710
Ya.

517
00:27:15,710 --> 00:27:18,940
Dan pada dasarnya, Anda dapat melihat
perilaku ini sebelumnya, plus 1,

518
00:27:18,940 --> 00:27:22,190
sebagai subclass dari perilaku ini, di mana
array terpendek hanya nomor

519
00:27:22,190 --> 00:27:25,410
1, yang merupakan array satu elemen.

520
00:27:25,410 --> 00:27:27,740
Saya hanya akan mengatakan vektor semua
waktu bukan array,

521
00:27:27,740 --> 00:27:30,290
karena itulah yang r
dokumentasi biasanya.

522
00:27:30,290 --> 00:27:33,070
Ini adalah kebiasaan yang mendarah daging c.

523
00:27:33,070 --> 00:27:37,590
>> OK, jadi sekarang kita memiliki array ini.

524
00:27:37,590 --> 00:27:38,830
Jadi kita memiliki array ini, c.

525
00:27:38,830 --> 00:27:41,380
Kita bisa mendapatkan ringkasan
statistik c, ringkasan c.

526
00:27:41,380 --> 00:27:46,920

527
00:27:46,920 --> 00:27:48,280
Dan itu bagus.

528
00:27:48,280 --> 00:27:51,070

529
00:27:51,070 --> 00:27:52,670
Jadi sekarang mari kita melakukan beberapa hal matriks.

530
00:27:52,670 --> 00:27:56,160
Katakanlah m adalah matriks.

531
00:27:56,160 --> 00:27:57,780
Mari kita membuat tiga oleh tiga satu.

532
00:27:57,780 --> 00:28:01,630
Jadi nrows sama 3, dan ncols sama 3.

533
00:28:01,630 --> 00:28:04,190

534
00:28:04,190 --> 00:28:10,710
Dan untuk data mari do-- jadi apa
Menurut Anda ini akan lakukan?

535
00:28:10,710 --> 00:28:15,310

536
00:28:15,310 --> 00:28:16,580
>> Benar, itu yang berikutnya.

537
00:28:16,580 --> 00:28:17,970
Ini nrow dan ncolumn.

538
00:28:17,970 --> 00:28:22,164

539
00:28:22,164 --> 00:28:24,580
Jadi apa yang saya lakukan adalah saya sudah
menyatakan tiga oleh tiga matriks

540
00:28:24,580 --> 00:28:26,950
dan saya sudah berlalu dalam array sembilan elemen.

541
00:28:26,950 --> 00:28:30,530
Jadi logaritma dari semua
elemen satu sampai sembilan.

542
00:28:30,530 --> 00:28:33,400

543
00:28:33,400 --> 00:28:37,285
Dan semua nilai-nilai mengisi
up array-- maaf?

544
00:28:37,285 --> 00:28:38,660
AUDIENCE: Mereka adalah basis 10 log?

545
00:28:38,660 --> 00:28:41,284
CONNER HARRIS: Tidak, log
logaritma natural, sehingga basis e.

546
00:28:41,284 --> 00:28:44,886

547
00:28:44,886 --> 00:28:47,010
Ya, jika Anda ingin dasar
10 log, saya pikir Anda akan memiliki

548
00:28:47,010 --> 00:28:51,620
login apapun, dibagi dengan log 10.

549
00:28:51,620 --> 00:28:56,750
Dan data dari [tidak terdengar] hanya
mengisi array, sehingga atas ke bawah,

550
00:28:56,750 --> 00:28:59,490
kemudian kiri ke kanan.

551
00:28:59,490 --> 00:29:06,890
Dan jika Anda ingin melakukan beberapa lainnya
array, katakanlah n adalah matriks.

552
00:29:06,890 --> 00:29:10,317
Mari kita lakukan, saya tidak tahu, 2-13.

553
00:29:10,317 --> 00:29:11,900
Atau aku akan melakukan sesuatu yang lebih menarik.

554
00:29:11,900 --> 00:29:13,770
Saya akan melakukan 2-4.

555
00:29:13,770 --> 00:29:15,780
nrow equals, katakanlah, 3.

556
00:29:15,780 --> 00:29:18,992
ncol sama dengan 4.

557
00:29:18,992 --> 00:29:20,360
n.

558
00:29:20,360 --> 00:29:22,090
Jadi kita punya ini.

559
00:29:22,090 --> 00:29:26,130
>> Dan jika kita ingin melipatgandakan ini,
kita akan melakukan n persen kali persen,

560
00:29:26,130 --> 00:29:27,680
karena itulah n.

561
00:29:27,680 --> 00:29:30,234

562
00:29:30,234 --> 00:29:31,400
Dan kami memiliki produk matriks.

563
00:29:31,400 --> 00:29:33,970

564
00:29:33,970 --> 00:29:37,810
Oleh mereka cara, apakah Anda melihat bagaimana
ketika saya menyatakan n, 2 sampai 4

565
00:29:37,810 --> 00:29:43,570
vektor mendapat bersepeda sampai
itu mengisi semua n?

566
00:29:43,570 --> 00:29:45,710
Jika Anda ingin mengambil
dekomposisi eigen,

567
00:29:45,710 --> 00:29:46,960
ini adalah sesuatu yang bisa kita lakukan dengan sangat mudah.

568
00:29:46,960 --> 00:29:47,709
Kita bisa melakukan eigen n.

569
00:29:47,709 --> 00:29:52,290

570
00:29:52,290 --> 00:29:54,600
Dan jadi ini adalah pertama kami
perjumpaan dengan daftar.

571
00:29:54,600 --> 00:29:57,000
>> Jadi eigen n adalah daftar dengan dua tombol.

572
00:29:57,000 --> 00:29:58,430
Nilai-nilai, yang merupakan array ini di sini.

573
00:29:58,430 --> 00:30:01,030
Dan vektor, yang merupakan array ini di sini.

574
00:30:01,030 --> 00:30:08,240
Jadi jika Anda ingin mengambil,
katakanlah, kolom ketiga ini

575
00:30:08,240 --> 00:30:13,080
dari vektor eigen matriks, karena
vektor eigen adalah vektor kolom.

576
00:30:13,080 --> 00:30:24,400
Jadi kita bisa melakukan eigen vec tanda n dollar
vektor, koma 3, dari [tidak terdengar].

577
00:30:24,400 --> 00:30:29,800

578
00:30:29,800 --> 00:30:30,900
Vec.

579
00:30:30,900 --> 00:30:34,100
Apakah itu, seperti yang Anda harapkan.

580
00:30:34,100 --> 00:30:39,210
>> Kemudian katakan n kali persen kali vec.

581
00:30:39,210 --> 00:30:42,610

582
00:30:42,610 --> 00:30:48,320
Jadi hasilnya di sini jelas terlihat seperti
jika kita mengambil nilai eigen ketiga di sini,

583
00:30:48,320 --> 00:30:50,390
yang sesuai dengan
eigenvector ketiga.

584
00:30:50,390 --> 00:30:53,190
Itu hanya dikalikan segala sesuatu di
eigenvector ini, komponen-bijaksana,

585
00:30:53,190 --> 00:30:53,990
oleh eigenvalue.

586
00:30:53,990 --> 00:30:57,760
Dan itulah apa yang kita harapkan,
karena itulah yang eigen yang.

587
00:30:57,760 --> 00:31:00,890
Apakah ada orang di sini tidak
diambil aljabar linier?

588
00:31:00,890 --> 00:31:02,530
Beberapa orang, OK.

589
00:31:02,530 --> 00:31:04,030
Hanya mengubah otak Anda off untuk sedikit.

590
00:31:04,030 --> 00:31:07,490

591
00:31:07,490 --> 00:31:20,720
Dan memang jika kita mengambil eigen n
nilai tanda dolar 3 kali vec,

592
00:31:20,720 --> 00:31:21,810
juga mendapatkan hal yang sama.

593
00:31:21,810 --> 00:31:24,726
Ini diformat berbeda sebagai berturut-turut
vektor bukan vektor kolom,

594
00:31:24,726 --> 00:31:25,640
tapi masalah besar.

595
00:31:25,640 --> 00:31:29,430

596
00:31:29,430 --> 00:31:35,170
Dan mereka pada dasarnya bagus
hal-hal yang dapat kita lakukan dengan matriks,

597
00:31:35,170 --> 00:31:36,489
menunjukkan daftar.

