x=c(154.6,140.4,115.9,66.6,45.9,17.9,13.4,29.2) x1=c(158.63,137.24,98.21,61.31,32.64,17.42,16.4,26.47) x2=c(167.5,147.5,110.7,72.21,48.88,20.77,12.11,26.3) x3=c(161.5,139.5,100.4,65.38,35.02,15.2,7.812,21.75) x4=c(167.7,140.8,94.47,48.42,16.47,4.05,9.09,24.88) x5=c(158.97,128.99,84.74,48.64,21.66,9.38,10.7,32.23) m=5 data=matrix(c(x1,x2,x3,x4,x5),8,5) W1=rep(1/5,5) round(data%*%W1,2)->y1 W2=W3=W4=W5=rep(0,5) E=rep(0,5) for(i in 1:5) {E[i]=sum((data[,i]-x)^2) } W2=1/E/(sum(1/E)) W3=1/sqrt(E)/(sum(1/sqrt(E))) order(E)->loc ###W2[loc]=(m:1) rev(sort(E))->a for(i in 1:5) {match(a[i],E)->weizhi W3[weizhi]=i} W4[loc]=(m:1) W4=round(W4/sum(W4),4) #W5[loc]=pbinom((m-1):0,5-1,0.5)累积分布函数 W5[loc]=dbinom((m-1):0,5-1,0.5)#分布概率 W=matrix(c(W1,W2,W3,W4,W5),5,5) y1=data%*%W1 y2=data%*%W2 y3=data%*%W3 y4=data%*%W4 y5=data%*%W5 round(data%*%W,2)->A mean(abs(A[,1]-x))逐行解读
时间: 2023-09-29 15:08:09 浏览: 164
中职c语言练习题.doc
这是一段 R 语言代码,主要实现了一些矩阵运算和数据处理。下面是逐行解读:
1. `x=c(154.6,140.4,115.9,66.6,45.9,17.9,13.4,29.2)`:定义向量 x,其中包含 8 个数值。
2. `x1=c(158.63,137.24,98.21,61.31,32.64,17.42,16.4,26.47)`:定义向量 x1。
3. `x2=c(167.5,147.5,110.7,72.21,48.88,20.77,12.11,26.3)`:定义向量 x2。
4. `x3=c(161.5,139.5,100.4,65.38,35.02,15.2,7.812,21.75)`:定义向量 x3。
5. `x4=c(167.7,140.8,94.47,48.42,16.47,4.05,9.09,24.88)`:定义向量 x4。
6. `x5=c(158.97,128.99,84.74,48.64,21.66,9.38,10.7,32.23)`:定义向量 x5。
7. `m=5`:定义变量 m,赋值为 5。
8. `data=matrix(c(x1,x2,x3,x4,x5),8,5)`:将 x1、x2、x3、x4、x5 合并成一个矩阵 data,其中有 8 行、5 列。
9. `W1=rep(1/5,5)`:定义向量 W1,其中每个元素都为 1/5。
10. `round(data%*%W1,2)->y1`:将 data 矩阵乘以 W1 向量,结果保留两位小数,然后赋值给 y1。
11. `W2=W3=W4=W5=rep(0,5)`:定义向量 W2、W3、W4、W5,每个向量都包含 5 个元素,初始值都为 0。
12. `E=rep(0,5)`:定义向量 E,包含 5 个元素,初始值都为 0。
13. `for(i in 1:5) {E[i]=sum((data[,i]-x)^2) }`:对于 1 到 5 的每个数 i,计算 data 矩阵的第 i 列与 x 向量的平方差之和,并将结果赋值给 E 向量的第 i 个元素。
14. `W2=1/E/(sum(1/E))`:将 E 向量的每个元素取倒数,然后对所有元素相加求和,再将每个元素除以这个和,得到向量 W2。
15. `W3=1/sqrt(E)/(sum(1/sqrt(E)))`:将 E 向量的每个元素开方并取倒数,然后对所有元素相加求和,再将每个元素除以这个和,得到向量 W3。
16. `order(E)->loc`:对 E 向量进行排序,并将排序后的下标赋值给 loc。
17. `rev(sort(E))->a`:将 E 向量进行排序,并将排序后的结果反转,赋值给 a 向量。
18. `for(i in 1:5) {match(a[i],E)->weizhi W3[weizhi]=i}`:对于 1 到 5 的每个数 i,在 E 向量中找到第 i 大的数值所在的下标,然后将 i 赋值给 W3 向量对应位置的元素。
19. `W4[loc]=(m:1)`:将向量 m:1(即 5 4 3 2 1)赋值给 W4 向量在 loc 位置的元素。
20. `W4=round(W4/sum(W4),4)`:将 W4 向量每个元素除以所有元素之和,然后保留四位小数。
21. `W5[loc]=dbinom((m-1):0,5-1,0.5)`:调用 dbinom 函数,计算二项分布概率,并将结果赋值给 W5 向量在 loc 位置的元素。
22. `W=matrix(c(W1,W2,W3,W4,W5),5,5)`:将 W1、W2、W3、W4、W5 合并成一个矩阵 W,其中有 5 行、5 列。
23. `y1=data%*%W1 y2=data%*%W2 y3=data%*%W3 y4=data%*%W4 y5=data%*%W5`:分别计算 data 矩阵乘以 W1、W2、W3、W4、W5 的结果,分别赋值给 y1、y2、y3、y4、y5。
24. `round(data%*%W,2)->A`:计算 data 矩阵乘以 W 矩阵的结果,保留两位小数,然后赋值给 A。
25. `mean(abs(A[,1]-x))`:计算 A 矩阵的第一列与 x 向量的绝对差之和的平均值。
阅读全文