loading...
انجام پروژه های برنامه نویسی آر R
صادقی بازدید : 31 سه شنبه 30 آذر 1400 نظرات (0)

ح کلی

۱- بررسی اجمالی آموزش

مرور اهداف آموزش

چرا این آموزش لازم است؟

۲- R چیست؟

چرا باید از R استفاده کنم؟

R چه کاری می تواند انجام دهد؟

۳- چگونه شروع کنیم؟

رابط RStudio

نحوه وارد کردن، صادر کردن و مشاهده فایل ها

نحوه حرکت در تب راهنما

پکیج چیست؟

نحوه ذخیره فایل ها

۲- بررسی اجمالی آموزش

۱- ۲ اهداف آموزش

توسعه راه حل هایی برای بررسی مشکلات همبستگی خاک و به روزرسانی فعالیت ها

ارزیابی بررسی ها برای نتایج تفسیری و تعیین نحوه کار

ایجاد یک سطح پیوسته از داده های نقطه ای

جمع بندی داده ها برای جمعیت در NASIS

۲- ۲ چرا این آموزش لازم است؟

azsoftir.com
09367292276
09367292276
azsoftir@gmail.com
azsoftir.com
09367292276
09367292276
azsoftir@gmail.com
R

فرصت ها برای یادگیری این تکنیک ها محدود است، به ویژه در سطح کارشناسی

روش سازگار (تجزیه و تحلیل داده ها، جمعیت داده ها ، طراحی نمونه برداری و غیره)

به طور مداوم نیاز به استفاده از این روش ها بیشتر است:

نقشه برداری از اراضی با نرخ تولید بالا

سایت های اکولوژیکی

تصفیه خاک (تفکیک)

۳- R چیست؟

R یک نرم افزار منبع باز و رایگان زبان برنامه نویسی است که در سال ۱۹۹۵ در دانشگاه اوکلند به عنوان محیطی برای محاسبات آماری و گرافیک تولید شده است. از آن زمان R به یکی از محیط های نرم افزاری غالب برای تجزیه و تحلیل داده ها تبدیل شده است و توسط رشته های مختلف علمی از جمله علوم خاک، محیط زیست و ژئو انفورماتیک مورد استفاده قرار می گیرد. به ویژه به علت داشتن قابلیت های گرافیکی بسیار محبوب است، اما به دلیل قابلیت های GIS که تولید مدل های مبتنی بر شطرنجی را نسبتاً آسان می کند، بسیار مورد توجه است. اخیراً ، R پکیج های مختلفی نیز بدست آورده است که به طور خاص برای تجزیه و تحلیل داده های خاک طراحی شده اند.

۱- محیط نرم افزار:

آمار

گرافیک

برنامه نویسی

ماشین حساب

GIS

و غیره…

۲- زبانی برای کاوش ، جمع بندی و مدل سازی داده ها

توابع = افعال

اشیا = اسم

C:\Users\Mr\Desktop\download.png

۱- ۳ چرا باید R را یاد بگیریم؟

در حالی که اکثریت قریب به اتفاق مردم از اکسل برای تجزیه و تحلیل داده ها استفاده می کنند ، R مزایای بی شماری دارد از جمله:

۱- هزینه استفاده از R رایگان است!

۲- تحقیق قابل تکرار (مستند سازی، تکرار)

تکرار:

کد + خروجی در یک سند

دفعه بعدی راحت تر

بسیاری از داستان های ترسناک اکسل از مطالعات علمی اشتباه وجود دارد (بحث TED)

مقیاس پذیری: قابل استفاده برای مسائل کوچک یا بزرگ

۳- R در انجمن ها

R User Groups (شامل گروه های R-Ladies)

Stack Overflow

۴- منابع یادگیری (کمی و کیفی)

کتاب های R

(آنلاین بصورت رایگان) R Books

۵- R در حال تبدیل شدن به هنجار جدیدی است. “اگر ما این چالش ها را نپذیریم ، افراد دیگری که صلاحیت کمتری دارند، چالش را می پذیرند.”

در حالی که برخی از افراد استفاده از محیط خط فرمان را دلهره آور می دانند، اما با افزایش حجم و تنوع داده ها، این یک مهارت لازم برای دانشمندان است. بنابراین برنامه نویسی یا اسکریپت نویسی علاوه بر زبان مادری و اصطلاحات خاص آن ها ، برای بسیاری از دانشمندان به زبان سوم تبدیل شده است. سایر زبان های برنامه نویسی معروف عبارتند از: SQL (به عنوان مثال NASIS) ، پایتون (به عنوان مثال ArcGIS و JavaScript)

C:\Users\Mr\Desktop\download (1).png

۲- ۳ R چه کاری می تواند انجام دهد؟

۱- ۲- ۳ پکیج ها

azsoftir.com
09367292276
09367292276
azsoftir@gmail.com
azsoftir.com
09367292276
09367292276
azsoftir@gmail.com
R