598
00:31:36,489 --> 00:31:39,030
Aku harus menunjukkan bagus
hal tentang fungsi juga.

599
00:31:39,030 --> 00:31:41,750
>> Jadi mari kita say-- [tidak terdengar]
fungsi, panggilan mari

600
00:31:41,750 --> 00:31:51,960
itu func terhadap fungsi n n squared--
sebenarnya, itu tidak benar-benar yang terbaik.

601
00:31:51,960 --> 00:31:55,632
a, b, a kuadrat ditambah b.

602
00:31:55,632 --> 00:31:58,547

603
00:31:58,547 --> 00:32:00,380
Jadi satu hal tentang
fungsi, sekali lagi, adalah mereka

604
00:32:00,380 --> 00:32:01,963
tidak perlu pernyataan kembali eksplisit.

605
00:32:01,963 --> 00:32:04,250
Jadi Anda dapat hanya-- yang
Pernyataan terakhir dievaluasi

606
00:32:04,250 --> 00:32:07,502
akan menjadi pernyataan kembali,
atau nilai kembali.

607
00:32:07,502 --> 00:32:10,460
Jadi dalam hal ini, kita hanya mengevaluasi
satu pernyataan, sebuah kuadrat ditambah b.

608
00:32:10,460 --> 00:32:12,043
Itu akan menjadi nilai kembali default.

609
00:32:12,043 --> 00:32:14,530
Tidak ada salahnya untuk dimasukkan ke dalam
kembali nilai-nilai secara eksplisit,

610
00:32:14,530 --> 00:32:16,880
terutama jika Anda sedang berhadapan dengan
fungsi logika yang sangat rumit

611
00:32:16,880 --> 00:32:17,380
mengalir.

612
00:32:17,380 --> 00:32:18,450
Tapi Anda tidak membutuhkan mereka.

613
00:32:18,450 --> 00:32:24,890
Jadi sekarang kita bisa melakukan func 5, 1, dan
ini pada dasarnya adalah apa yang Anda harapkan.

614
00:32:24,890 --> 00:32:29,146

615
00:32:29,146 --> 00:32:31,270
Hal lain yang bisa kita lakukan,
kita benar-benar bisa melakukan func b

616
00:32:31,270 --> 00:32:33,260
sama dengan 1, yang sama dengan 5.

617
00:32:33,260 --> 00:32:36,870

618
00:32:36,870 --> 00:32:40,770
Jadi jika kita menentukan jumlah sini,
yang argumen pergi ke mana argumen

619
00:32:40,770 --> 00:32:44,680
dalam fungsi, kita dapat flip sekitar
nilai-nilai ini di mana pun kita inginkan.

620
00:32:44,680 --> 00:32:48,405
>> AUDIENCE: Apakah ada alasan
untuk menulis itu dengan b

621
00:32:48,405 --> 00:32:52,404
sama sebagai lawan hanya menggunakan
angka dan koma?

622
00:32:52,404 --> 00:32:54,820
CONNER HARRIS: Ya, biasanya
melakukan hal ini jika Anda memiliki fungsi

623
00:32:54,820 --> 00:32:58,540
dengan banyak argumen.

624
00:32:58,540 --> 00:33:00,690
Yang mungkin sering seperti
bendera yang hanya akan Anda

625
00:33:00,690 --> 00:33:03,130
ingin menggunakan di kesempatan langka.

626
00:33:03,130 --> 00:33:06,740
Dan cara ini Anda dapat only-- Anda
dapat mengacu pada argumen tertentu

627
00:33:06,740 --> 00:33:09,110
bahwa Anda ingin menggunakan
nilai non-default untuk,

628
00:33:09,110 --> 00:33:14,470
dan Anda tidak harus menulis sebuah
sekelompok bendera sama palsu setelah mereka.

629
00:33:14,470 --> 00:33:19,710
Atau aku bisa menulis ini lagi dengan
nilai default seperti b sama dengan 2.

630
00:33:19,710 --> 00:33:26,289
Dan kemudian saya bisa melakukan f func,
Saya akan melakukan 4, 1 kali ini.

631
00:33:26,289 --> 00:33:28,580
Dan 17, yaitu 4 kuadrat
ditambah 1, seperti yang Anda harapkan.

632
00:33:28,580 --> 00:33:34,290
>> Tapi saya juga bisa saja
menyebutnya dengan func 4,

633
00:33:34,290 --> 00:33:36,970
dan saya akan mendapatkan 18, karena
Saya tidak menentukan b.

634
00:33:36,970 --> 00:33:38,550
Jadi b mendapat nilai default dari 2.

635
00:33:38,550 --> 00:33:41,700

636
00:33:41,700 --> 00:33:47,200
>> OK, jadi sekarang jika Anda
berikut bersama dengan demo,

637
00:33:47,200 --> 00:33:51,010
ketik baris ini di perintah Anda
meminta dan lihat apa yang muncul.

638
00:33:51,010 --> 00:33:52,090
Sebenarnya, jangan lakukan itu.

639
00:33:52,090 --> 00:33:52,590
Ketik ini.

640
00:33:52,590 --> 00:33:57,780

641
00:33:57,780 --> 00:34:01,000
Anda harus mendapatkan sesuatu seperti ini.

642
00:34:01,000 --> 00:34:04,780
Jadi mtcars adalah dibangun dalam data
ditetapkan untuk demonstrasi ini

643
00:34:04,780 --> 00:34:13,550
tujuan yang datang with-- yang datang
di secara default dengan distribusi r Anda.

644
00:34:13,550 --> 00:34:19,211
Ini adalah kompilasi dari statistik dari
a 1974 edisi majalah Motor Trend ini

645
00:34:19,211 --> 00:34:20,710
pada sejumlah model mobil yang berbeda.

646
00:34:20,710 --> 00:34:28,270
>> Jadi ada mil per galon, cylinders--
Saya lupa apa Disp is-- tenaga kuda.

647
00:34:28,270 --> 00:34:31,610

648
00:34:31,610 --> 00:34:32,420
Mungkin.

649
00:34:32,420 --> 00:34:36,920
Jika Anda hanya mobil Google MT,
maka salah satu hasil pertama

650
00:34:36,920 --> 00:34:38,730
akan dari
dokumentasi r resmi

651
00:34:38,730 --> 00:34:41,080
dan itu akan menjelaskan
semua bidang data ini.

652
00:34:41,080 --> 00:34:47,020
Jadi berat badan is-- wt adalah
berat mobil di ton.

653
00:34:47,020 --> 00:34:48,880
Q sec adalah waktu seperempat mil.

654
00:34:48,880 --> 00:34:52,409

655
00:34:52,409 --> 00:34:55,850
Jadi sekarang kita bisa melakukan beberapa hal menyenangkan
tentang mobil MT adalah bidang data.

656
00:34:55,850 --> 00:35:01,640
>> Jadi kita bisa melakukan hal-hal
seperti nama baris, mobil mt.

657
00:35:01,640 --> 00:35:05,490
Dan ini adalah daftar semua baris di
kumpulan data yang nama-nama mobil.

658
00:35:05,490 --> 00:35:10,780
Kita bisa melakukan colnames, mobil mt ini.

659
00:35:10,780 --> 00:35:15,500
Jika Anda melakukan mobil mt,
Indeks sub-numerik, seperti 2.

660
00:35:15,500 --> 00:35:18,177
kita mendapatkan kolom kedua dari
ini, yang akan menjadi silinder.

661
00:35:18,177 --> 00:35:19,370
>> AUDIENCE: Apa yang Anda lakukan?

662
00:35:19,370 --> 00:35:21,570
>> CONNER HARRIS: Saya mengetik
mt mobil, kurung e,

663
00:35:21,570 --> 00:35:24,180
yang memberi saya yang kedua
kolom dari mobil mt.

664
00:35:24,180 --> 00:35:34,501

665
00:35:34,501 --> 00:35:38,110
Atau jika kita ingin berturut-turut, saya bisa mengetik
mtcars koma 2, misalnya.

666
00:35:38,110 --> 00:35:41,850

667
00:35:41,850 --> 00:35:46,390
Sebaliknya 2 koma, seperti itu.

668
00:35:46,390 --> 00:35:48,880
Dan itu berlaku berturut-turut Anda.

