討論串[問題]不使用for改使用apply寫法的可能性
共 4 篇文章
首頁
上一頁
1
下一頁
尾頁

推噓4(4推 0噓 3→)留言7則,0人參與, 4年前最新作者empireisme (empireisme)時間4年前 (2020/03/25 03:08), 4年前編輯資訊
1
0
0
內容預覽:
如題. 最近想手刻實踐 cross validtion的算法. 上網查了一下別人的範例code. 如下. x <- runif(100)*10 #Random values between 0 and 10. y <- x+rnorm(100)*.1 #y~x+error. dataset <- d
(還有869個字)

推噓3(3推 0噓 10→)留言13則,0人參與, 4年前最新作者locka (locka)時間4年前 (2020/03/25 07:52), 編輯資訊
1
0
0
內容預覽:
(同是apply家族愛好者先shout out一下XD). 以前看過版主C大跟其他前輩版友的討論,結論是 apply 效率並沒有比較好. (印象中好像背後都還是用for迴圈?!). 不過我覺得向量化(vectorized)是R語言裡面很重要的一個特性. 也是functional programmin
(還有1113個字)

推噓1(1推 0噓 2→)留言3則,0人參與, 4年前最新作者celestialgod (天)時間4年前 (2020/03/26 09:31), 4年前編輯資訊
0
0
1
內容預覽:
library(pipeR). library(data.table). N <- 100000L. x <- runif(N) * 10. y <- x+rnorm(N) * 0.1. num_folds <- 10L. split_idx <- seq_len(N) %>>% cut(break
(還有1321個字)

推噓5(5推 0噓 30→)留言35則,0人參與, 4年前最新作者empireisme (empireisme)時間4年前 (2020/03/26 11:28), 4年前編輯資訊
0
0
0
內容預覽:
require(magrittr). data(iris). set.seed(1). data <- iris[sample(nrow(iris)) ,] # 打散資料. Xtrain <- data[1:100,1:4]. Xtest <- data[101:150,1:4]. M <- nro
(還有818個字)
首頁
上一頁
1
下一頁
尾頁