Base R (عملکرد از طریق پکیج ها گسترش می یابد)

خلاصه های اساسی داده های کمی یا کیفی

اکتشاف داده ها از طریق گرافیک

پردازش و تجزیه و تحلیل داده های GIS

پکیج های R علوم خاک

aqp – مصور سازی ، تجمع ، طبقه بندی

groundDB – دسترسی به پایگاه داده های خاک که معمولاً مورد استفاده قرار می گیرند

axaReports – تعداد انگشت شماری از الگوهای گزارش

soiltexture – مثلث های بافتی

پکیج های R محیط زیست

vegan – دستوری ، تجزیه و تحلیل تنوع ، و غیره …

dismo – مدل توزیع گونه ها

۲- ۲- ۳ برنامه های کاربردی علوم خاک

۱- ۲- ۲- ۳ ایجاد نقشه ها

۲- ۲- ۲- ۳ رسم پروفایل های خاک

C:\Users\Mr\Desktop\download (3).png

۳- ۲- ۲- ۳ رسم نمودارهای عمق

C:\Users\Mr\Desktop\download (4).png

۴- ۲- ۲- ۳ برآورد دامنه مشخصات (RIC)

C:\Users\Mr\Desktop\download (1).png

۴- RStudio: یک محیط توسعه یکپارچه (IDE) برای R

RStudio یک محیط توسعه یکپارچه (IDE) است که به شما امکان می دهد با R راحت تر تعامل داشته باشید. RStudio مشابه RGui استاندارد است، اما بیشتر کاربر پسند تر است. دارای منوهای کشویی، پنجره های دارای چندین سر برگ و گزینه های شخصی سازی بیشتر است. اولین باری که RStudio را باز می کنید، سه پنجره خواهید دید. پنجره چهارم به طور پیش فرض پنهان است، اما با کلیک کردن روی منوی کشویی File ، سپس New File و سپس R Script باز می شود.

C:\Users\Mr\Desktop\download (5).png

پنجره / سربرگ R Studio مکان توضیحات

پنجره کنسول سمت چپ پایین محل ورود دستورات وارد شده و چاپ خروجی

تب های Source سمت چپ بالا ویرایشگر متن داخلی

تب Environment سمت راست بالا لیست تعاملی اشیا R بارگذاری شده

تب History سمت راست بالا لیستی از کلیدهای وارد شده به کنسول

تب Files سمت راست پایین فایل explorer برای پیمایش در پوشه های درایو C

تب Plots سمت راست پایین محل خروجی برای نمودار ها

تب Packages سمت راست پایین لیست پکیج های نصب شده

تب Help سمت راست پایین مکان خروجی برای دستورات راهنما و پنجره جستجوی راهنما

تب Viewer سمت راست پایین تب پیشرفته برای محتوای وب محلی

۱- ۴ راه اندازی رایانه USDA

R و RStudio بر روی تمام رایانه های USDA که NASIS را نصب کرده اند نصب شده اند. R و RStudio معمولاً سالی یک بار به روز رسانی می شوند و مورد تایید CCE قرار می گیرند. نسخه های موجود در دستگاه های USDA ممکن است یک تا سه نسخه قبل از آخرین نسخه موجود برای دانلود عموم باشند. داشتن نسخه منسوخ شده R به ندرت مشکلی ایجاد می کند، اگرچه ممکن است هشدارهایی بدهد.

۲- ۴ نکات اساسی برای استفاده از R

لازم است دستورات را پس از خط فرمان (>) که هنگام باز شدن R ظاهر می شود، تایپ یا کپی و جایگذاری کنید. پس از تایپ دستور در کنسول R و فشار دادن Enter بر روی صفحه کلید، این دستور اجرا می شود. اگر دستور کامل نباشد، R اعلان ادامه می دهد (با علامت بعلاوه نشان داده می شود: +). همچنین می توانید یک اسکریپت در پنجره اسکریپت بنویسید و یک فرمان را انتخاب کنید و روی دکمه Run کلیک کنید.

R حساس به حروف بزرگ است. مطمئن شوید که هجی و بزرگ بودن حروف درست است.

به دستورات موجود در R توابع نیز گفته می شود. قالب اصلی یک تابع در R این است:

object <- function.name (argument_1 = data, argument_2 = TRUE)

پیکان بالا (^) در صفحه کلید می تواند دستورات قبلی را که در کنسول R تایپ کرده اید، به شما نشان دهد.

از نماد $ برای انتخاب یک ستون خاص در جدول استفاده می شود (به عنوان مثال table$column).

قبل از هر متنی که نمی خواهید R آن را اجرا کند (مانند نظرات ، یادداشت ها یا دستورالعمل ها) باید قبل از آن از نماد # استفاده کنید. R باقیمانده خط اسکریپت زیر # را نادیده می گیرد.