669
00:35:48,880 --> 00:35:54,680
Ini di sini hanya memberi Anda
kolom, tetapi kolom sebagai vektor.

670
00:35:54,680 --> 00:36:04,634

671
00:36:04,634 --> 00:36:06,425
Aku baru sadar sekarang saya
lupa untuk menunjukkan

672
00:36:06,425 --> 00:36:09,150
beberapa hal keren tentang vektor
yang dapat Anda lakukan dengan indeks.

673
00:36:09,150 --> 00:36:10,480
Jadi biarkan aku melakukan itu sekarang.

674
00:36:10,480 --> 00:36:17,130
Jadi mari kita lakukan c gets-- menempatkan
ini pada pause-- 2 kali 1 sampai 10.

675
00:36:17,130 --> 00:36:21,360
Jadi c hanya akan menjadi
vektor 2 melalui 20.

676
00:36:21,360 --> 00:36:24,640
Saya dapat mengambil elemen seperti ini, c2.

677
00:36:24,640 --> 00:36:30,942
Aku bisa lulus dalam vektor
seperti ini, biarkan aku c--

678
00:36:30,942 --> 00:36:34,470
menggunakan nama yang berbeda dari c, seperti vec c.

679
00:36:34,470 --> 00:36:37,591

680
00:36:37,591 --> 00:36:39,340
Pada dasarnya, aku melakukan
ini sehingga Anda tidak mendapatkan

681
00:36:39,340 --> 00:36:45,010
bingung antara c sebagai
Fungsi konstruksi vektor,

682
00:36:45,010 --> 00:36:48,800
dan kemudian c sebagai nama variabel.

683
00:36:48,800 --> 00:36:53,120
Kurung vec c 4, 5, 7.

684
00:36:53,120 --> 00:36:56,540
Ini akan mendapatkan saya keluar keempat, kelima,
dan tujuh elemen array.

685
00:36:56,540 --> 00:37:01,740
Aku bisa melakukan vec, dimasukkan ke dalam negatif
Indeks, seperti negatif 4.

686
00:37:01,740 --> 00:37:06,500
Itu akan membuat saya keluar dengan
unsur keempat dihapus.

687
00:37:06,500 --> 00:37:10,140
Kemudian jika saya ingin melakukan irisan,
Aku bisa melakukan vec 2 sampai 6.

688
00:37:10,140 --> 00:37:15,480
2 usus 6 hanyalah
vektor, yaitu 2, 3, 4, 5, 6.

689
00:37:15,480 --> 00:37:18,230
Meludah keluar itu.

690
00:37:18,230 --> 00:37:20,770
>> Jadi bagaimanapun, kembali ke mobil mt.

691
00:37:20,770 --> 00:37:26,650

692
00:37:26,650 --> 00:37:28,450
Jadi mari kita melakukan beberapa regresi.

693
00:37:28,450 --> 00:37:34,240
Katakanlah Model gets-- mari
linear regress-- Saya tidak tahu.

694
00:37:34,240 --> 00:37:41,780
Pertama mari kita jangan melampirkan mtcars, tentu saja.

695
00:37:41,780 --> 00:37:44,870

696
00:37:44,870 --> 00:38:00,010
Jadi [tidak terdengar] Model lm, mari kita mundur
mil per galon pada berat tilde.

697
00:38:00,010 --> 00:38:03,300
Dan kemudian frame data adalah mtcars.

698
00:38:03,300 --> 00:38:06,830
Sehingga model summary.

699
00:38:06,830 --> 00:38:12,900

700
00:38:12,900 --> 00:38:15,595
>> OK, jadi ini terlihat sedikit rumit.

701
00:38:15,595 --> 00:38:19,380
Tapi pada dasarnya, melihat seolah-olah kita
mencoba untuk mengekspresikan mil per galon

702
00:38:19,380 --> 00:38:23,970
sebagai fungsi linear dari berat badan,
kemudian kami punya baris ini di sini,

703
00:38:23,970 --> 00:38:28,730
yang penyadapan di 37,28.

704
00:38:28,730 --> 00:38:33,830
37,28 akan menjadi mil teoritis
per galon dari mobil yang beratnya nol.

705
00:38:33,830 --> 00:38:41,210
Dan kemudian untuk setiap ton tambahan,
Anda mengetuk sekitar lima mil per galon

706
00:38:41,210 --> 00:38:42,440
off itu.

707
00:38:42,440 --> 00:38:45,120
Kedua koefisien ini Anda
bisa melihat, kesalahan standar ada.

708
00:38:45,120 --> 00:38:47,870
Dan mereka sangat
signifikan secara statistik.

709
00:38:47,870 --> 00:38:55,740
>> Jadi kita bisa sangat yakin untuk
1 e 10 ke negatif 10.

710
00:38:55,740 --> 00:38:59,510
Jadi 1 kali sesuatu ke negatif
10, bahwa jika Anda membuat mobil lebih berat,

711
00:38:59,510 --> 00:39:01,440
itu akan memiliki mil per galon lebih buruk.

712
00:39:01,440 --> 00:39:04,940

713
00:39:04,940 --> 00:39:07,250
Atau kita dapat menguji beberapa model lain.

714
00:39:07,250 --> 00:39:09,230
Seperti bukannya
kemunduran ini pada berat badan,

715
00:39:09,230 --> 00:39:12,600
mari kita mundur pada log berat,
karena mungkin berat efektif

716
00:39:12,600 --> 00:39:15,690
jarak tempuh entah bagaimana tidak linear.

717
00:39:15,690 --> 00:39:18,540
>> Ini memberi kami r kuadrat dari 0,7528.

718
00:39:18,540 --> 00:39:19,610
Jadi mari kita coba ini.

719
00:39:19,610 --> 00:39:21,485
Kali ini mari kita melakukan
variabel yang berbeda, juga.

720
00:39:21,485 --> 00:39:22,500
Model2.

721
00:39:22,500 --> 00:39:24,800
Jadi Singkatnya, model2.

722
00:39:24,800 --> 00:39:28,200

723
00:39:28,200 --> 00:39:31,390
Baiklah, jadi sekali lagi, kita
mendapat fit baris terbaik kami di sini.

724
00:39:31,390 --> 00:39:36,160
Dan ini time-- ini mengatakan,
pada dasarnya bahwa setiap kali Anda

725
00:39:36,160 --> 00:39:38,090
meningkatkan berat
mobil dengan faktor e

726
00:39:38,090 --> 00:39:40,580
Anda kehilangan ini banyak mil per galon.

727
00:39:40,580 --> 00:39:43,210

728
00:39:43,210 --> 00:39:50,326
>> Dan kali ini standar sisa kami
kesalahan itu-- itu tidak masalah, benar-benar.

729
00:39:50,326 --> 00:39:53,540
Kesalahan residual standar
pada dasarnya hanya standard error

730
00:39:53,540 --> 00:39:57,760
bahwa Anda telah meninggalkan setelah Anda
mengambil garis tren.

731
00:39:57,760 --> 00:40:02,805
Dan r kami kuadrat sini adalah 0,81,
yang sedikit lebih baik dari apa yang

732
00:40:02,805 --> 00:40:07,640
kita sebelumnya, 0,52.

733
00:40:07,640 --> 00:40:09,750
>> Dan jadi sekarang mari kita menambahkan
istilah untuk regresi ini.

734
00:40:09,750 --> 00:40:13,020
Jadi mari kita mundur mil per galon
baik di log dari bobot

735
00:40:13,020 --> 00:40:21,130
dan, mari kita lakukan, q mil,
kuartal waktu mil.

736
00:40:21,130 --> 00:40:26,190
OK, itu harus memiliki the---apa, qsec.

737
00:40:26,190 --> 00:40:26,690
Qsec.

738
00:40:26,690 --> 00:40:30,630

739
00:40:30,630 --> 00:40:35,000
Actually-- maaf, apa?

740
00:40:35,000 --> 00:40:37,000
Biarkan saya menyebut sesuatu ini
lain selain model2.

741
00:40:37,000 --> 00:40:38,000
Biarkan saya sebut model3 ini.

742
00:40:38,000 --> 00:40:40,860

743
00:40:40,860 --> 00:40:42,900
Dan jadi sekarang kita dapat melakukan Ringkasan model3.

744
00:40:42,900 --> 00:40:46,850

745
00:40:46,850 --> 00:40:49,100
Dan lagi, ini pada dasarnya adalah
apa yang Anda harapkan.

