Category: လမ်းညွှန်

ကျွန်ုပ်တွင် data.csv ဟုခေါ်သော CSV ဖိုင်ကို အောက်ပါတည်နေရာတွင် သိမ်းဆည်းထားသည်ဟု ဆိုကြပါစို့။ C:\Users\Bob\Desktop\data.csv CSV ဖိုင်တွင် အောက်ပါဒေတာများ ပါဝင်သည်ဟု ယူဆပါ။ team, points, assists 'A', 78, 12 'B', 85, 20 'C', 93, 23 'D', 90, 8 'E', 91, 14 ဤ CSV ဖိုင်ကို R သို့ တင်သွင်းရန် ဘုံနည်းလမ်းသုံးမျိုးရှိပါသည်။ 1. အခြေခံ...

R တွင် အောက်ပါ data frame ရှိသည်ဆိုပါစို့။ #create data frame df <- data.frame(team=c('A', 'B', 'C', 'D', 'E'), points=c(78, 85, 93, 90, 91), assists=c(12, 20, 23, 8, 14)) #view data frame df team points assists 1 A 78 12 2 B 85 20...

Logistic regression သည် response variable binary ဖြစ်သောအခါ regression model နှင့် ကိုက်ညီရန် ကျွန်ုပ်တို့သုံးနိုင်သော method တစ်ခုဖြစ်သည်။ Logistic regression သည် အောက်ပါပုံစံ၏ ညီမျှခြင်းတစ်ခုကို ရှာဖွေရန် အများဆုံးဖြစ်နိုင်ခြေ ခန့်မှန်းချက် ဟု လူသိများသော နည်းလမ်းကို အသုံးပြုသည်- log[p(X) / ( 1 -p(X))] = β 0 + β 1 X 1 + β...

Excel ဖိုင်ကို R သို့တင်သွင်းရန် အလွယ်ဆုံးနည်းလမ်းမှာ readxl ပက်ကေ့ခ်ျ မှ read_excel() လုပ်ဆောင်ချက်ကို အသုံးပြုခြင်းဖြစ်သည်။ ဤလုပ်ဆောင်ချက်သည် အောက်ပါ syntax ကိုအသုံးပြုသည်- read_excel(လမ်းကြောင်း၊ စာရွက် = NULL) ရွှေ- လမ်းကြောင်း- xls/xlsx ဖိုင်သို့ လမ်းကြောင်း sheet: ဖတ်ရန်စာရွက်။ ၎င်းသည် စာရွက်အမည် သို့မဟုတ် စာရွက်အနေအထား ဖြစ်နိုင်သည်။ ၎င်းကို မသတ်မှတ်ပါက ပထမစာရွက်ကို ဖတ်သည်။ ဤသင်ခန်းစာသည် Excel ဖိုင်ကို R သို့တင်သွင်းရန် ဤလုပ်ဆောင်ချက်ကိုအသုံးပြုခြင်း၏ဥပမာတစ်ခုပေးထားသည်။...

R ရှိ Excel ဖိုင်တစ်ခုသို့ ဒေတာဘောင်တစ်ခုကို တင်ပို့ရန် အလွယ်ကူဆုံးနည်းလမ်းမှာ write_xlsx() လုပ်ဆောင်ချက်ကို writexl ပက်ကေ့ခ်ျ မှ အသုံးပြုရန်ဖြစ်သည်။ ဤလုပ်ဆောင်ချက်သည် အောက်ပါ syntax ကိုအသုံးပြုသည်- write_xlsx(x၊ လမ်းကြောင်း) ရွှေ- x- ထုတ်ယူရန် ဒေတာဘလောက်၏ အမည် လမ်းကြောင်း- ရေးရန် ဖိုင်အမည် ဤသင်ခန်းစာသည် R ဖြင့် Excel ဖိုင်တစ်ခုသို့ ဒေတာဘောင်တစ်ခုသို့ ဒေတာဘောင်တစ်ခုသို့ တင်ပို့ရန် ဤလုပ်ဆောင်ချက်ကို အသုံးပြုခြင်း၏ ဥပမာကို ပေးသည်။ ဥပမာ- R...

Logistic regression သည် response variable binary ဖြစ်သောအခါ regression model တစ်ခုနှင့် ကိုက်ညီရန် ကျွန်ုပ်တို့အသုံးပြုသည့် ကိန်းဂဏန်းဆိုင်ရာ နည်းလမ်းတစ်ခုဖြစ်သည်။ ထောက်ပံ့ပို့ဆောင်ရေး ဆုတ်ယုတ်မှုပုံစံသည် ဒေတာအစုံနှင့် မည်မျှကိုက်ညီကြောင်း အကဲဖြတ်ရန်၊ အောက်ပါ မက်ထရစ်နှစ်ခုကို ကြည့်နိုင်သည်- အာရုံခံစားနိုင်မှု- ရလဒ်အမှန်တကယ်အပြုသဘောဆောင်သောအခါတွင် လေ့လာမှုတစ်ခုအတွက် အပြုသဘောဆောင်သောရလဒ်ကို မော်ဒယ်က ခန့်မှန်းပေးသည့်ဖြစ်နိုင်ခြေ။ တိကျမှု- ရလဒ်အမှန်တကယ် အနုတ်လက္ခဏာဖြစ်သောအခါ စောင့်ကြည့်မှုတစ်ခုအတွက် အနုတ်ရလဒ်ကို မော်ဒယ်က ခန့်မှန်းသည့် ဖြစ်နိုင်ခြေ။ ဤမက်ထရစ်နှစ်ခုကို မြင်သာစေရန် ရိုးရှင်းသောနည်းလမ်းမှာ ထောက်ပံ့ပို့ဆောင်ရေး ဆုတ်ယုတ်မှုပုံစံ၏...