به عنوان مثال:

plot(x, y) # This text will not affect the plot function because of the comment

azsoftir.com
09367292276
09367292276
azsoftir@gmail.com
azsoftir.com
09367292276
09367292276
azsoftir@gmail.com
R

۱- ۲- ۴ مثال مختصر

# Addition

۱ + ۱

[۱] ۲

# Multiplication

۱۰ * ۱۰

[۱] ۱۰۰

# Compute Logarithm

log10(100)

[۱] ۲

# Print Text

“Hello World”

[۱] “Hello World”

# Plot Histogram

hist(npk$yield)

C:\Users\Mr\Desktop\download (6).png

# Assignment

test <- 1

# or

test = 1

۳- ۴ دایرکتوری های کار

۱- ۳- ۴ تنظیم دایرکتوری کاری

قبل از شروع کار در R ، باید دایرکتوری کار خود را تنظیم کنید (پوشه ای برای نگهداری همه فایل های پروژه شما). به عنوان مثال

“C: \ workspace2\…”.

برای تغییر دایرکتوری در RStudio ، منوی اصلی Session >> Set Working Directory >> select را انتخاب کنید. یا از تب “Files” روی More >> Set As Working Directory کلیک کنید تا از مکان فعلی تب “Files” به عنوان دایرکتوری کار خود استفاده کنید.

C:\Users\Mr\Desktop\download (7).png

تنظیم دایرکتوری کار از طریق منوها همان کاری است که در کنسول با دستور ()setwd انجام می شود:

setwd(“C:/workspace2”)

این دایرکتوری جایی است که باید تمام داده های ورودی شما ذخیره شود و همچنین مکان پیش فرض فایل های نمودار و سایر خروجی ها است.

اساساً می خواهید ورودی های کد خود را در دایرکتوری کار پیدا کنید تا بتوانید با استفاده از مسیرهای فایل به آن ها مراجعه کنید. مسیرهای فایل اگر پوشه حاوی اسکریپت (های) خود را به اطراف منتقل کنید، راحت تر می شود.

توجه: هنگام تعیین مسیرهای فایلی R از اسلش / به جای بک اسلش \ استفاده می کند، مراقب باشید.

برای بررسی مسیر فایل دایرکتوری فعلی (که اکنون باید “C: \ workspace2” باشد)، تایپ کنید:

getwd()

۲- ۳- ۴ پروژه های RStudio (فایل های .Rproj)

همچنین می توانید دایرکتوری کار خود را با استفاده از RStudio Projects مدیریت کنید. یک فایل پروژه (RStudio (.Rproj مشابه نمونه ای با عنوان .mxd برای ArcMap است که شامل اطلاعات مربوط به تنظیمات خاصی است که ممکن است برای “پروژه” تعیین کرده باشید.

شما با استفاده از منوی کشویی در گوشه سمت راست بالای پنجره RStudio پروژه هایی را باز یا ایجاد می کنید (در زیر نشان داده شده است)

C:\Users\Mr\Desktop\download (8).png

در اینجا به منوی کشویی معمولی Project نگاه کنید:

C:\Users\Mr\Desktop\download (9).png

با استفاده از “New Project…” می توانید از دایرکتوری های موجود یا جدید، پروژه های جدید ایجاد کنید.

وقتی روی “Open Project” کلیک می کنید، دایرکتوری کاری شما به طور خودکار روی مکان فایل .Rproj تنظیم می شود – که بسیار مفید است.

هر پروژه ای که اخیراً ایجاد یا استفاده کرده باشید در ” Project List” نشان داده می شود.

ساده نگه داشتن دایرکتوری های کاری و مختص یک پروژه تنها یک روش خوب است که به شما کمک می کند تا کد و داده های ورودی را منظم نگه دارد و بعد از مدتی دوری از پروژه دوباره به آن بازگردید.

۴- ۴ مدیریت داده در RStudio

۱- ۴- ۴ وارد کردن داده ها

پس از تنظیم دایرکتوری کار خود، می توانید داده ها را از csv ، .txt و غیره وارد کنید. یک دستور اصلی برای وارد کردن داده ها به R()، read.csv است. این دستور با نام فایل و سپس چند دستورالعمل اختیاری برای نحوه خواندن فایل دنبال می شود.