746
00:40:49,100 --> 00:40:51,750
Anda memiliki mencegat positif.

747
00:40:51,750 --> 00:40:54,550
Efektif meningkatkan
berat badan adalah negatif.

748
00:40:54,550 --> 00:40:58,490
Dan efektif
meningkatkan kuartal waktu mil

749
00:40:58,490 --> 00:41:02,420
adalah positif, tapi meskipun
kurang daripada berat badan.

750
00:41:02,420 --> 00:41:06,010
Sekarang intuitif, Anda dapat membuat rasa
ini dengan mengatakan berpikir tentang mobil sport.

751
00:41:06,010 --> 00:41:08,950
Ada akselerasi sangat cepat,
kali seperempat mil yang sangat singkat.

752
00:41:08,950 --> 00:41:13,729
Mereka juga akan menggunakan gas lebih,
sedangkan mobil lebih masuk akal akan

753
00:41:13,729 --> 00:41:16,020
memiliki akselerasi lebih lambat,
kali seperempat mil lebih tinggi,

754
00:41:16,020 --> 00:41:20,890
dan menggunakan gas kurang ,, jadi
mil per galon lebih tinggi.

755
00:41:20,890 --> 00:41:21,390
Besar.

756
00:41:21,390 --> 00:41:23,431
Dan jadi sekarang saatnya untuk
merencanakan sesuatu seperti ini.

757
00:41:23,431 --> 00:41:27,810
Jadi mari kita do-- begitu telanjang
tulang yang bisa kita lakukan plots--

758
00:41:27,810 --> 00:41:35,280
karena saya sudah melekat ini data frame
before-- kita hanya bisa melakukan plot, mpg wt.

759
00:41:35,280 --> 00:41:38,762

760
00:41:38,762 --> 00:41:39,720
Jadikan ini sedikit lebih besar.

761
00:41:39,720 --> 00:41:55,050

762
00:41:55,050 --> 00:41:57,350
Ada, pada dasarnya kita memiliki
scatter plot, tapi poin

763
00:41:57,350 --> 00:41:58,690
adalah agak sulit untuk melihat hal ini.

764
00:41:58,690 --> 00:42:04,860

765
00:42:04,860 --> 00:42:10,900
>> Saya tidak ingat begitu saja apa yang
sintaks adalah untuk mengubah plot.

766
00:42:10,900 --> 00:42:14,100
Jadi saya kira ini akan menjadi
waktu yang baik untuk membuka,

767
00:42:14,100 --> 00:42:18,000
ada bantuan builtin sangat bagus
fitur, bantuan kutipan berfungsi nama.

768
00:42:18,000 --> 00:42:21,690
Kami akan membawa pada dasarnya
apa pun yang Anda inginkan.

769
00:42:21,690 --> 00:42:28,010

770
00:42:28,010 --> 00:42:32,730
Saya pikir saya benar-benar akan melakukan ini
Jenis sama p untuk poin plot.

771
00:42:32,730 --> 00:42:34,369
Apakah itu mengubah apa pun?

772
00:42:34,369 --> 00:42:35,160
Dan tidak, tidak benar-benar.

773
00:42:35,160 --> 00:42:39,160

774
00:42:39,160 --> 00:42:39,660
Baiklah.

775
00:42:39,660 --> 00:42:46,760

776
00:42:46,760 --> 00:42:49,580
>> Untuk beberapa alasan, ketika saya melakukan ini
di komputer saya sendiri beberapa waktu lalu,

777
00:42:49,580 --> 00:42:52,080
semua poin pencar
yang lebih jelas.

778
00:42:52,080 --> 00:43:06,390

779
00:43:06,390 --> 00:43:13,970
Bagaimanapun, adalah pencar jenis terlihat?

780
00:43:13,970 --> 00:43:15,124
Ada satu ada.

781
00:43:15,124 --> 00:43:16,165
Beberapa ada, beberapa di sana.

782
00:43:16,165 --> 00:43:18,860

783
00:43:18,860 --> 00:43:21,185
Anda dapat semacam melihat mereka, kan?

784
00:43:21,185 --> 00:43:24,310
Jadi jika kita ingin menambahkan cocok baris terbaik
plot ini di sini, yang sedikit telanjang

785
00:43:24,310 --> 00:43:29,290
bones-- biarkan aku membuatnya sedikit lebih bagus.

786
00:43:29,290 --> 00:43:38,075
Main sama terhadap berat badan.

787
00:43:38,075 --> 00:43:46,322

788
00:43:46,322 --> 00:43:49,740
Mil per galon.

789
00:43:49,740 --> 00:43:53,570
Sekali lagi, Anda dapat melihat bagaimana berguna
argumen opsional di sini dengan juga

790
00:43:53,570 --> 00:43:58,090
tidak harus meletakkan segala sesuatu dalam
urutan tertentu dengan argumen Keyboard

791
00:43:58,090 --> 00:44:01,600
ketika Anda memiliki plot, karena
ini mengambil banyak argumen.

792
00:44:01,600 --> 00:44:07,490
>> Xlab sama berat, berat, ton.

793
00:44:07,490 --> 00:44:10,091

794
00:44:10,091 --> 00:44:10,590
Baiklah.

795
00:44:10,590 --> 00:44:17,340

796
00:44:17,340 --> 00:44:21,480
OK, ya, perangkat ini
sedang sedikit mengganggu.

797
00:44:21,480 --> 00:44:30,160
Tapi Anda bisa melihat semacam di atas sana,
ada judul grafik di samping.

798
00:44:30,160 --> 00:44:35,260
Di sini there's-- di bagian bawah
di sini ada label sumbu.

799
00:44:35,260 --> 00:44:37,700
Saya tidak ingat begitu saja
apa perintah ars--

800
00:44:37,700 --> 00:44:41,000
apa fungsi adalah untuk meningkatkan
ukuran label-label dan judul,

801
00:44:41,000 --> 00:44:43,110
tapi mereka ada.

802
00:44:43,110 --> 00:44:46,625
>> Dan jika kita ingin
menambahkan paling cocok line,

803
00:44:46,625 --> 00:44:49,250
kita bisa melakukan sesuatu like-- Saya
memiliki sintaks yang ditulis di sini.

804
00:44:49,250 --> 00:44:52,280

805
00:44:52,280 --> 00:45:11,130
Jadi ingat kita hanya menambah model
adalah mpg, berat badan, mtcars.

806
00:45:11,130 --> 00:45:16,470
Dan jadi jika saya ingin menambahkan cocok terbaik
line, aku bisa melakukan model b line.

807
00:45:16,470 --> 00:45:18,556
Dan booming, kami memiliki garis cocok terbaik.

808
00:45:18,556 --> 00:45:19,970
Ini agak sulit untuk melihat lagi.

809
00:45:19,970 --> 00:45:22,178
Aku cukup menyesal tentang
kesulitan teknologi.

810
00:45:22,178 --> 00:45:25,230
Tapi itu berjalan pada dasarnya
atas kiri ke kanan bawah.

811
00:45:25,230 --> 00:45:27,550
>> Dan jika skala yang
lebih besar, Anda bisa melihat

812
00:45:27,550 --> 00:45:31,260
yang mencegat adalah apa yang Anda bisa
menemukan dari statistik ringkasan

813
00:45:31,260 --> 00:45:34,790
jika Anda mengetik Model summary.

814
00:45:34,790 --> 00:45:40,130
OK, jadi saya berharap semua orang mendapat
sesuatu dari rasa apa

815
00:45:40,130 --> 00:45:42,030
R adalah, apa itu baik untuk.

816
00:45:42,030 --> 00:45:45,520
Anda bisa membuat plot jauh lebih bagus daripada
ini pada waktu Anda sendiri, jika Anda suka.

817
00:45:45,520 --> 00:45:50,100

818
00:45:50,100 --> 00:45:53,950
>> Jadi antarmuka fungsi asing.

819
00:45:53,950 --> 00:46:00,330
Ini adalah sesuatu yang tidak biasanya
tercakup dalam kuliah pengantar

820
00:46:00,330 --> 00:46:03,560
atau pengantar apa pun untuk r.

821
00:46:03,560 --> 00:46:05,584
Ini tidak mungkin Anda akan membutuhkannya.

