#heatmap
@R_Experts
@R_Experts
set.seed(31)
y <- matrix(rnorm(50),
10,
5,
dimnames=list(paste("g", 1:10, sep=""),
paste("t", 1:5, sep=""))
)
# data needs to be in long format
# install reshape if necessary
#install.packages("reshape")
library(reshape)
yy <- melt(y)
ggplot(yy, aes(x=X1, y=X2, fill=value)) +
geom_raster() +
scale_fill_gradient2(midpoint=0, mid="grey70", limits=c(-2,2))
@R_Experts
@R_Experts
> sim.I <- function(x) { # this is a closure
+ function(u) exp(-(x*u)^2/2) * x
+ }
>
> g <- sim.I(10) # function used to simulate I_10
> U <- runif(1e5)
> Ts <- g(U)
> mean(Ts)
[1] 1.245262
> 0.5 * sqrt(2*pi)
[1] 1.253314
>
@R_Experts
#heatmap
یکی دیگر از راه های رسم نقشه گرمایی"هت مپ"
استفاده از پکیج
میباشد دستور و بعضی از ارگومان های ان به صورت زیر است :
#heatmap
یکی دیگر از راه های رسم نقشه گرمایی"هت مپ"
استفاده از پکیج
میباشد دستور و بعضی از ارگومان های ان به صورت زیر است :
@R_Experts
یکی دیگر از راه های رسم نقشه گرمایی"هت مپ"
استفاده از پکیج
ctc
میباشد دستور و بعضی از ارگومان های ان به صورت زیر است :
#heatmap
یکی دیگر از راه های رسم نقشه گرمایی"هت مپ"
استفاده از پکیج
ctc
میباشد دستور و بعضی از ارگومان های ان به صورت زیر است :
heatmap(...) function can draw a heatmap, it's usage is:
heatmap(x, Rowv=NULL, Colv=if(symm)"Rowv" else NULL,
distfun = dist, hclustfun = hclust,
reorderfun = function(d,w) reorder(d,w),
add.expr, symm = FALSE, revC = identical(Colv, "Rowv"),
scale=c("row", "column", "none"), na.rm = TRUE,
margins = c(5, 5), ColSideColors, RowSideColors,
cexRow = 0.2 + 1/log10(nr), cexCol = 0.2 + 1/log10(nc),
labRow = NULL, labCol = NULL, main = NULL,
xlab = NULL, ylab = NULL,
keep.dendro = FALSE, verbose = getOption("verbose"), ...)
x: Numeric matrix
Rowv: Row dendrogram
Colv: Column dendrogram
@R_Experts
#curve
دستوری برای رسم توابع در نرم افزار
تابع مورد نظر،
دامنه تابع مورد نظر
اضافه کردن تابعی دیگر برای رسم ،
و برخی دیگر از آرگومانهای این دستور که برای نامگذاری و... استفاده میشوند
@R_Experts
دستوری برای رسم توابع در نرم افزار
curve(expr, from = NULL, to = NULL, n = 101, add = FALSE,
type = "l", xname = "x", xlab = xname, ylab = NULL,
log = NULL, xlim = NULL, ...)