ابتدا با کپی کردن مطالب زیر، یک فایل نمونه ایجاد کنید. محتوا را در Notepad جایگذاری کرده و فایل را به صورت sand_example.csv در پوشه C: \ workspace2 خود ذخیره کنید.

location,landuse,horizon,depth,sand

city,crop,A,14,19

city,crop,B,25,21

city,pasture,A,10,23

city,pasture,B,27,34

city,range,A,15,22

city,range,B,23,23

farm,crop,A,12,31

farm,crop,B,31,35

farm,pasture,A,17,30

farm,pasture,B,26,36

farm,range,A,15,25

farm,range,B,24,29

west,crop,A,13,27

west,crop,B,29,25

west,pasture,A,11,21

west,pasture,B,31,26

west,range,A,14,23

west,range,B,24,24

این مجموعه داده را می توان با استفاده از دکمه Import Dataset از سربرگ Environment یا با تایپ دستور زیر در کنسول R وارد R کرد:

sand <- read.csv(“C:/workspace2/sand_example.csv”)

# if your workspace was already set you could simply use the filename, like so

sand <- read.csv(“sand_example.csv”)

۱- ۱- ۴- ۴ یادداشت در مورد فایل های Microsoft Excel

R می تواند فایل های اکسل را وارد کند، اما به طور کلی استفاده از اکسل ایده بدی است. اکسل یک پیش فرض خطرناک دارد که به طور خودکار داده ها را با علامت های مشترک بدون هشدار و اخطار به قالب استاندارد خود تبدیل می کند. به عنوان مثال، کاراکتر “۱۱-JUN” وارد یک سلول خودکار تاریخ ۶/۱۱/۲۰۱۷ می شود، حتی اگر داده ها همچنان به صورت ۱۱-JUN نمایش داده شوند. تنها راه برای جلوگیری از این رفتار پیش فرض، وارد کردن دستی داده های خود به اکسل از طریق Data Tab> Get External Data Ribbon و تنظیم دستی نوع داده های همه ستون ها بر روی متن است.

azsoftir.com
09367292276
09367292276
azsoftir@gmail.com
azsoftir.com
09367292276
09367292276
azsoftir@gmail.com
R

۲- ۴- ۴ صادر کردن داده ها

برای صادر کردن داده ها از R ، از دستور () write.csv استفاده کنید. از آنجا که دایرکتوری کار خود را تنظیم کرده ایم، R فایل ما را به طور خودکار در دایرکتوری کار ذخیره می کند.

write.csv(sand, file = “sand_example2.csv”)

# or use the write.table() function to export other text file types

۳- ۴- ۴ مشاهده و حذف داده ها

پس از وارد کردن فایل، لازم است که بررسی کنید R اطلاعات شما به درستی وارد کرده است. اطمینان حاصل کنید که داده های عددی به درستی وارد شده اند، عناوین ستون شما حفظ شده است و غیره. برای مشاهده داده ها ، کافی است روی مجموعه داده های sand ذکر شده در تب Environment کلیک کنید با این کار یک تب جداگانه باز می شود که صفحه گسترده ای مانند زیر را نشان می دهد.

C:\Users\Mr\Desktop\download (10).png

علاوه بر این می توانید از توابع زیر برای مشاهده داده های خود در R استفاده کنید.

تابع توضیحات

Print() کل شی را چاپ می کند (از جداول بزرگ خودداری کنید)

Head() ۶ خط اول داده شما را چاپ می کند

Str() ساختار داده های یک شی R را نشان می دهد

Names() نام ستون (به عنوان مثال، عنوان) داده های شما را لیست می کند

Ls() تمام اشیا R را در فهرست فضای کاری شما لیست می کند

دستورات زیر را برای مشاهده مجموعه داده های sand در R وارد کنید:

str(sand)

names(sand)

head(sand)

ls()

شی داده هر چیزی است که شما ایجاد یا وارد کرده اید و یک نام در R به آن اختصاص داده اید. تب Environment به شما امکان می دهد ببینید چه اشیا داده ای در نشست R شما هست و ساختار آن ها را گسترش دهید. در حال حاضر sand باید تنها شی داده ای باشد که ذکر شده است. اگر می خواهید همه اشیا داده ای را از نشست R خود حذف کنید، می توانید از تب Environments روی نماد جارو کلیک کنید. در غیر این صورت می توانید تایپ کنید:

# Remove all R objects

azsoftir.com
09367292276
09367292276
azsoftir@gmail.com
azsoftir.com
09367292276
09367292276
azsoftir@gmail.com
R

rm(list = ls(all = TRUE))

# Remove individal objects

rm(sand)

C:\Users\Mr\Desktop\download (11).png

۵- ۴ دریافت راهنما

R دارای داکیومنت های گسترده، لیست های پستی متعدد و کتاب های بی شماری است (بسیاری از آن ها رایگان هستند). فایل های راهنمای داخلی گاهی رمزنگاری می شوند و پاسخ های آنلاین می توانند جزئی باشند، اما اگر به دنبال کمک هستید می توانید آن را پیدا کنید. برای کسب اطلاعات بیشتر در مورد تابعی که استفاده می کنید و گزینه ها و استدلال های موجود، یاد بگیرید که با بهره گیری از برخی از توابع راهنمای زیر در RStudio، به خود کمک کنید:

۱- برای جستجوی دستورات (مانند hist) یا موضوعات (مانند histogram) از زبانه Help در پنجره پایین سمت راست استفاده کنید.

