[情報] 統計計算語言 作業一

[micropath (micropath)]

   恭喜開版成功, 為慶祝順利開版, 第一次作業的繳交時間延長3天.
   改為7月18日中午12:00以前繳交完成.

Homework#1:

Due: July 18, 2010 (Thursday) 12:00以前 (逾時三日內可補交,但會扣分;逾時超過
三日將不再接受繳交)
Note: 於截止時間前將寫好之程式(H1P1代表第一次作業第一題,依述類推) 以及程式使
用說明的文字檔，以電子檔傳至闕棟鴻信箱[e-mail]， E-mail標題為
統計計算語言作業一(u9126802闕棟鴻)，也要求讀取回條，以確定老師有收到信件。

1). 試利用R語言，撰寫一個程式，在給予一個資料庫檔案以及一個目標檔案後，
可以將在資料庫檔案中有在目標檔案出現過的變數篩選出來，並將該列的數據輸出，
對於在資料庫檔案中有重覆出現的變數，請再使用一個參數p，讓p=All，
代表將有在資料庫檔案中重覆的變數直接顯現，p=Mean，代表以平均數來代表重覆的
變數，p=Median，代表以中位數來代表重覆的變數，並計算該程式執行所需之時間。
請參考下列例子。(40%)
[Hint: Possible used function: is.element,  data.matrix, read.table]
（資料庫檔案）
        Exp1    Exp2
Gene1   1       3
Gene3   3       6
Gene5   8       8
Gene3   4       2
Gene8   2       1
Gene3   2       1
Gene4   7       5
（目標檔案）
Gene1
Gene3
Gene4
P=All則輸出
        Exp1    Exp2
Gene1   1       3
Gene3   3       6
Gene3   4       2
Gene3   2       1
Gene4   7       5
P=Mean則輸出
        Exp1    Exp2
Gene1   1       3
Gene3   3       3
Gene4   7       5
P=Median則輸出
        Exp1    Exp2
Gene1   1       3
Gene3   3       2
Gene4   7       5

2)　在Machine Learning中，我們常會遇到的資料型態是一群Attributes(在統計常稱
為independent variables)，以及一個有興趣分類的class level(在統計中常稱為
dependent variable)，如在iris的資料中，Species即為class level而Sepal.Length,
Sepal.Width, Petal.Length及Petal.Width即為attributes。試撰寫一程式，在給予此
類型的資料時(最後一行變數為class level，其它行的變數皆為attributes)，我們可
以畫出一個２×２的圖表，其每個細圖包含了Scatter plot(different color
with different class levels), Boxplot, plot density,
histogram(display the number experiments for different class levels)。
同時讓不同的class levels在圖型中用不同的顏色表示。(20%)

[Hint: Possible used function: Par(mfrow=c(m,n)), plot, boxplot, density, hist]

3)  給予一個上述的資料格式，試撰寫一個程式，同時利用RWeka裡的classification
方法，包含J48 classifiers (J48),  naive Bayesian classifiers (NB),
k-nearest neighbors classifiers (IBk), classifiers,  Support vector
clssifiers (SMO), Logistic regression classifiers (Logistic)等分類法去進行
分類，並輸出包含Accuracy, Precision, Recall and F-measure等資料。同時整理
成一個表格。分別以Training data set 以及Leave one out cross validation
的方法去分析。(40%)
[Hint: Possible used function: factor, J48, NB, IBk, SMO, Logistic,
Weka_control] (Package: RWeka)

Useful link:    http://cran.r-project.org/web/packages/RWeka/RWeka.pdf
                http://www-users.cs.umn.edu/~kumar/dmbook/index.php#item4

(注意:作業請務必繳交,否則將以0分計算,如無法順利完成，可先針對固定資料進行
分析。例如在題目一中的資料庫檔案(excel中5000筆資料)或是上述例子(7筆資料)
分析，以及在題目二及題目三可以只針對iris的資料進行分析。) 

ps.對了,最後祝大家暑假修課愉快喔~~~

--

--
※ 發信站: 批踢踢實業坊(ptt.cc)
◆ From: 140.113.114.208
※ 編輯: micropath       來自: 140.113.114.208      (07/09 11:36)
推 ww770829:這是老師嗎QQ