822
00:46:05,584 --> 00:46:08,000
Namun, saya menemukan itu berguna dalam
proyek saya sendiri di masa lalu.

823
00:46:08,000 --> 00:46:10,984
Dan tidak ada yang baik
tutorial untuk itu secara online.

824
00:46:10,984 --> 00:46:12,900
Jadi aku hanya akan
terburu-buru Anda semua melalui ini

825
00:46:12,900 --> 00:46:16,606
dan kemudian Anda bebas untuk pergi.

826
00:46:16,606 --> 00:46:18,480
Dan jadi asing
antarmuka fungsi yang

827
00:46:18,480 --> 00:46:23,130
Anda dapat menggunakan untuk memanggil untuk melihat
fungsi dengan R. internal,

828
00:46:23,130 --> 00:46:29,850
R dibangun pada aritmatika C. R adalah hanya
C 64-bit floating point aritmatika,

829
00:46:29,850 --> 00:46:32,852
yang merupakan jenis double [tidak terdengar].

830
00:46:32,852 --> 00:46:35,060
Dan Anda mungkin ingin melakukan
ini untuk sekelompok alasan.

831
00:46:35,060 --> 00:46:39,250
Untuk satu, R ditafsirkan, itu
tidak dikompilasi ke kode mesin.

832
00:46:39,250 --> 00:46:42,170
Sehingga Anda dapat menulis ulang Anda
loop batin dalam C dan kemudian mendapatkan

833
00:46:42,170 --> 00:46:45,920
keuntungan dari menggunakan R. Seperti
itu sedikit lebih mudah daripada C.

834
00:46:45,920 --> 00:46:48,899
Ini memiliki grafik yang lebih baik
Fasilitas dan yang lainnya.

835
00:46:48,899 --> 00:46:51,690
Dan sementara masih bisa mendapatkan
kecepatan tertinggi dari loop batin,

836
00:46:51,690 --> 00:46:53,650
yang mana Anda benar-benar membutuhkannya.

837
00:46:53,650 --> 00:46:56,330
>> Menggunakan kembali perpustakaan C yang ada,
itu juga penting.

838
00:46:56,330 --> 00:47:00,320
Jika Anda memiliki beberapa perpustakaan C untuk seperti,
Saya tidak tahu, transformasi Fourier,

839
00:47:00,320 --> 00:47:05,190
atau sangat Arkean
Prosedur statistik yang digunakan

840
00:47:05,190 --> 00:47:09,470
dalam astrofisika energi tinggi
atau sesuatu, saya tidak tahu.

841
00:47:09,470 --> 00:47:13,058
Energi astrofisika tinggi
bahkan tidak berpikir, saya pikir.

842
00:47:13,058 --> 00:47:16,480
Tapi Anda bisa melakukan itu bukan memiliki
menulis R pelabuhan asli mereka.

843
00:47:16,480 --> 00:47:22,725
Dan pada the-- dan lagi, seperti jika Anda
terlihat di sebagian besar R default perpustakaan,

844
00:47:22,725 --> 00:47:25,600
di internal, internal yang
akan menggunakan fungsi asing

845
00:47:25,600 --> 00:47:26,724
antarmuka yang sangat luas.

846
00:47:26,724 --> 00:47:31,630
Mereka akan memiliki hal-hal seperti Fourier
mengubah atau komputasi korelasi

847
00:47:31,630 --> 00:47:34,890
koefisien ditulis dalam C, dan mereka akan
hanya R bungkus sekitar mereka.

848
00:47:34,890 --> 00:47:38,230
Antarmuka adalah
Agak sulit. kupikir

849
00:47:38,230 --> 00:47:43,750
Kesulitan yang berlebihan dalam
banyak petunjuk Anda akan menemukan.

850
00:47:43,750 --> 00:47:46,200
Namun demikian, itu adalah sedikit membingungkan.

851
00:47:46,200 --> 00:47:48,650
Dan saya belum mampu
menemukan tutorial yang baik untuk itu,

852
00:47:48,650 --> 00:47:51,980
jadi ini adalah sekarang.

853
00:47:51,980 --> 00:47:55,360
Sekali lagi, segmen ini seluruh
lebih untuk referensi nanti.

854
00:47:55,360 --> 00:47:57,687
Jangan khawatir tentang menyalin
semuanya turun sekarang.

855
00:47:57,687 --> 00:48:00,020
Jadi instruksi berikut
adalah untuk sistem Unix-seperti,

856
00:48:00,020 --> 00:48:05,150
Linux, BSD, OS X. Saya tidak tahu
bagaimana ini bekerja pada Windows,

857
00:48:05,150 --> 00:48:08,280
tapi tolong hanya tidak melakukan Anda
tugas akhir pada Windows.

858
00:48:08,280 --> 00:48:10,790

859
00:48:10,790 --> 00:48:12,460
Anda benar-benar tidak ingin.

860
00:48:12,460 --> 00:48:14,770
Unix adalah set jauh lebih baik
untuk pemrograman santai.

861
00:48:14,770 --> 00:48:19,320

862
00:48:19,320 --> 00:48:21,390
Jadi, pada dasarnya asing
fungsi antarmuka.

863
00:48:21,390 --> 00:48:24,420
Jika Anda ingin menulis C
fungsi untuk digunakan dengan R,

864
00:48:24,420 --> 00:48:27,250
itu harus mengambil semua
argumen sebagai pointer.

865
00:48:27,250 --> 00:48:30,666
>> Jadi untuk nilai-nilai tunggal, ini
berarti itu menunjuk ke nilai.

866
00:48:30,666 --> 00:48:33,040
Untuk array, ini adalah pointer
ke elemen pertama, yang

867
00:48:33,040 --> 00:48:36,750
adalah apa nama array yang benar-benar berarti.

868
00:48:36,750 --> 00:48:40,140
Sekali lagi, ini adalah sesuatu yang Anda harus memiliki
cukup benar-benar turun setelah p ditetapkan lima.

869
00:48:40,140 --> 00:48:43,334
Nama Array hanya pointer
ke elemen pertama,

870
00:48:43,334 --> 00:48:44,750
Jenis floating-point adalah ganda.

871
00:48:44,750 --> 00:48:47,310
Dan fungsi Anda harus kembali batal.

872
00:48:47,310 --> 00:48:50,810
Satu-satunya cara yang bisa
benar-benar tahu apa yang terjadi R

873
00:48:50,810 --> 00:48:54,410
adalah dengan memodifikasi memori yang R memberi
untuk itu melalui fungsi asing

874
00:48:54,410 --> 00:48:54,910
antarmuka.

875
00:48:54,910 --> 00:48:58,180

876
00:48:58,180 --> 00:49:00,127
>> Jadi saya telah menulis ini
contoh di sini, ini adalah

877
00:49:00,127 --> 00:49:02,460
fungsi yang menghitung penggunaan
dot produk dari dua vektor.

878
00:49:02,460 --> 00:49:05,060
Dibutuhkan dua argumen, vec1, vec2,
yang merupakan vektor sendiri,

879
00:49:05,060 --> 00:49:06,934
dan kemudian n, yang merupakan
panjang, karena sekali lagi,

880
00:49:06,934 --> 00:49:12,630
R telah dibangun di [tidak terdengar] untuk mengetahui
panjang vektor, tetapi C tidak.

881
00:49:12,630 --> 00:49:16,182
Dalam C, vektor adalah sewenang-wenang
sepotong dipisahkan dari memori.

882
00:49:16,182 --> 00:49:17,890
Jadi cara yang Anda bisa
menghitung dot produk

883
00:49:17,890 --> 00:49:23,470
hanya mengatur ini keluar parameter
ke nol dan kemudian iterate melalui

884
00:49:23,470 --> 00:49:28,760
dari 1 untuk membintangi n, karena
n adalah pointer ke panjang,

885
00:49:28,760 --> 00:49:32,929
hanya menambahkan sesuatu untuk
parameter ini.

886
00:49:32,929 --> 00:49:34,970
Dan itu bisa menjadi latihan yang bagus
jika Anda akan melakukan

887
00:49:34,970 --> 00:49:37,270
ini untuk menulis dua fungsi C terpisah.

888
00:49:37,270 --> 00:49:41,970
Salah satunya has-- salah satu dari mereka hanya
mengambil argumen dan jenis

889
00:49:41,970 --> 00:49:43,970
bahwa mereka biasanya akan berada di C.