C:\Users\Mr\Desktop\download (12).png

برای نمایش صفحه راهنما، در پنجره کنسول (help (read.csv یا ?read.csv را تایپ کنید. نتایج در تب Help در پنجره سمت راست پایین ظاهر می شود. برخی از توابع ممکن است نیاز به نقل قول داشته باشند ، مانند (“+”)help.

# Help file for a function

help(read.csv) # or ?read.csv

# Help files for a package

help(package = “soiltexture”)

۱- ۵- ۴ تمرین: تابع read.csv() را بررسی کنید.

فایل راهنما را برای تابع () read.csv بخوانید. چگونه می توان ردیف اول مجموعه داده های sand را بعنوان هدر تفسیر نکرد؟

۶- ۴ پکیج

پکیج ها مجموعه ای از توابع اضافی هستند که می توان آن ها را دانلود کرد. معمولاً شامل داده های نمونه ای هستند که می توانند برای نشان دادن این توابع استفاده شوند. اگرچه R دارای توابع و مدل های آماری رایج بسیاری است، اما بیشتر کارهای ما نیاز به پکیج های اضافی دارد.

۱- ۶- ۴ نصب پکیج ها

azsoftir.com
09367292276
09367292276
azsoftir@gmail.com
azsoftir.com
09367292276
09367292276
azsoftir@gmail.com
R

برای استفاده از یک پکیج، ابتدا باید آن را نصب کنید و سپس بارگیری کنید. این مراحل را می توان در خط فرمان یا با استفاده از تب Packages انجام داد. در زیر نمونه هایی از هر دو روش ارائه شده است. پکیج های R فقط یک بار نصب می شوند (تا زمانی که R ارتقا یا نصب مجدد شود). هر زمان که نشست R جدیدی را شروع می کنید، باید پکیجی را که می خواهید در آن نشست استفاده کنید بارگیری کنید.

در تب Packages لیستی از تمام پکیج های نصب شده در رایانه خود و ۲ دکمه با عنوان “install” یا “update” را مشاهده خواهید کرد. برای نصب پکیج جدید کافیست دکمه Install را انتخاب کنید. می توانید یک یا چند پکیج را همزمان با جدا کردن یک کاما وارد کنید.

C:\Users\Mr\Desktop\download (13).png

C:\Users\Mr\Desktop\download (14).png

برای پیدا کردن اینکه چه پکیج هایی روی رایانه شما نصب شده است، از دستورات زیر استفاده کنید:

library()

# or

installed.packages()

یک پکیج بسیار مفید برای دانشمندان علوم خاک، پکیج soiltexture است که همانطور که انتظار دارید به شما امکان می دهد مثلث های بافتی خاک را ترسیم کنید. اگر در حال حاضر این پکیج را بارگیری نکرده اید، دستور زیر نحوه نصب را نشان می دهد:

# CRAN (static version)

installed.packages(c(“aqp”, “soilDB”, “soilReports”, “soiltexture”))

# GitHub (development version)

devtools::install_github(“ncss-tech/soilDB”, dependencies = FALSE, upgrade_dependencies = FALSE, build = FALSE)

۲- ۶- ۴ بارگیری پکیج ها

پس از نصب پکیج، باید در نشست R بارگیری شود تا مورد استفاده قرار گیرد.

C:\Users\Mr\Desktop\download (15).png

library(soiltexture)

با علامت زدن کادر کنار نام پکیج ، می توانید پکیج ها را با استفاده از تب Packages بارگیری کنید. مستندات مربوط به پکیج soiltexture از توابع help در R موجود است.

help(package = “soiltexture”)

این دستور help شما را به یک صفحه وب می فرستد. به پایین بروید و لینک “TT.plot” را انتخاب کنید. این لینک یک صفحه وب را نمایش می دهد که دارای دستورالعمل هایی در مورد نحوه استفاده از تابع () TT.plot در R است.

کاربرد اصلی ()TT.plot  تابع TT.plot (class.sys) , tri.data است. آرگومان “class.sym” یک رشته کاراکتر را مشخص می کند که سیستم طبقه بندی متنی را نامگذاری می کند.

