Other Reference: Rpubs R Markdown Theme date: '`r Sys.Date()`' output: rmdformats::material # readthedown date: "`r Sys.Date()`" output: prettydoc::html_pretty:

Reference: http://ccckmit.wikidot.com/st:test1 d = density function 連續型 p = cumulative distribution function 離散 q = quantile function r = random number generation # 累積的常態機率分布 pnorm(175, mean = 170, sd = 5) - pnorm(170, 170, 5) # 計算170到175中間的那塊常態分布面積(mean:170, x:175, sd:5)

Reference: Michael Hahsler(2011). "recommenderlab: A Framework for Developing and Testing Recommendation Algorithms." 推薦系統基本觀念—Collaborative Filtering(協同式過濾) 1. User-based Collaborative Filtering(UBCF) Memory-based CF 採用「全部」或巨量的使用者資料去進行推薦→佔記憶體 推薦系統通常是在線上進行運算，因此上述特性會不利於演算速度 原理

Reference: Ebook Dataset: 古騰堡書庫 Regex in R 尋找 符號 舉例

Reference: Michael Hahsler(2011). "recommenderlab: A Framework for Developing and Testing Recommendation Algorithms." 一個用於探索時序資料的套件 將隨著時間而變的狀態用視覺化方式呈現 使用場合： 行銷漏斗轉換分析 社經事件追蹤研究 購物流程/行為分析 顧客價值分析(新顧客、忠誠顧客、沈睡顧客的轉變)

地理資料的構成 點：每一點(如房價、地標) 線：線段(如道路、河流) 面：區域(如村里、工業區等) 網格：多使用於地形、自然資源，由每一網格所構成的一張圖(類似解析度) 而地理資料若加上當地區域或與四大資料有關的外接資料時，此時所能呈現在地圖上的效果將非常強大，而今日主角tmap便是讓功能放大的好套件。 TGOS(地址轉經緯度服務平台)

Other Reference: Wrangling (Rpubs Note) Visualization Visualization (Rpubs Note) Text Mining (Preprocessing) Text Mining (Chinese) PCA 主成分分析 (Principal Component Analysis) Package, initialization

Reference: Text Mining Ebook See More Detail Here: Rpubs Ver.(Completed) 文本探索 讀取資料 pacman::p_load(tidytext, dplyr, ggplot2, magrittr, plotly, readr, stringr, wordcloud2, wordcloud, reshape2) simps <- read_file("./simps/all.txt") stpw <- read_file("./simps/stpw.txt")

Refernce 使用條件 資料型態：路徑String + 頻率 把重複的路徑拿掉, 只顯示過程變化：  還原所有過程變化： 

Reference: Text Mining Ebook 看code完整執行結果: Rpubs Ver. Data介紹 Data Source: 辛普森一家 字幕庫 第31季第12集~第16集(共5集) 中英皆有(此例用的是中文繁體字幕)

人工智慧(AI)包含機器學習(ML)和深度學習(DL) 機器學習(Machine Learning, ML) 監督式學習 非監督式學習 半監督式學習 監督式學習 非監督式學習

閱讀 Rpub版 Reference: Econometrics Academy CUHK Materials Content 1. 資料結構 2. 模型介紹 3. 模型選擇

看code完整執行結果: Rpubs Ver. Play with PCA Shiny App O&M和environmental survey方向完全相反，代表兩個變數負相關 cabel和environmental survey呈現直角，代表互相獨立 兩段式趨勢分析 期數可以自訂，這裡只做了兩段，可以看出兩期間移動的軌跡

閱讀 Rpub版本 (美觀+附程式執行結果) 前置準備 1. 下載Dplyr套件 tidyverse套件，包含了dplyr、ggplot2，與stringr等數據處理常用包 library(tidyverse) # 一次進行下載與載入套件 2. 讀取資料 # setwd("~/camp") # 設定環境目錄

前情提要 Panel：排除了group effect後，自變數和目標變數有什麼影響 Mixed Effect：想知道group如何影響自變數和目標變數的關係 在回歸中使用變數解釋分群變異 分群變數(群間)：班級 群組變數(群內)：班級的士氣 一般變數

1. 線性迴歸(Linear Regression) 1.1 Check Nomal Distribution 【畫圖】 Density Plot Box Plot 【常態檢定】 Refer to 統計分析方法應用於R語言

{%hackmd theme-dark %} Reference from Building Dashboards with shinydashboard. View another note on ShinyApp. Example library(shinydashboard) # create header, sidebar & body

Reference from Building Web Applications with Shiny in R. View another note on Shiny Dashboard. Example ui = fluidPage({ ... }) server = function(input, output, session{

View Rpubs note on Leaflet套件介紹與範例 (多層互動地圖) View another note on Leaflet Mini Chart (ShinyApp) Reference: Leaflet Github Tiles: 選擇想要的世界地圖當底圖 Marker: 在地圖標上記號 設定經緯度 popup: 點擊Marker(r icon::fa_map_marker_alt(color="#F4D03F",size=1))觸發彈出視窗

1. 授權R使用GA帳號 library(googleAnalyticsR) ga_auth() # This will open a webpage, plz log into your Google Analytics account and paste the athorize code in your R console 1 # Select the current account for analysis 2. 選擇帳號裡的資源/檢視 my_accounts <- ga_account_list() # GA account內所有資源列表 View(my_accounts) # 查看帳號擁有的資源/檢視 my_id <- 123456789 # 紀錄要使用的網站viewId