890
00:49:43,970 --> 00:49:47,780
>> Jadi Dibutuhkan array
argumen sebagai pointer.

891
00:49:47,780 --> 00:49:57,090
Tapi satu-nilai argumen seperti n,
itu hanya membutuhkan sebagai nilai-nilai oleh copy,

892
00:49:57,090 --> 00:49:57,917
tanpa petunjuk.

893
00:49:57,917 --> 00:49:59,750
Dan kemudian tidak
[Tidak terdengar] keluar pointer.

894
00:49:59,750 --> 00:50:01,290
Dan kemudian Anda dapat memiliki
berbeda, pada dasarnya,

895
00:50:01,290 --> 00:50:03,623
fungsi pembungkus yang pada dasarnya
menangani persyaratan

896
00:50:03,623 --> 00:50:07,740
dari fungsi asing
antarmuka untuk Anda.

897
00:50:07,740 --> 00:50:11,840
>> Cara Anda menyebutnya dalam R adalah, sekali
Anda memiliki fungsi Anda ditulis dalam C,

898
00:50:11,840 --> 00:50:17,770
Anda mengetik R cmd shlib, R
perintah shared library,

899
00:50:17,770 --> 00:50:20,110
foo dot c, atau apa pun
nama file Anda,

900
00:50:20,110 --> 00:50:23,020
dan OS shell tidak di terminal R.

901
00:50:23,020 --> 00:50:25,200
Dan ini akan membuat
perpustakaan disebut foo dot begitu.

902
00:50:25,200 --> 00:50:28,180
Dan kemudian Anda dapat memuat dalam
script kami atau interaktif

903
00:50:28,180 --> 00:50:32,310
dengan perintah dyn dot beban.

904
00:50:32,310 --> 00:50:35,720
Lalu ada fungsi
di R disebut dot c.

905
00:50:35,720 --> 00:50:39,310
>> Ini membutuhkan argumen yang
pertama nama fungsi di C

906
00:50:39,310 --> 00:50:40,970
yang Anda ingin menyebutnya.

907
00:50:40,970 --> 00:50:43,920
Dan kemudian semua parameter
untuk fungsi itu,

908
00:50:43,920 --> 00:50:45,420
mereka harus berada dalam urutan yang tepat.

909
00:50:45,420 --> 00:50:48,580
Anda harus menggunakan jenis ini
fungsi pemaksaan sebagai integer, seperti

910
00:50:48,580 --> 00:50:52,050
ganda, sebagai karakter, dan sebagai logis.

911
00:50:52,050 --> 00:50:54,710
Dan kemudian ketika mengembalikan
daftar, yang lagi-lagi hanya

912
00:50:54,710 --> 00:50:57,550
array terkait dari
nama parameter dan nilai-nilai

913
00:50:57,550 --> 00:51:00,950
setelah fungsi telah menjalankan.

914
00:51:00,950 --> 00:51:08,520
>> Jadi dalam hal ini, karena dot prod memiliki
argumen vec1, vec2, dan int n, n keluar.

915
00:51:08,520 --> 00:51:11,980
Untuk dot c kita memiliki dot prod,
nama fungsi

916
00:51:11,980 --> 00:51:16,250
kita panggil, vec1, vec2, jenis memaksa.

917
00:51:16,250 --> 00:51:20,060
Panjang baik vektor,
Aku hanya memilih vec1 sewenang-wenang.

918
00:51:20,060 --> 00:51:25,479
Ini akan menjadi lebih kuat untuk mengatakan s
panjang min integer vec1, panjang vec2.

919
00:51:25,479 --> 00:51:27,520
Kemudian hanya sebagai nol ganda,
karena kita tidak benar-benar

920
00:51:27,520 --> 00:51:29,644
peduli apa yang masuk ke
keluar parameter karena kita

921
00:51:29,644 --> 00:51:32,270
pengaturan ke nol pula.

922
00:51:32,270 --> 00:51:37,560
>> Dan kemudian hasilnya akan menjadi
Array terkait besar pada dasarnya

923
00:51:37,560 --> 00:51:42,090
vec1 adalah apa pun, vec2 adalah apa pun.

924
00:51:42,090 --> 00:51:44,330
Tapi kami tertarik
keluar, sehingga kita bisa mendapatkan yang keluar.

925
00:51:44,330 --> 00:51:47,780
Ini lagi, mainan contoh yang sangat
antarmuka fungsi asing.

926
00:51:47,780 --> 00:51:54,160
Tapi jika Anda harus menghitung dot
produk dari vektor besar-besaran di loop,

927
00:51:54,160 --> 00:51:56,960
atau jika Anda harus melakukan
sesuatu yang lain dalam satu lingkaran,

928
00:51:56,960 --> 00:51:59,850
dan Anda tidak ingin bergantung pada R,
yang memang memiliki sedikit overhead

929
00:51:59,850 --> 00:52:02,830
dibangun ke dalamnya, ini dapat berguna.

930
00:52:02,830 --> 00:52:05,870
>> Sekali lagi, ini bukan biasanya
topik pengantar ke R.

931
00:52:05,870 --> 00:52:08,571
Ini tidak didokumentasikan dengan baik.

932
00:52:08,571 --> 00:52:11,070
Aku hanya termasuk karena
Saya menemukan itu berguna di masa lalu.

933
00:52:11,070 --> 00:52:13,654
Praktik Jadi, buruk.

934
00:52:13,654 --> 00:52:15,820
Saya menyebutkan bahwa ada
untuk loop dalam fungsi.

935
00:52:15,820 --> 00:52:21,150
Umumnya Anda tidak harus, di
bahasa, tidak menggunakannya.

936
00:52:21,150 --> 00:52:26,100
Berdasarkan bagaimana R menerapkan iterasi
internal, bisa lambat.

937
00:52:26,100 --> 00:52:28,540
Mereka hanya juga terlihat jelek.

938
00:52:28,540 --> 00:52:32,410
>> R menangani vektor sangat baik, sehingga
seringkali Anda tidak perlu menggunakannya.

939
00:52:32,410 --> 00:52:35,050

940
00:52:35,050 --> 00:52:38,900
Maka Anda biasanya dapat
mengganti vektor sering

941
00:52:38,900 --> 00:52:42,490
dengan fungsi-fungsi ini disebut tinggi
fungsi rangka, Peta, Reduce,

942
00:52:42,490 --> 00:52:44,404
Cari, atau Filter.

943
00:52:44,404 --> 00:52:46,320
Saya hanya akan memberikan beberapa
contoh dari apa ini lakukan.

944
00:52:46,320 --> 00:52:49,957
Peta adalah fungsi yang lebih tinggi karena
dibutuhkan fungsi sebagai argumen.

945
00:52:49,957 --> 00:52:52,290
Jadi Anda dapat memberikan fungsi,
Anda dapat memberikan sebuah array,

946
00:52:52,290 --> 00:52:54,640
dan itu akan berlaku fungsi
untuk setiap elemen array

947
00:52:54,640 --> 00:52:55,681
dan mengembalikan array baru.

948
00:52:55,681 --> 00:52:58,035

949
00:52:58,035 --> 00:53:00,160
Mengurangi, pada dasarnya Anda memberikan
itu sebuah array, Anda memberikan

950
00:53:00,160 --> 00:53:02,930
fungsi yang mengambil dua argumen.

951
00:53:02,930 --> 00:53:07,100
Ini akan menerapkan fungsi pertama,
Argumen pertama dengan beberapa nilai starter.

952
00:53:07,100 --> 00:53:09,440
Kemudian untuk yang menghasilkan kedua.

953
00:53:09,440 --> 00:53:12,590
Kemudian untuk hasil yang di ketiga,
kemudian hasilnya di keempat.

954
00:53:12,590 --> 00:53:14,870
Dan kemudian kembali ketika sampai ke akhir.

955
00:53:14,870 --> 00:53:17,620
Jadi misalnya, jika Anda ingin
menghitung jumlah dari semua elemen

956
00:53:17,620 --> 00:53:23,240
dalam array, daripada yang mungkin Anda sebut mengurangi
dengan [tak terdengar] mengurangi tambahan

957
00:53:23,240 --> 00:53:26,620
fungsi, seperti func
a, b, kembali plus b.

958
00:53:26,620 --> 00:53:28,960
Dan kemudian mulai nilai 0.