# Copied from soiltexture vignette

# Create a dummy data frame of soil textures:

example <- data.frame(

CLAY = c(05,60,15,05,25,05,25,45,65,75,13,47),

SILT = c(05,08,15,25,55,85,65,45,15,15,17,43),

SAND = c(90,32,70,70,20,10,10,10,20,10,70,10),

OC = c(20,14,15,05,12,15,07,21,25,30,05,28)

)

TT.plot(class.sys = “USDA-NCSS.TT”, tri.data = example)

C:\Users\Mr\Desktop\download (16).png

۷- ۴ نوشتن اسکریپت

تب های منبع RStudio به عنوان ویرایشگر متن داخلی کار می کنند. قبل از به کار بردن توابع R در کنسول، دستورات معمولاً نوشته می شوند (یا به صورت اسکریپتی). اسکریپت نویسی اساساً نشان دادن کار شماست. توالی توابع لازم برای تکمیل کار به منظور مستند سازی یا خودکار کردن یک کار اسکریپت می شود. گرچه ممکن است در ابتدا اسکریپت نویسی دست و پا گیر باشد، اما در نهایت در دراز مدت باعث صرفه جویی در وقت می شود، به خصوص برای کارهای تکراری. مزایا عبارتند از:

به دیگران اجازه می دهد کارهای شما را که بنیان علم است، تولید کنند

به عنوان دستورالعمل / یادآوری نحوه انجام یک کار عمل می کند

تکرار سریع را امکان پذیر می کند، که باعث صرفه جویی در وقت و ارزیابی تغییرات تدریجی می شود

احتمال خطای انسانی را کاهش می دهد

۱- ۷- ۴ نکات اساسی اسکریپت نویسی

azsoftir.com
09367292276
09367292276
azsoftir@gmail.com
azsoftir.com
09367292276
09367292276
azsoftir@gmail.com
R

برای نوشتن یک اسکریپت کافیست یک فایل جدید اسکریپت R را با کلیک روی File>New File>R Script باز کنید. در ویرایشگر متن دنباله ای از توابع را تایپ کنید.

هر تابع (به عنوان مثال ()read.csv) را در یک خط جداگانه قرار دهید.

اگر یک تابع دارای یک لیست طولانی از آرگومان ها است، هر آرگومان را در یک خط جداگانه قرار دهید.

با قرار دادن مکان نما بر روی یک خط و تایپ کردن Crtl + Enter ، یا با کلیک بر روی دکمه Run می توان یک فرمان را از ویرایشگر متن حذف کرد.

با کلیک روی دکمه Source می توان یک فایل کامل اسکریپت R را حذف کرد.

انجام پروژه آماری و داده کاوی با زبان R و نرم افزار RStudio

    

انجام پروژه های داده کاوی ، محاسبات آماری ، حسابداری ، آمار و احتمالات کاربردی ، آمار و مدل سازی ، آمار و احتمالات مهندسی ، تحلیل آماری ، مهندسی پزشکی ، علوم پایه ، رشته های فنی ، بیوفیزیک یا زیست فیزیک ، بیوانفورماتیک یا زیست ‌شناسی (بیولوژی) با زبان R و نرم افزار RStudio پذیرفته می شود – جهت سفارش پروژه R یا R Studio با شناسه تلگرام یا ایمیل و یا شماره تماس های اعلام شده با ما در ارتباط با

پروژه فقط در زمینه داده کاوی با نرم افزار های ذیل پذیرفته می شود :

انجام پروژه های داده کاوی (Data Mining) در زمینه های رده بندی (Classification)، خوشه بندی (Clustering)، پیش بینی (Prediction)، انتخاب ویژگی (Feature Selection) و قواعد انجمنی (Association Rules) با استفاده از روش ها و الگوریتم های مختلفی نظیر:

1 -Ann)شبکه عصبی مصنوعی)

2 - شبکه های عصبی مصنوعی (RBF)

3 - درخت تصمیم--هرس درخت تصمیم--درخت تصمیم با شاخص جینی و آنتروپی

4 - بگینگ  و بوستینگ

5 - ماشین بردار پشتیبان

6-ماشین بردار پشتیبان با بهینه ساز ازدحام ذرات

8 - سیستم استنباط بیزین

10-الگوریتم ژنتیک , ازدحام ذرات

11-الگوریتم های فراابتکاری

12-قواعد همسایگی با fp-growth,apriory

13-تحلیل نتایج با رسم نمودار Roc

14-انواع مختلف روش های انتخاب ویژگی:شاخص ریلیف، ازدحام ذرات،شاخص جینی و ...

15-انواع روش های نمونه برداری و بیش نمونه گیری

16-روش های حل مشکل رده نامتوازن

17-تشخیص داده پرت با کانزدیکترین همسایه)Knn

18-تشخیص داده پرت محلی

انجام پروژه های رپیدماینر در کوتاهترین زمان ممکن با کمترین قیمت با مشاوره وآموزش اجرای پروژه

انجام پروژه های داده کاوی با مشاوره و آموزش اجرا جهت ارایه پروژه

انجام پروژه های داده کاوی با نرم افزار وکا Weka

انجام پروژه های داده کاوی با نرم افزار رپیدماینر RapidMiner

انجام پروژه های داده کاوی با نرم افزار کلمنتاین Clementine12

انجام پروژه های داده کاوی با نرم افزار SPSS Modeler14.2

انجام پروژه های داده کاوی با نرم افزار نایم knime

انجام پروژه های داده کاوی با نرم افزار RStudio

انجام پروژه های داده کاوی با نرم افزار اورنج کانواس Orange Canvas

انجام پروژه های متن کاوی text mining با نرم افزار رپیدماینر rapidminer

مشاوره و انجام پایان نامه کارشناسی ارشد ، دکترای داده کاوی

مشاوره و انجام پایان نامه و پروژه های کارشناسی ارشد داده کاوی در زمینه های :

