002数据规范

1.运行前
002数据科学 > ^cb5d2d01理论/统计/常见图
生物 缺失值与填充
1. 机器学习 方差分析（考虑交互项） 以及turkey可视化作图
2. 列联表检验

1. 运行结果检测
   1.行数
2. 回归
   ]]
   1. run
      1. 共线性检查 GGally::ggscatmat(mtcars[, c("mpg", "wt", "hp", "qsec")])
      2. 应该使用什么模型 先ggplot2画图
      3. 拟合
      4. 拟合结果查看 alias(model) 可以查看显示哪些线性组合导致了秩亏问题
      5. stepAIC drop1模型的选择 stepAIC:也是拟合+参数项
      6. 模型诊断
      7. 模型比较
   2. 高级
      1. 多项式回归
   3. 分类
      1. 逻辑回归
      2. 考虑交互项
      3. 逐步回归
      4. 样条项
      5. 广义可加模型
      6. 如果数据不平衡 欠采样的方法 需要注意
3. 有监督
   1. 岭回归
   2. 套索回归
   4. 机器学习 KNN
   5. 机器学习 树
   6. 机器学习 随机森林
   7. XGBoost 集成方法的1种，和装袋发并行
4. 无监督
   1. ../../03脚本/R教程/可视化/PCA教程(如果是降维需要确定多少个主成分)
      1. 碎石图
      2. 前几个方差 累计解释值超过阈值比如80%
      3. 载荷图 ../../02项目/联合_转录代谢/BIplot 使用face画 因为简单
   2. CA 分析：
      1. 特征之间的联系
      2. 类别之间的联系
   3. kmeans
   4. 层次聚类