应用统计学与R语言实现学习笔记后记

简介: 版权声明:本文为博主原创文章,未经博主允许不得转载。 https://blog.csdn.net/ESA_DSQ/article/details/78189125 1 后记应用统计学与R语言实现学习笔记这一系列博客断断续续写了5个月左右。
版权声明:本文为博主原创文章,未经博主允许不得转载。 https://blog.csdn.net/ESA_DSQ/article/details/78189125

1 后记

应用统计学与R语言实现学习笔记这一系列博客断断续续写了5个月左右。现在终于算是基本完成了。我个人比较强迫症,比较喜欢一个系列更完再更其他的。所以中间有一些不错的内容想写到博客里都没动笔。后面会继续填坑。另外之后遇到的跟应用统计学与R语言实现相关的内容会以番外篇形式发布。

当时想到写这个东西,主要是自己选了门应用统计学的公选课,个人觉得不能浪费了这门课,而且其实我们在做一些研究的时候,其实都用了很多新的、高大上的所谓的新方法,并且不断在追逐所谓的Big data,但是回过头来想想,最基础的统计学理论可能才是我们需要补课的地方(不得不说这门课挺对我胃口,去年暑假花了一部分时间在啃贾俊平的统计学,刚好是这门课的参考教材)。这个年代,用个tensorflow的包,import一下,训练个模型出来就能说自己做的是深度学习。个人意见,也对也不对。IT技术飞速发展,大大降低了程序猿的门槛,但是现在的情况更应当说是程序猿的行当易学难精了。扯得有点远,总之我认为返璞归真地去学一学高数、概率论、统计学、线性代数可能比一上来就开始各种机器学习什么的要强得多。

这份笔记的定位,就是一份笔记,某些程度上就是课程老师给我们的ppt,我对理论部分做了整理。所以要归功于我的任课老师王老师。我不求大家从头到尾看完这份笔记,因为理论很枯燥,但是当需要用些什么内容的时候,可以想起这份笔记,供大家查找和参考。我的笔记并不像《深入浅出统计学》那样直白而又易懂的语言,尽管中间有一定的尝试,所以不可能看完我的这个系列博客就能对统计学的基本内容完全融会贯通,如果你希望在统计学上有所建树,需要大家自己去补课。另外我这部分更多针对于应用,而且基于我自己本身地学背景,我讲的例子也都跟尽量跟地学、生态相关。所以其他专业的同学会觉得一些例子苦涩难懂是比较正常的(在此向其他专业同学说声不好意思,你们的批评我虚心接受,但是你们这方面的建议我坚决不改,傲娇脸)。

好,讲了这么多。这个系列我其实是作为我自己的一个开源项目做的,我希望大家有什么意见可以一起来帮忙修改完善这个项目。如果你觉得还不错,也不要吝啬你的star。我博客里提到的很多代码之类的也都在这个项目里面开源了。就请大家批评指正。

Note-of-Applied-Statistics-with-R

2 基于gitbook的电子书生成教程

Modern book format and toolchain using Git and Markdown

这是 gitbook 项目主页上对 gitbook 的定义。
gitbook 首先是一个软件,正如上面定义的那样,它使用 Git 和 Markdown 来编排书本。

gitbook官网

也可以使用gitbook editor。
gitbook可以与github关联,直接将仓库的markdown文档发布成电子书。为了方便管理,选择在github上搭建电子书整体内容,然后push到github上,同时同步到gitbook中。首先用github登录gitbook。接着在github上创建一个新的仓库。只保留markdown文档和文件夹。gitbook的关键是需要SUMMARY的markdown文档,这个文件是用来组织书的框架。如下图。

README的前言其实就是上面的后记,想说的话大体相同。只不过时间先后问题导致成了前言和后记。其他的是链接各章节。
接着看一下github上仓库项目结构(初步构成)。

因为在线渲染电子书速度较慢,我们可以在本地进行渲染和修改。目前只需将仓库先克隆到本地。接着安装gitbook(基于node.js)。
因为gitbook是基于node.js的,先查看是否安装了node.js。

node -v
npm -v

接着输入命令,安装gitbook。

npm install gitbook-cli -g

接下来在github上先安装gitbook的拓展应用。并选择应用的仓库范围(可以选择所有仓库,也可以只选择对应的仓库)

这样在gitbook上创建新书的时候,可以选择github的模板,直接导入书籍的仓库,并且后面可以自动同步。

在gitbook的setting中设置,默认生成pdf,mobi,epub的电子书供下载,选择MIT许可证。

gitbook可以通过book.json这个文件来控制生成电子书的一些具体定制化的需求。我的设置如下,因为用到了流程图和大量数学公式,就多加了katex和mermaid的插件。

首先通过命令行,定位到克隆到本地书籍的路径。

gitbook install

先安装插件。
接着渲染一下。

gitbook build

最后本地服务器运行。

gitbook serve

在浏览器网址输入localhost:4000。
即可查看。

执行gitbook build的时候可能会有各种报错,根据报错信息一个一个修改。目前发现似乎gitbook不太支持mathjax。而且公式里面不能有中文及中文标点符号,而且原来在博客上,两个 是表示独立的公式,必须另起一行。但是katex只认四个$。所以进行了一番较多修改,流程图目前也一直无法显示。mermaid跟我博客的流程图插件也不相同。我用的是flowchart,但是安装了似乎也不显示。最后就先用截图来表示了。
全部搞定后直接push到github上。