الگوریتم های دسته بندی Classification

درخت تصمیم :C5.0 ، CHAID ، C&R ،QUEST ، RandomForest ،REPTree ،ID3،NBTree

شبکه عصبی :Neural Net ،perceptron ،AutoMLP

شبکه بیزین : Bayes Net،NaiveBayes

ماشین بردار پشتیبان : SVM ،LibSVM ،Support Vector Machine (Linear)

رگرسیون : Regression ، Logeistic

نزدیکترین همسایه: KNN

الگوریتم های خوشه بندی Clustering

خوشه بندی : k-Means ، kohonen ، Twostep ، Anomaly

الگوریتم های قواعد انجمنی : Apriori ، Carma ، Sequence ، FP-Growth

راهنمای نصب R و Rstudio

راهنمای نصب R و Rstudio

RStudio محیط توسعه یکپارچه برایR است، که یک رابط کاربری گرافیکی را با ابزارهای قدرتمند برنامه نویسی ترکیب می کند تا به شما برای استفاده بیشتر از R کمک کند.

R، یک زبان برنامه‌نویسی و محیط نرم‌افزاری برای محاسبات آماری و تحلیل داده است، که بر اساس زبان‌های اس و اسکیم پیاده‌سازی شده است . برای نصب نرم افزار آماری R و RStudio، نخست بایستی نرم افزار آر را در سیستم عامل خود نصب کنید. برای دریافت فایل نصب آر به لینک زیر مراجعه کنید

download R

در زمان نوشتن این مقاله، جدیدترین نسخه آر ۳.۱.۱ است. با کلیک کردن روی آن فایل را دریافت می کنم. فایل ذخیره شده با فرمت pkg است و این به معنای قابل نصب بودن فایل ذخیره شده است.

بعد از دانلود پکیج آر، روی آن کلیک کنید و مراحل نصب آن را همانطور که در تصاویر زیر نشان داده شده است دنبال کنید. قبل از نصب، مک از شما می خواهد تا پسورد ادمین را وارد کنید. اگر ادمین کامپیوتر خود نیستید از ادمین بخواهید تا نرم افزار را بر روی سیستم شما نصب کند

نصب قالب گرافیکی آراستودیو

نصب نرم افزار آراستودیو حتما بایستی بعد از نصب! آر انجام شود چون آراستودیو تنها یک قالب گرافیکی برای نرم افزار آر است و به خودی! خود کاری از پیش نمی برد. برای دریافت نرم افزار آراستودیو به آردس زیر بروید.

download Rstudio

نصب قالب گرافیکی آراستودیو بسیار ساده است.! پپا از دانلود فابل dmg، روی آن کلیک کنید. دارکتوری زیر در فایندر باز می شود. !سپس فایل آر استودیو را در دایرکتوری اپلیکیشن بیاندازید.

azsoftir.com
09367292276
09367292276
azsoftir@gmail.com
azsoftir.com
09367292276
09367292276
azsoftir@gmail.com
R

نصب نرم افزار آر و آراستودیو قدم اول! در راه یادگیری این زبان فوق العاده آماری است! در این مقاله مراحل نصب نرم افزارهای آر و آراستودیو را !مرور کردم. در مقاله های بعدی شما را با محیط !آراستودیو و قابلیت های آن آشنا می کنم. از همراهی شما متشکری1. دانلود و نصب آر (R-Tools) برای ویندوز

بعد از نصب آر و آر استودیو بر روی ویندوز قبل از رفتن به سراغ نصب پکیج ها ها نیاز هست تا نرم افزار R-Tools رو نصب کنیم تا در نصب پکیج های که نیاز هست بر روی ویندوز کامپایل شوند به مشکلی بر نخورم. برای نصب این برنامه که مخصوص ویندوز است از لینک روبرو  نسخه مورد نیاز (64 یا 32 بیتی) رو دانلود کنید. توجه کنید بر روی سیستم عامل لینوکس نیازی به این کار نیست

دانلود R-Tools نسخه 32 بیتی

دانلود R-Tools نسخه 64 بیتی

بعد از دانلود فایل، روی آن کلیک کرده و فرایند نصب را با تنظیمات پیشفرض (بدون تغییر دادن گزینه ها در مراحل نصب) انجام دهید

2. نصب پیکج Tidyverse

بعد از انجام همه مراحل قبل RStudio رو باز کنید و در قسمت کنسول کد روبرو رو وارد کنید و اینتر بزنید، فرایند دانلود و نصب پکیج Tidyverse شروع میشه و باید صبر کنید تا وقتی تموم بشه در طول مراحل نصب اگر درخواستی ظاهر شد تائید کنید. توجه کنید برای نصب نیاز به اتصال به اینترنت دارید.

