当前位置：首页>java>【福利帖】 R语言预测实战(电子书+代码+数据)(附下载方式)

【福利帖】 R语言预测实战(电子书+代码+数据)(附下载方式)

2026-01-31 19:12:49

1 资料介绍

『科研私家菜』为大家准备了关于『机器学习临床预测模型』的资料，请到文末获取领取方式

《R语言预测实战》共分为三部分。第一部分讲预测基础，主要涵盖预测概念理解、预测方法论、分析方法、特征技术、模型优化及评价，读者通过这部分内容的学习，可以掌握进行预测的基本步骤和方法思路。

第二部分讲预测算法，该部分包含了多元回归分析、复杂回归分析、时间序列及进阶算法，内容比较有难度，需要细心体会。

第三部分讲预测案例，包括短期日负荷曲线预测和股票价格预测两个实例，读者可以了解到实施预测时需要关注的技术细节。

2 资料内容

第一部分预测入门篇

第1章预测入门 2

1.1　什么是预测 3

1.1.1 预测的定义 3

1.1.2 预测的特点 4

1.1.3 预测的分类 4

1.1.4 预测的基本原则 5

1.2　大数据与预测 7

1.2.1 什么是大数据 7

1.2.2 大数据预测的优势 9

1.2.3 大数据预测的特征 9

1.2.4 大数据预测案例 12

1.3　预测利器之R语言 22

1.3.1 R语言简介 22

1.3.2 R语言预测初步 33

1.3.3 R语言预测常用包 42

3 示例代码

# 对基础数据进行转换
vdata = iris[, 1:4]
colnames(vdata) = c("x1", "x2", "x3", "y")
x = as.matrix(vdata[, 1:3])
y = as.matrix(vdata[, 4])
# 设置参数
tau = 0.35
n = dim(x)[1]
m = dim(x)[2]
# 设置是否需要截距
hasT=FALSE
# 整理用于单纯形法的输入参量
# 如果考虑截距，则m=m+1,x=cbind(1,x)
if(hasT)
{
m=m+1
x=cbind(1,x)
}
a = c(rep(0, 2 * m), rep(tau, n), rep(1 - tau, n))
A3 = cbind(x, -x, diag(n), -diag(n))
b3 = y
b0 = simplex(a, A3 = A3, b3 = b3)
xcoef = b0$soln[1:m] - b0$soln[(m + 1):(2 * m)]
# 求解的回归系数
xcoef
##      x1      x2      x3 
## -0.1854  0.1250  0.4808

# 对基础数据进行转换
vdata = iris[, 1:4]
colnames(vdata) = c("x1", "x2", "x3", "y")
x = as.matrix(vdata[, 1:3])
y = as.matrix(vdata[, 4])
# 设置参数
tau = 0.35
# ~后面直接加0，表示去掉截距
rq.obj = rq(y ~ 0 + x1 + x2 + x3, data = vdata, tau = tau, method = "br")
rq.obj
## Call:
## rq(formula = y ~ 0 + x1 + x2 + x3, tau = tau, data = vdata, method = "br")
## 
## Coefficients:
##      x1      x2      x3 
## -0.1854  0.1250  0.4808 
## 
## Degrees of freedom: 150 total; 147 residual

library(quantreg)
rq.obj=rq(Petal.Width~Petal.Length,data=iris,tau=2,method="br")
plot(iris[,3:4],pch=20,col='blue',cex=1.5)
cols=rainbow(11)
for(i in 1:11)
{
    if(i==1)
    {
        j=1
    }else if(i==11)
    {
        j=dim(rq.obj$sol)[2]
    }else
    {
        j=i*15
    }
    tmp=rq.obj$sol[,j]
    tcoef=tmp[4]
    xcoef=tmp[5]
    yfit=tcoef+xcoef*iris[,3]
    lines(iris[,3],yfit,col=cols[i])
}