R

• M

  R Cox 分析可不可以计算生存时间？[To be Continued]
  2022年10月16日 11:11 • Mengkelyu   2022年10月16日 11:11

  1
  0
  赞同
  1
  帖子
  5
  浏览

  尚无回复

• M

  常用代码速查表
  2022年9月6日 17:07 • Mengkelyu   2022年9月6日 17:07

  1
  0
  赞同
  1
  帖子
  5
  浏览

  尚无回复

• S

  Modelling claim frequency R 問題
  2022年5月25日 16:46 • Sunseeker   2022年5月26日 16:59

  2
  0
  赞同
  2
  帖子
  16
  浏览

  M 2022年5月26日 16:59

  Hi Sunseeker, 很荣幸解答你的问题。我想这不仅仅是一个R相关的问题，更是一个建模思路上的问题 我查阅了一下万能的互联网，发现这个Model Claim Frequency来源于这个网站 里面着重讲到了一个概念，叫做"over-dispersion"，意思就是实际上某变量的波动性比拟合的分布的波动性要高。这是保险理赔数据常常会出现的一个问题。 不过幸运的是，由于原本数据集的特性，over-dispersion没有造成很大影响，Poission分布拟合的效果还是不错的： 为了探究over-dispersion"会带来的影响，作者拿出了10%的数据，把这些数据里面的理赔量手动调整成负二项分布。这里面的sample 3就是原本数据里面拿出的10%的数据。df_sample是把这10%的数据和别的数据放回到了一起。mu和size的值不需要太关注，因为这就是一个数据模拟而已。这整个过程叫做Resample。 sample3 <- data4[ sample( which(data4$numclaims==0), round(0.1*length(which(data4$numclaims==0)))), ] y <- rnbinom(n = 6323, mu = 1, size = 3) # n value should be equal to sample 3 sample3$numclaims <- y df_sample <- rbind(sample1,sample2,sample3) 最后，用resample后的数据来看，Negative Binominal的拟合效果果然更好。 希望这个解答了你的问题。欢迎讨论~
• N

  【快乐自动化】如何用R连接数据库并批量导入数据
  2021年8月29日 13:32 • Nothanks   2022年5月25日 14:19

  7
  0
  赞同
  7
  帖子
  19
  浏览

  M 2022年5月25日 14:19

  @bengbengbeng 这个目前Close掉了，问题主要是1. 程序不能识别大写的CSV后缀，2. 路径的/要换成\或// 但是目前还有一个问题就是R运行起来时大的Data File似乎会遇到内存不足的问题。还没有解决方案。
• 梁

  如何用R来算命
  2022年5月23日 11:08 • 梁竹西   2022年5月25日 14:17

  2
  0
  赞同
  2
  帖子
  11
  浏览

  M 2022年5月25日 14:17

  哈哈哈哈哈哈厉害
• 梁

  如何将多个表格输出成一个 txt 格式的 log file
  2022年5月25日 11:32 • 梁竹西   2022年5月25日 11:32

  1
  0
  赞同
  1
  帖子
  5
  浏览

  尚无回复

• 梁

  如何用暴力方法确定陌生数据的颗粒度
  2022年5月17日 10:57 • 梁竹西   2022年5月17日 10:57

  1
  0
  赞同
  1
  帖子
  7
  浏览

  尚无回复

• M

  Tweedie GLM Article recommendation
  2022年5月4日 12:32 • Mengkelyu   2022年5月4日 12:32

  1
  0
  赞同
  1
  帖子
  5
  浏览

  尚无回复

• M

  Multi-state modelling with R: the msm package
  2022年4月10日 16:17 • Mengkelyu   2022年4月10日 16:17

  1
  0
  赞同
  1
  帖子
  18
  浏览

  尚无回复

• M

  如何优雅吃瓜 -- 用R Shiny App制作王力宏事件可交互时间线
  2021年12月20日 13:25 • Mengkelyu   2022年3月20日 12:31