959
00:53:28,960 --> 00:53:32,950
>> Dan semua ini, Anda dapat menemukan mereka
dijelaskan dalam dokumentasi R,

960
00:53:32,950 --> 00:53:35,720
dalam buku teks pada
pemrograman fungsional.

961
00:53:35,720 --> 00:53:38,330
Ada juga kelas ini
fungsi disebut menerapkan fungsi,

962
00:53:38,330 --> 00:53:42,807
yang saya don't-- mereka
agak sulit untuk menjelaskan,

963
00:53:42,807 --> 00:53:45,640
tetapi jika Anda melihat di [tidak terdengar]
memesan yang saya dikutip di awal,

964
00:53:45,640 --> 00:53:48,615
ia menjelaskan mereka cukup baik di
Lampiran nya pada pemrograman R.

965
00:53:48,615 --> 00:53:51,599

966
00:53:51,599 --> 00:53:53,390
Lebih lanjut tentang praktik,
menambahkan ke vektor.

967
00:53:53,390 --> 00:53:57,570

968
00:53:57,570 --> 00:53:58,070
Ya?

969
00:53:58,070 --> 00:54:01,651

970
00:54:01,651 --> 00:54:02,900
Saya pikir saya harus memperbaiki itu.

971
00:54:02,900 --> 00:54:07,450
Dalam baris pertama, panah vec,
panah yang seharusnya tidak ada.

972
00:54:07,450 --> 00:54:10,920
Anda dapat menetapkan untuk vektor,
lagi, oleh mengambil panjangnya ditambah 1

973
00:54:10,920 --> 00:54:13,220
dan menugaskan beberapa nilai untuk itu.

974
00:54:13,220 --> 00:54:18,970
Yang akan memperpanjang vektor, atau Anda
dapat melakukan equals vec c, newValue vec.

975
00:54:18,970 --> 00:54:21,540
Sekali lagi, jika Anda menggunakan C dengan
satu argumen sebagai vektor,

976
00:54:21,540 --> 00:54:23,300
hirarki yang dihasilkan akan diratakan.

977
00:54:23,300 --> 00:54:27,160
Jadi Anda hanya akan mendapatkan vektor
yang diperpanjang oleh 1.

978
00:54:27,160 --> 00:54:30,410
Tidak pernah melakukan hal ini.

979
00:54:30,410 --> 00:54:33,330
>> Alasan mengapa Anda
tidak harus melakukan ini adalah ini.

980
00:54:33,330 --> 00:54:37,430
Ketika Anda mengalokasikan vektor, itu
memberikan sepotong tertentu memori.

981
00:54:37,430 --> 00:54:40,680
Jika Anda meningkatkan ukuran bahwa vektor,
itu harus mengalokasikan vektor

982
00:54:40,680 --> 00:54:43,820
di tempat lain.

983
00:54:43,820 --> 00:54:46,980
Dan realokasi cukup mahal.

984
00:54:46,980 --> 00:54:50,530
Saya tidak akan masuk ke rincian tentang bagaimana
penyalur memori diimplementasikan

985
00:54:50,530 --> 00:54:57,280
pada tingkat sistem operasi,
namun butuh banyak waktu

986
00:54:57,280 --> 00:54:58,962
untuk menemukan sepotong baru memori.

987
00:54:58,962 --> 00:55:00,920
Dan juga, jika Anda
re-mengalokasikan banyak dan banyak

988
00:55:00,920 --> 00:55:03,500
progresif yang lebih besar
potongan, Anda berakhir

989
00:55:03,500 --> 00:55:06,420
dengan sesuatu yang disebut
fragmentasi memori,

990
00:55:06,420 --> 00:55:09,390
di mana memori yang tersedia adalah
dibagi menjadi banyak sedikit blok

991
00:55:09,390 --> 00:55:11,500
di penyalur memori sudut pandang.

992
00:55:11,500 --> 00:55:15,340
Dan itu semakin sulit dan sulit
untuk menemukan memori untuk hal-hal lain.

993
00:55:15,340 --> 00:55:19,455
Jadi sebagai gantinya, jika Anda perlu untuk melakukan hal ini, jika
Anda perlu untuk tumbuh vektor dari satu ujung

994
00:55:19,455 --> 00:55:24,240
ke depan, bukannya menambahkan untuk itu
terus-menerus, Anda harus pra-mengalokasikan itu.

995
00:55:24,240 --> 00:55:29,310
Panah vec, panjang vektor
sama dengan 1.000, atau apa pun.

996
00:55:29,310 --> 00:55:33,200
>> Dan kemudian Anda hanya dapat menetapkan
dengan vektor nilai satu

997
00:55:33,200 --> 00:55:36,000
waktu setelah Anda dialokasikan sekali.

998
00:55:36,000 --> 00:55:40,140
Aku berlari ke dalam, lagi, pekerjaan musim panas saya
ketika saya sedang menulis NRA diferensial

999
00:55:40,140 --> 00:55:42,120
persamaan solver.

1000
00:55:42,120 --> 00:55:43,180
Tidak simbolik numerik.

1001
00:55:43,180 --> 00:55:49,290
Idenya adalah bahwa setelah Anda memiliki
satu nilai untuk solusi Anda,

1002
00:55:49,290 --> 00:55:51,240
Anda menggunakannya untuk menghitung yang berikutnya.

1003
00:55:51,240 --> 00:55:53,700
Jadi saya alami naif
Kecenderungan adalah untuk mengatakan OK,

1004
00:55:53,700 --> 00:55:56,930
jadi saya akan mulai dengan vektor
itu nilai yang besar.

1005
00:55:56,930 --> 00:56:01,260
Menghitung dari yang nilai berikutnya
yang masuk ke vektor solusi saya,

1006
00:56:01,260 --> 00:56:02,630
dan menambahkan itu.

1007
00:56:02,630 --> 00:56:05,290
>> Buat sesuatu yang lain, tambahkan itu.

1008
00:56:05,290 --> 00:56:08,120
Itu berjalan sangat, sangat lambat.

1009
00:56:08,120 --> 00:56:11,540
Dan setelah saya menyadari ini
dan saya mengubah sistem saya

1010
00:56:11,540 --> 00:56:16,020
dari menambahkan ke vektor ini
seperti 10.000 sampai 100.000 kali,

1011
00:56:16,020 --> 00:56:18,910
hanya pra-mengalokasikan vektor
dan hanya berjalan dengan itu.

1012
00:56:18,910 --> 00:56:22,100
Aku punya lebih dari 1.000 kali lipat kecepatan up.

1013
00:56:22,100 --> 00:56:26,280
Jadi ini adalah sangat umum
perangkap untuk pemrograman R.

1014
00:56:26,280 --> 00:56:31,560
Jika Anda perlu untuk membangun sebuah vektor
sepotong demi sepotong, pra-mengalokasikan itu.

1015
00:56:31,560 --> 00:56:35,360

1016
00:56:35,360 --> 00:56:40,240
>> Perjalanan umum lainnya up-- ini terakhir saya
slide, tidak worry-- adalah penanganan error.

1017
00:56:40,240 --> 00:56:42,890
R, jujur, tidak
benar-benar melakukan hal ini dengan sangat baik.

1018
00:56:42,890 --> 00:56:45,010
Ada banyak
masalah yang bisa muncul.

1019
00:56:45,010 --> 00:56:48,360
Misalnya, jika Anda mendapatkan sebuah array
atau vektor dari fungsi

1020
00:56:48,360 --> 00:56:52,377
Anda mengharapkan satu
Nilai datang dari, atau sebaliknya,

1021
00:56:52,377 --> 00:56:55,460
dan Anda lulus yang menjadi fungsi yang
Anda menulis mengharapkan nilai tunggal,

1022
00:56:55,460 --> 00:56:57,270
yang dapat menjadi masalah.

1023
00:56:57,270 --> 00:57:01,440
>> Fungsi tertentu
kembali null seperti halnya, katakanlah,

1024
00:57:01,440 --> 00:57:05,560
membaca dari
kunci tidak ada dalam daftar.

1025
00:57:05,560 --> 00:57:08,527
Tapi nol tidak seperti C
di mana jika Anda mencoba untuk membaca

1026
00:57:08,527 --> 00:57:11,360
dari pointer tua, [tidak terdengar]
null pointer, itu hanya kesalahan seg

1027
00:57:11,360 --> 00:57:14,109
dan jika Anda berada di debugger Anda itu
memberitahu Anda tepat di mana Anda berada.

