《R语言编程艺术》——3.5 向量与矩阵的差异

简介: 本节书摘来自华章计算机《R语言编程艺术》一书中的第3章,第3.5节,作者:(美)麦特洛夫(Matloff,N.)著, 更多章节内容可以访问云栖社区“华章计算机”公众号查看。

3.5 向量与矩阵的差异

在本章开始的时候,我说过矩阵就是一个向量,只是多了两个属性:行数和列数。这里,我们再深入说明这个问题。考虑以下例子:
image
image

因为z是向量,因此我们可以求它的长度:

image

换句话说,从面向对象编程的角度说,矩阵类(matrix class)是实际存在的。如第1章所说,R的大部分类都是S3类,用$符号就可访问其各组件。矩阵类有一个dim属性,是一个由矩阵的行数和列数组成的向量。本书第9章讲详细介绍关于类的更多细节问题。
以用dim()函数访问dim属性:

image

这些其实都是对dim函数的一个简单封装。我们之前提到,在交互式模式中,只要直接输入对象名称就可以看见它的内容:

image

当要写一个以矩阵为参数的通用库函数,上面这几个函数将会很有用。因为能直接得到该矩阵的行数和列数,就不再需要两个额外的参数来输入行数和列数,这样更省事。这是面向对象编程的好处之一。

相关文章
|
4月前
|
机器学习/深度学习
R语言模型评估:深入理解混淆矩阵与ROC曲线
【9月更文挑战第2天】混淆矩阵和ROC曲线是评估分类模型性能的两种重要工具。混淆矩阵提供了模型在不同类别上的详细表现,而ROC曲线则通过综合考虑真正率和假正率来全面评估模型的分类能力。在R语言中,利用`caret`和`pROC`等包可以方便地实现这两种评估方法,从而帮助我们更好地理解和选择最适合当前任务的模型。
|
8月前
|
BI 索引
R语言数据结构-----向量
R语言数据结构-----向量
39 4
|
8月前
|
索引
R语言中的数据结构----矩阵
R语言中的数据结构----矩阵
71 3
|
8月前
|
机器学习/深度学习 数据可视化 数据挖掘
R语言逻辑回归logistic对ST股票风险建模分类分析混淆矩阵、ROC曲线可视化
R语言逻辑回归logistic对ST股票风险建模分类分析混淆矩阵、ROC曲线可视化
|
8月前
|
机器学习/深度学习 数据可视化 算法
R语言独立成分分析fastICA、谱聚类、支持向量回归SVR模型预测商店销量时间序列可视化
R语言独立成分分析fastICA、谱聚类、支持向量回归SVR模型预测商店销量时间序列可视化
|
8月前
|
机器学习/深度学习 搜索推荐 数据挖掘
R语言矩阵特征值分解(谱分解)和奇异值分解(SVD)特征向量分析有价证券数据
R语言矩阵特征值分解(谱分解)和奇异值分解(SVD)特征向量分析有价证券数据
|
8月前
|
数据可视化 算法 数据挖掘
R语言 PCA(主成分分析),CA(对应分析)夫妻职业差异和马赛克图可视化
R语言 PCA(主成分分析),CA(对应分析)夫妻职业差异和马赛克图可视化
|
8月前
|
算法
R语言随机搜索变量选择SSVS估计贝叶斯向量自回归(BVAR)模型
R语言随机搜索变量选择SSVS估计贝叶斯向量自回归(BVAR)模型
|
8月前
|
机器学习/深度学习 人工智能 数据可视化
【视频】R语言支持向量回归SVR预测水位实例讲解|附代码数据
【视频】R语言支持向量回归SVR预测水位实例讲解|附代码数据
|
8月前
|
数据可视化
R语言PLS-DA模型分析不同中医组别患者间差异指标数据可视化
R语言PLS-DA模型分析不同中医组别患者间差异指标数据可视化