判别算法在R语言中实现主要涉及4个软件包中的相关函数，它们依次为MASS、klaR、class和kknn。其中MASS包含有大量实用而先进的统计计数函数及适用数据集；klaR与class都主要用于分类技术，其中klaR还含有若干用于可视化技术的函数；而kknn中则是基于有权重K最邻近原理的分类、回归及聚类技术的相关函数。

接下来将对上述5中算法的5个核心函数进行详细介绍。

lda()函数

R语言提供了计算典型分布的分布函数、分布律或概率密度函数，以及分布函数的反函数的各种函数。

例如、考虑正态分布，设μ是均值，σ^2是方差，对于任意的变量x，其分布函数为：

pnorm(x,μ ,σ )

对应的概率密度函数为：

dnorm(x,μ ,σ )

计算标准正态分布上α/2(α =0.05)分位点，其计算公式为：

qnorm(1-0.025,0,1) = 1.959964

产生100个标准正态分布的随机数：

今天的内容很无聊，无聊到我开始前去睡了一会儿，看到一半的时候忍不住又趴了一会儿，估计写完还得躺下

先集中放一下今天撩到的全体成员，虽然在R中还有很多很多其他的检验函数，但是以有限的脑力去应对无限的知识本身是一种作死行为，所以，就放几个一般能用到的好了

var.test F检验

t.test t检验

cor.test Pearson相关系数、Spearman秩相关系数、Kendall相关系数

wilcox.test 秩和检验

sqrt ： 开平方函数

abs ： 绝对值函数

exp ： 2.71828…

expm1 ： 当x的绝对值比1小很多的时候，它将能更加正确的计算exp(x)-1

log ： 对数函数

log10 ： 对数（底为10）函数

log2 ： 对数（底为2）函数

sin ： 正弦函数

cos ： 余弦函数

tan ： 正切函数

asin ： 反正弦函数

摘要：首先介绍下在本文出现的几个比较重要的概念： 函数计算（Function Compute）: 函数计算是一个事件驱动的服务，通过函数计算，用户无需管理服务器等运行情况，只需编写代码并上传。函数计算准备计算资源，并以弹性伸缩的方式运行用户代码，而用户只需根据实际代码运行所消耗的资源进行付费。

前言

首先介绍下在本文出现的几个比较重要的概念：

函数计算（Function Compute）: 函数计算是一个事件驱动的服务，通过函数计算，用户无需管理服务器等运行情况，只需编写代码并上传。函数计算准备计算资源，并以弹性伸缩的方式运行用户代码，而用户只需根据实际代码运行所消耗的资源进行付费。函数计算更多信息参考。

Ｒ语言表达式常用的符号

• '～'：分割符号，左边是响应变量，右边是解释变量．例如，要通过ｘ、z和w预测y，代码为y~x+z+w；

• '+'：分割预测变量；

• ':'：表示预测变量的交互项，例如、要通过x、z及x与z的交互项预测y，代码为y~x+z+x:z；

• '*'：表示所有可能交互项的简洁方式。代码为y~x*z*w可展开为y~x+z+w+x:z+x:w+z:w+x:z:w；

R语言是一个表达式语句，其任何一个语句都可以看成是一个表达式，表达式之间以分号分隔或换行分隔，表达式可以续行，只要前一行不是完整表达式（比如末尾是加减乘除等运算符，或有未配对的括号）则下一行为上一行的继续。

若干个表达式可以放在一起组成一个复合表达式，作为一个表达式使用，组合用花括号“{ }”表示。R语言也提供了其他高级程序语言共有的分支、循环等程序控制结构。

分支语句

分支语句有if / else 语句、switch语句。

在介绍多元回归方程之前，先简单地介绍R语言中与线性模型相关的函数，这些函数之前也使用过，在后面的多元线性回归中，也经常遇到。

基本函数

适用于多元线性模型的基本函数是lm()，其调用形式是

fitted.model <- lm(formula,data=data.frame)

其中formula为模型公式，data.frame为数据框，返回值为线性模型结果的对象，存放在fitted.model。例如：

fm2 <- lm(y~x1+x2,data=production)