1028
00:57:14,109 --> 00:57:17,080

1029
00:57:17,080 --> 00:57:20,772
Sebaliknya, null akan do-- fungsi
akan melakukan hal-hal tak terduga

1030
00:57:20,772 --> 00:57:21,730
jika mereka menyerahkan null.

1031
00:57:21,730 --> 00:57:24,575
Seperti jika Anda menyerahkan max null,
itu akan memberi Anda tak terhingga negatif.

1032
00:57:24,575 --> 00:57:27,230

1033
00:57:27,230 --> 00:57:28,190
Dan sebagainya, ya.

1034
00:57:28,190 --> 00:57:30,880

1035
00:57:30,880 --> 00:57:32,630
Dan jadi ini terjadi
saya sekali ketika aku

1036
00:57:32,630 --> 00:57:34,771
berubah sekelompok bidang
dalam struktur daftar

1037
00:57:34,771 --> 00:57:37,520
sekali tanpa mengubah mereka di tempat lain
ketika saya membaca dari mereka.

1038
00:57:37,520 --> 00:57:40,670
Dan kemudian saya mendapat segala macam acak
Hasil infinity tanam

1039
00:57:40,670 --> 00:57:43,080
dan saya tidak tahu dari mana mereka berasal.

1040
00:57:43,080 --> 00:57:45,310
Dan sayangnya, ada
ada R modus ketat nyata

1041
00:57:45,310 --> 00:57:48,940
di mana Anda dapat mengatakan jika sesuatu
terlihat seperti itu mungkin kesalahan,

1042
00:57:48,940 --> 00:57:51,960
hanya berhenti di sana sehingga saya bisa
disiplin dan memperbaikinya.

1043
00:57:51,960 --> 00:57:55,282

1044
00:57:55,282 --> 00:57:57,240
Namun, ada sesuatu
disebut berhenti jika tidak.

1045
00:57:57,240 --> 00:58:00,480
Hal ini setara dengan menegaskan C,
jika Anda sudah bicara tentang itu.

1046
00:58:00,480 --> 00:58:02,690
Saya tidak berpikir C menegaskan
adalah topik kuliah,

1047
00:58:02,690 --> 00:58:06,370
tetapi pemimpin bagian Anda
mungkin sudah lebih dari itu.

1048
00:58:06,370 --> 00:58:10,393
Dan berhenti jika tidak pada dasarnya mengambil setiap
predikat, sehingga pernyataan apapun yang

1049
00:58:10,393 --> 00:58:11,824
bisa benar atau salah.

1050
00:58:11,824 --> 00:58:13,490
Dan jika itu palsu, berhenti programnya.

1051
00:58:13,490 --> 00:58:18,260
Ini memberitahu Anda apa yang Anda garis
berada di dan apa kondisi gagal.

1052
00:58:18,260 --> 00:58:21,910
>> Dan ini sangat berguna, misalnya,
memeriksa kewarasan, masukan fungsi.

1053
00:58:21,910 --> 00:58:25,110
Jadi jika Anda memiliki fungsi
dan Anda harapkan, katakanlah,

1054
00:58:25,110 --> 00:58:29,640
jika Anda harus memberikan tanggal, saya ingin
tanggal hanya vektor dengan panjang 1

1055
00:58:29,640 --> 00:58:31,735
dan di suatu tempat antara 1 dan 31.

1056
00:58:31,735 --> 00:58:34,420

1057
00:58:34,420 --> 00:58:36,170
Dan jika tidak, saya tahu
sesuatu yang tidak beres.

1058
00:58:36,170 --> 00:58:40,280
Dan aku memilih untuk berhenti di situ sebelum ini
memiliki ketukan acak pada efek dengan kode

1059
00:58:40,280 --> 00:58:44,190
yang lebih sulit untuk melacak melalui.

1060
00:58:44,190 --> 00:58:47,170
Jadi itu salah satu kemungkinan
gunakan untuk berhenti jika tidak.

1061
00:58:47,170 --> 00:58:48,660
>> Bagaimanapun, OK.

1062
00:58:48,660 --> 00:58:49,690
Jadi itulah akhirnya.

1063
00:58:49,690 --> 00:58:51,290
Terima kasih banyak untuk datang.

1064
00:58:51,290 --> 00:58:53,710
Saya seorang amatir peringkat ini.

1065
00:58:53,710 --> 00:58:57,270
Jadi maaf jika Anda bosan atau
bingung atau apa pun.

1066
00:58:57,270 --> 00:59:01,670
Saya senang untuk mengambil pertanyaan melalui email
di connorharris@college.harvard.edu.

1067
00:59:01,670 --> 00:59:07,230
Ini berlaku juga untuk semua orang
menonton hidup ini atau nanti.

1068
00:59:07,230 --> 00:59:10,190
Juga, meskipun aku tidak
TF yang, saya juga sangat

1069
00:59:10,190 --> 00:59:13,900
bersedia untuk melayani sebagai tidak resmi
penasihat untuk siapa saja yang

1070
00:59:13,900 --> 00:59:15,460
menggunakan R dalam proyek akhir.

1071
00:59:15,460 --> 00:59:19,900
>> Jika Anda ingin itu,
kemudian hanya berbicara dengan TF Anda

1072
00:59:19,900 --> 00:59:23,750
dan kemudian menulis saya email sehingga
Aku tahu apa yang sedang Anda kerjakan

1073
00:59:23,750 --> 00:59:26,680
dan jadi saya dapat mengatur pertemuan
kali dengan Anda jika Anda ingin.

1074
00:59:26,680 --> 00:59:27,990
Jadi sekali lagi, terima kasih banyak.

1075
00:59:27,990 --> 00:59:28,960
Saya harap Anda menikmatinya.

1076
00:59:28,960 --> 00:59:29,450
>> AUDIENCE: [tidak terdengar].

1077
00:59:29,450 --> 00:59:30,617
>> CONNER HARRIS: Tentu saja.

1078
00:59:30,617 --> 00:59:34,910
>> AUDIENCE: Apa jenis proyek
akan seorang mahasiswa CS menggunakan R untuk?

1079
00:59:34,910 --> 00:59:37,427

1080
00:59:37,427 --> 00:59:40,510
CONNER HARRIS: Jadi jika Anda tidak
sesuatu yang murni di data mining,

1081
00:59:40,510 --> 00:59:43,790
misalnya, dan ada
banyak hal

1082
00:59:43,790 --> 00:59:46,692
Anda bisa melakukan dengan itu dengan data
pertambangan dan mesin belajar.

1083
00:59:46,692 --> 00:59:48,900
Anda mungkin ingin menggunakan R untuk
komponen dari sesuatu.

1084
00:59:48,900 --> 00:59:52,022
Aku dibesarkan, awalnya, misalnya
dari jika Anda sedang menulis sebuah website

1085
00:59:52,022 --> 00:59:54,730
dan Anda ingin menjalankan otomatis
analisis statistik server Anda

1086
00:59:54,730 --> 00:59:57,990
log pada waktu tertentu setiap hari,
yang mungkin sesuatu yang

1087
00:59:57,990 --> 01:00:01,260
sangat mudah dilakukan hanya dalam singkat
R script yang Anda dapat menjadwalkan

1088
01:00:01,260 --> 01:00:04,200
untuk menjalankan setiap malam, misalnya.

1089
01:00:04,200 --> 01:00:06,550
>> Dan aku yakin, jika
ada alasan apapun Anda akan

1090
01:00:06,550 --> 01:00:11,520
ingin statistik atau kemampuan grafik
dan memiliki run ini secara otomatis bukan

1091
01:00:11,520 --> 01:00:13,790
karena harus berinteraksi
dengan hal-hal di Excel,

1092
01:00:13,790 --> 01:00:16,750
misalnya, itu sesuatu
Anda mungkin ingin menggunakan R untuk.

1093
01:00:16,750 --> 01:00:21,190
Jadi pertanyaan lagi sebelum saya pergi?

1094
01:00:21,190 --> 01:00:21,690
Tidak?

1095
01:00:21,690 --> 01:00:24,960
Baiklah, baik, lagi, terima
Anda sangat banyak untuk datang.

1096
01:00:24,960 --> 01:00:29,417