အချိန်စီးရီးခွဲခြမ်းစိတ်ဖြာမှုတွင်၊ ရွေ့လျားပျမ်းမျှ သည် ယခင်ကာလများစွာ၏ ပျမ်းမျှတန်ဖိုးဖြစ်သည်။ အညွှန်းကိန်းရွေ့လျားမှုပျမ်းမျှ သည် မကြာသေးမီက လေ့လာတွေ့ရှိချက်များအပေါ် အလေးချိန်ပိုစေသည့် ရွေ့လျားပျမ်းမျှအမျိုးအစားတစ်ခုဖြစ်ပြီး၊ ဆိုလိုသည်မှာ ၎င်းသည် လတ်တလောခေတ်ရေစီးကြောင်းများကို ပိုမိုလျင်မြန်စွာဖမ်းယူနိုင်သည်ဟု ဆိုလိုသည်။ ဤသင်ခန်းစာသည် R တွင် အဆမတန်ရွေ့လျားမှုပျမ်းမျှအား တွက်ချက်နည်းကို ရှင်းပြထားသည်။ ဥပမာ- R တွင် အဆမတန် ရွေ့လျားပျမ်းမျှ R တွင် အောက်ပါ data frame ရှိသည်ဆိုပါစို့။ #create data frame df <- data.frame(period=1:10, sales=c(25, 20,...

ကျွန်ုပ်တို့တွင် ကြိုတင်ခန့်မှန်းကိန်းရှင်များအစုတစ်ခုရှိပြီး ကျွန်ုပ်တို့သည် တုံ့ပြန်မှုကိန်းရှင်ကို အတန်းနှစ်ခုအနက်တစ်ခုအဖြစ် အမျိုးအစားခွဲခြားလိုသောအခါ၊ ကျွန်ုပ်တို့သည် ယေဘုယျအားဖြင့် ပို့ဆောင်ရေးဆုတ်ယုတ်မှုကို အသုံးပြုပါသည်။ ဥပမာအားဖြင့်၊ အောက်ပါအခြေအနေတွင် ထောက်ပံ့ပို့ဆောင်ရေးဆုတ်ယုတ်မှုကို ကျွန်ုပ်တို့အသုံးပြုနိုင်သည်- ပေးထားသောဖောက်သည်သည် ချေးငွေတွင် ပုံသေဖြစ်မဖြစ်ကို ခန့်မှန်းရန် ခရက်ဒစ်ရမှတ် နှင့် ဘဏ်လက်ကျန်ကို အသုံးပြုလိုပါသည်။ (တုံ့ပြန်မှု variable = “ မူလ” သို့မဟုတ် “ ပုံသေမရှိ” ) သို့သော်လည်း၊ တုံ့ပြန်မှုကိန်းရှင်တစ်ခုတွင် ဖြစ်နိုင်သည့် အတန်းအစားနှစ်ခုထက်ပိုပါက၊ ယေဘုယျအားဖြင့် LDA ဟု ခေါ်သော linear discriminant...

တစ်ပြေးညီ ခွဲခြားမှု ခွဲခြမ်းစိတ်ဖြာခြင်း သည် သင့်တွင် ကြိုတင်ခန့်မှန်းကိန်းရှင်များ အစုတစ်ခုရှိ၍ တုံ့ပြန်မှုကိန်းရှင်ကို အတန်းနှစ်ခု သို့မဟုတ် ထို့ထက်ပိုသော အတန်းအစားများအဖြစ် ခွဲခြားလိုသောအခါတွင် သင်သုံးနိုင်သော နည်းလမ်းတစ်ခုဖြစ်သည်။ ဤသင်ခန်းစာသည် R တွင် linear discriminant analysis ပြုလုပ်ပုံအဆင့်ဆင့်ကို ဥပမာပေးထားပါသည်။ အဆင့် 1- လိုအပ်သောစာကြည့်တိုက်များကို တင်ပါ။ ပထမဦးစွာ၊ ဤဥပမာအတွက် လိုအပ်သော စာကြည့်တိုက်များကို တင်ပေးပါမည်။ library (MASS) library (ggplot2) အဆင့် 2: ဒေတာကို တင်ပါ။ ဤဥပမာအတွက်၊...

Rolling correlations များသည် လျှောပြတင်းပေါက်တစ်ခုပေါ်ရှိ အချိန်စီးရီးနှစ်ခုကြား ဆက်စပ်မှုများဖြစ်သည်။ ဤဆက်စပ်ဆက်နွယ်မှုအမျိုးအစား၏ အကျိုးကျေးဇူးများထဲမှတစ်ခုမှာ အချိန်နှင့်အမျှ အတွဲလိုက်နှစ်ခုကြား ဆက်စပ်မှုကို မြင်ယောင်နိုင်ခြင်းကြောင့်ဖြစ်သည်။ ဤကျူတိုရီရယ်တွင် R တွင် လှည့်ပတ်ဆက်စပ်မှုများကို တွက်ချက်နည်းကို ရှင်းပြထားသည်။ R တွင် rolling correlations တွက်နည်း 15 လတာကာလအတွင်း မတူညီသော ထုတ်ကုန်နှစ်ခု ( x နှင့် y ) အတွက် ရောင်းချသည့် ကုန်ပစ္စည်းစုစုပေါင်းအရေအတွက်ကို ပြသသည့် အောက်ပါဒေတာဘောင်တစ်ခုရှိသည်ဆိုပါစို့။ #create data data <-...