发现gitbook上没有完全同步。可以从setting里面设置。

OK,大工告成,接下来只需等它在线渲染成功就可以了。
PDF版本。

每每看到封面的熊本分分钟出戏。。。

在线网址访问网址:
应用统计学与R语言实现学习笔记

有兴趣的同学可以下载这本电子书,也可以在评论留邮箱,可以发送给大家。

参考博客:

目录
相关文章
|
15天前
|
存储 数据可视化 数据挖掘
R语言在生物信息学中的应用
【10月更文挑战第21天】生物信息学是生物学、计算机科学和信息技术相结合的交叉学科,主要研究生物大分子信息的存储、处理、分析和解释。R语言作为一种强大的统计分析工具,被广泛应用于生物信息学领域。本文将介绍R语言在生物信息学中的应用,包括基因组学、转录组学、蛋白质组学、代谢组学等方面,帮助读者了解R语言在生物信息学中的重要性和应用前景。
35 4
|
15天前
|
机器学习/深度学习 数据采集 人工智能
R语言是一种强大的编程语言,广泛应用于统计分析、数据可视化、机器学习等领域
R语言是一种广泛应用于统计分析、数据可视化及机器学习的强大编程语言。本文为初学者提供了一份使用R语言进行机器学习的入门指南,涵盖R语言简介、安装配置、基本操作、常用机器学习库介绍及实例演示,帮助读者快速掌握R语言在机器学习领域的应用。
44 3
|
15天前
|
机器学习/深度学习 并行计算 数据挖掘
R语言是一种强大的统计分析工具,广泛应用于数据分析和机器学习领域
【10月更文挑战第21天】R语言是一种强大的统计分析工具,广泛应用于数据分析和机器学习领域。本文将介绍R语言中的一些高级编程技巧,包括函数式编程、向量化运算、字符串处理、循环和条件语句、异常处理和性能优化等方面,以帮助读者更好地掌握R语言的编程技巧,提高数据分析的效率。
35 2
|
2月前
|
数据采集 数据可视化 数据挖掘
R语言在金融数据分析中的深度应用:探索数据背后的市场智慧
【9月更文挑战第1天】R语言在金融数据分析中展现出了强大的功能和广泛的应用前景。通过丰富的数据处理函数、强大的统计分析功能和优秀的可视化效果,R语言能够帮助金融机构深入挖掘数据价值,洞察市场动态。未来,随着金融数据的不断积累和技术的不断进步,R语言在金融数据分析中的应用将更加广泛和深入。
|
2月前
|
机器学习/深度学习 算法 数据挖掘
R语言中的支持向量机(SVM)与K最近邻(KNN)算法实现与应用
【9月更文挑战第2天】无论是支持向量机还是K最近邻算法,都是机器学习中非常重要的分类算法。它们在R语言中的实现相对简单,但各有其优缺点和适用场景。在实际应用中,应根据数据的特性、任务的需求以及计算资源的限制来选择合适的算法。通过不断地实践和探索,我们可以更好地掌握这些算法并应用到实际的数据分析和机器学习任务中。
|
6月前
【R语言实战】——fGARCH包在金融时序上的模拟应用
【R语言实战】——fGARCH包在金融时序上的模拟应用
|
3月前
|
机器学习/深度学习 资源调度 算法
R语言逻辑回归与分类模型的深度探索与应用
【8月更文挑战第31天】逻辑回归作为一种经典的分类算法,在R语言中通过`glm()`函数可以轻松实现。其简单、高效且易于解释的特点,使得它在处理二分类问题时具有广泛的应用价值。然而,值得注意的是,逻辑回归在处理非线性关系或复杂交互作用时可能表现不佳,此时可能需要考虑其他更复杂的分类模型。
|
3月前
|
数据挖掘
R语言方差分析(ANOVA):理解与应用
【8月更文挑战第31天】ANOVA是一种强大的统计方法,用于比较三个或更多组之间的均值差异。在R语言中,我们可以轻松地使用`aov()`函数进行ANOVA分析,并通过后置检验(如TukeyHSD检验)来进一步分析哪些组之间存在显著差异。ANOVA在多个领域都有广泛的应用,是数据分析中不可或缺的工具之一。
|
3月前
|
程序员 数据处理
R语言控制结构:条件判断与循环在R中的应用
【8月更文挑战第27天】R语言中的条件判断和循环结构是编程中不可或缺的部分,它们允许程序员根据特定的条件或规则来控制程序的执行流程。通过灵活使用这些控制结构,可以编写出高效、可维护的R语言代码,以应对复杂的数据处理和分析任务。
|
4月前
|
数据采集 数据可视化 大数据
R语言在统计分析中的应用与实践
【7月更文挑战第30天】R语言以其强大的统计分析能力和开源自由的特性,在统计分析领域发挥着重要作用。无论是基础的描述性统计、推断性统计,还是复杂的回归分析、时间序列分析和生存分析,R语言都提供了丰富的函数和包来支持。通过学习和掌握R语言,数据分析师和研究者可以更加高效地进行数据分析,获取有价值的信息和结论。未来,随着大数据和云计算等新兴技术的发展,R语言的应用前景将更加广阔。
下一篇
无影云桌面