expr
تابع مورد نظر،
from_to
دامنه تابع مورد نظر
add
اضافه کردن تابعی دیگر برای رسم ،
و برخی دیگر از آرگومانهای این دستور که برای نامگذاری و... استفاده میشوند
@R_Experts
x <- seq(-3.5,3.5,0.01)
curve(dnorm(x),x,col="purple",xlim=c(-4,4),ylim=c(0,1),main="@R_Experts")
curve(pnorm(x),x,col="red",xlim=c(-4,4),ylim=c(0,1),add=T)
@R_Experts
curve(dnorm(x),x,col="purple",xlim=c(-4,4),ylim=c(0,1),main="@R_Experts")
curve(pnorm(x),x,col="red",xlim=c(-4,4),ylim=c(0,1),add=T)
@R_Experts
#demo
#برچسب_ریاضی
ابتدا
demo(plotmath)
را فراخوانی سپس
از اپراتورهای ان استفاده میکنیم،
که در پنجره پلات ظاهر شده
و با زدن enter جا به جا میشوند
#Example
@R_Experts
#برچسب_ریاضی
ابتدا
demo(plotmath)
را فراخوانی سپس
از اپراتورهای ان استفاده میکنیم،
که در پنجره پلات ظاهر شده
و با زدن enter جا به جا میشوند
#Example
demo(plotmath)
par(mar = c(4, 4, 2, 0.1))
plot(rnorm(100), rnorm(100),
xlab = expression(hat(mu)[0]), ylab = expression(alpha^beta),
main = expression(paste("Plot of ", alpha^beta, " versus ", hat(mu)[0])))
par(mar = c(4, 4, 2, 0.1))
x_mean <- 1.5
x_sd <- 1.2
hist(rnorm(100, x_mean, x_sd),
main = substitute(
paste(X[i], " ~ N(", mu, "=", m, ", ", sigma^2, "=", s2, ")"),
list(m = x_mean, s2 = x_sd^2)
)
)
@R_Experts
#rgl
#surface3D
@R_Experts
#surface3D
install.packages("rgl")
library(rgl)
data(volcano)
z <- 2 * volcano # Exaggerate the relief
x <- 10 * (1:nrow(z)) # 10 meter spacing (S to N)
y <- 10 * (1:ncol(z)) # 10 meter spacing (E to W)
zlim <- range(z)
zlen <- zlim[2] - zlim[1] + 1
colorlut <- terrain.colors(zlen,alpha=0) # height color lookup table
col <- colorlut[ z-zlim[1]+1 ] # assign colors to heights for each point
open3d()
rgl.surface(x, y, z, color=col, alpha=0.75, back="lines")
@R_Experts
#نیوتون_رافسون:
یکی از الگوریتم های تکراری جهت ریشه یابی معادلات خطی و غیر خطی ،
تابع مورد استفاده بایستی
با حدس اولیه ریشه شروع میشود،
فرض میکنیم ریشه واقعی
حدسی:
و
در رابطه زیر قرار میگیرد
📝📝
و روند ریشه یابی در زیر میبینیم 👇👇👇
@R_Experts
یکی از الگوریتم های تکراری جهت ریشه یابی معادلات خطی و غیر خطی ،
تابع مورد استفاده بایستی
مشتق پذیر
با حدس اولیه ریشه شروع میشود،
فرض میکنیم ریشه واقعی
R
حدسی:
X0
و
h
در رابطه زیر قرار میگیرد
R=x0+h
📝📝
و روند ریشه یابی در زیر میبینیم 👇👇👇
@R_Experts
به تابع زیر توجه فرمایید
@R_Experts
f<- function(x) {
exp(2 * x) - x - 6
}
curve(f, col = 'blue', lty = 2, lwd = 2, xlim=c(-5,5), ylim=c(-5,5), ylab='f(x)')
abline(h=0)
abline(v=0)
@R_Experts
حال طبق توضیحات بالا داریم :
@R_Experts
newton <- function(f, tol=1E-12,x0=1,N=20) {
h <- 0.001
i <- 1; x1 <- x0
p <- numeric(N)
while (i<=N) {
df.dx <- (f(x0+h)-f(x0))/h
x1 <- (x0 - (f(x0)/df.dx))
p[i] <- x1
i <- i + 1
if (abs(x1-x0) < tol) break
x0 <- x1
}
return(p[1:(i-1)])
}
f <- function(x) {
exp(2 * x) - x - 6
}
p <- newton(f, x0=1, N=20)
p
> p <- newton(f, x0=1, N=10)
> p
[1] 0.9717930 0.9708719 0.9708700 0.9708700 0.9708700 0.9708700
>
> p <- newton(f, x0=1, N=20)
> p
[1] 0.9717930 0.9708719 0.9708700 0.9708700 0.9708700 0.9708700
>
@R_Experts