install.packages("tidyverse")

Tidyverse در واقع مجموه ای از پکیج های بسیار خوب وکاربردی هست مثل ggplot2 که برای رسم نمودارها استفاده میشه، در قسمت پکیج ها یک مقاله کامل راجب این پکیج وجود دارد که می توانید جهت اطلاعات بیشتر مطالعه کنید. به طور مختصر این پکیج تقریبا عمده نیاز های عمومی ما در کار با آر رو برطرف میکنه و امکانات بسیاری در اختیار ما قرار میده

نصب آر و آر استودیو

اگر هنوز آر و آراستودیو رو نصب نکرده اید می توانید پست قبل را برای راهنمایی از طریق لینک زیر مطالعه کنید

مرحله قبل

ساخت و اجرای اولین پروژه آر

خوب همه چیز اماده هست تا اولین پروژه آر خودتون رو بسازید، برای آموزش ساخت اولین پروژه به لینک زیر مراجعه کنید

مرحله بعد دانلود و نصب آر (R-Tools) برای ویندوز

بعد از نصب آر و آر استودیو بر روی ویندوز قبل از رفتن به سراغ نصب پکیج ها ها نیاز هست تا نرم افزار R-Tools رو نصب کنیم تا در نصب پکیج های که نیاز هست بر روی ویندوز کامپایل شوند به مشکلی بر نخورم. برای نصب این برنامه که مخصوص ویندوز است از لینک روبرو  نسخه مورد نیاز (64 یا 32 بیتی) رو دانلود کنید. توجه کنید بر روی سیستم عامل لینوکس نیازی به این کار نیست

دانلود R-Tools نسخه 32 بیتی

دانلود R-Tools نسخه 64 بیتی

بعد از دانلود فایل، روی آن کلیک کرده و فرایند نصب را با تنظیمات پیشفرض (بدون تغییر دادن گزینه ها در مراحل نصب) انجام دهید

2. نصب پیکج Tidyverse

بعد از انجام همه مراحل قبل RStudio رو باز کنید و در قسمت کنسول کد روبرو رو وارد کنید و اینتر بزنید، فرایند دانلود و نصب پکیج Tidyverse شروع میشه و باید صبر کنید تا وقتی تموم بشه در طول مراحل نصب اگر درخواستی ظاهر شد تائید کنید. توجه کنید برای نصب نیاز به اتصال به اینترنت دارید.

install.packages("tidyverse")

Tidyverse در واقع مجموه ای از پکیج های بسیار خوب وکاربردی هست مثل ggplot2 که برای رسم نمودارها استفاده میشه، در قسمت پکیج ها یک مقاله کامل راجب این پکیج وجود دارد که می توانید جهت اطلاعات بیشتر مطالعه کنید. به طور مختصر این پکیج تقریبا عمده نیاز های عمومی ما در کار با آر رو برطرف میکنه و امکانات بسیاری در اختیار ما قرار میده

نصب آر و آر استودیو

اگر هنوز آر و آراستودیو رو نصب نکرده اید می توانید پست قبل را برای راهنمایی از طریق لینک زیر مطالعه کنید

azsoftir.com
09367292276
09367292276
azsoftir@gmail.com
azsoftir.com
09367292276
09367292276
azsoftir@gmail.com
R

خوب همه چیز اماده هست تا اولین پروژه آر خودتون رو بسازید، برای آموزش ساخت اولین پروژه به لینک زیر مراجعه کنیدد محتوای آموزشی رایگان و تجاری در سنجش از دور و GIS

2_برگزاری دوره های آنلاین و تولید بسته های آموزشی سنجش از دور و GIS

۳_برگزاری کارگاه های آموزشی برای سازمان ها، موسسه ها و دانشگاه ها

۴_برگزاری وبینار های آموزشی برای کارشناسان و دانشجویان

۵_توانمند سازی دانشجویان و کارشناسان برای انجام پروژه های علمی و تجاری

6_همکاری با شرکت ها و استارتاپ های سنجش از دور و GIS در زمینه آموزش و انجام پروژه

ارسال نظر برای این مطلب

کد امنیتی رفرش
اطلاعات کاربری
  • فراموشی رمز عبور؟
  • آمار سایت
  • کل مطالب : 19
  • کل نظرات : 0
  • افراد آنلاین : 1
  • تعداد اعضا : 0
  • آی پی امروز : 2
  • آی پی دیروز : 1
  • بازدید امروز : 4
  • باردید دیروز : 2
  • گوگل امروز : 0
  • گوگل دیروز : 0
  • بازدید هفته : 44
  • بازدید ماه : 140
  • بازدید سال : 499
  • بازدید کلی : 6,470