  4
  0
  赞同
  4
  帖子
  16
  浏览

  M 2022年3月20日 12:31

  @ekuo 哈哈，谢谢
• M

  用R批量读取Pdf的表格
  2022年2月16日 16:11 • Mengkelyu   2022年3月20日 12:30

  3
  0
  赞同
  3
  帖子
  13
  浏览

  M 2022年3月20日 12:30

  @Howie-Jie jh老师记得提供R版本，报错代码和报错信息给我
• H

  经典教材：R for Everyone_2ed_Jared
  2022年2月26日 14:35 • Howie Jie   2022年2月26日 14:35

  1
  0
  赞同
  1
  帖子
  6
  浏览

  尚无回复

• M

  究竟哪个领域的精算师工作时间最长？用R Shiny App统计精算师工作时长的调查结果
  2021年12月26日 15:03 • Mengkelyu   2022年1月8日 14:03

  3
  0
  赞同
  3
  帖子
  13
  浏览

  M 2022年1月8日 14:03

  这里总结下几个知识点，遇到的问题以及解决的过程。 设计思路是首先有一个大数据框，然后根据用户的选择来筛选出小数据框并把结果图展示在网页上。 技巧一：reactive 因为每次筛选都要同时改变数据图和数据表，所以用了reactive来避免重复写代码。 Reactive内部的内容会在每次改变筛选条件的时候更新。Reactive里面写的内容就是筛选出想要的数据框的过程。这个最终数据框会被用到图和表里面。 问题一：字体问题 我把这个App发布到云端的时候，发现ggplot里面的中文变成了乱码，猜测原因是云端没有ggplot默认的中文字体。所以就用了showtext这个包来改变ggplot的字体。之后就可以成功运行了。
• M

  [Work Automation] 用R抽取PDF扫描件中的日期
  2022年1月2日 13:22 • Mengkelyu   2022年1月2日 13:22

  1
  0
  赞同
  1
  帖子
  6
  浏览

  尚无回复

• M

  用mle分段拟合损失分布，并计算模拟随机数
  2021年12月4日 13:30 • Mengkelyu   2021年12月4日 14:48

  4
  0
  赞同
  4
  帖子
  7
  浏览

  M 2021年12月4日 14:48

  那么，如何用拟合出来的分布做Simulation呢，就要用到一个知识点，那就是可以先生成服从0到1之间均匀分布的随机数，再Map到拟合分段函数的CDF $F(x)$上，然后计算该概率下的quantile就是最后的随机数。 分段函数的CDF $F(x)$是由每段函数原本的CDF通过改变截距和形状来的，那么我们就可以把它还原到原来函数的CDF，用R的功能计算出quantile来 #生成1000个符合0-1之间均匀分布的随机数 init_numebrs = runif(1000) simulation = function(init){ #这两个break就是CDF的分段点 break1= 0.2 break2 = 0.2+0.5 #这里就是把改变形状截距的CDF还原回去，然后计算quantile if(init<break1){ output = qgamma(init/modelCollections[[1]]['coefficient'][[1]],shape=modelCollections[[1]]$estimate["shape"], rate=modelCollections[[1]]$estimate["rate"]) }else if(init>break2){ output = qgamma((init-break2)/modelCollections[[3]]['coefficient'][[1]]+pgamma(120,modelCollections[[3]]$estimate["shape"],modelCollections[[3]]$estimate["rate"]),shape=modelCollections[[3]]$estimate["shape"], rate=modelCollections[[3]]$estimate["rate"]) }else{ output = qweibull((init-break1)/modelCollections[[2]]['coefficient'][[1]]+pweibull(50,modelCollections[[2]]$estimate["shape"],modelCollections[[2]]$estimate["scale"]),shape=modelCollections[[2]]$estimate["shape"], scale=modelCollections[[2]]$estimate["scale"]) } } simulation_result=lapply(init_numebrs,simulation) dt = data.frame("data"=unlist(simulation_result)) p = ggplot(data = data.frame(dt), aes(x = data)) + geom_histogram(binwidth=10,fill="#69b3a2", color="#e9ecef", alpha=0.3) 拟合出来的分布大概是以下形状
• M

  生成服从Tweedie分布的随机数
  2021年10月20日 14:51 • Mengkelyu   2021年10月20日 15:01

  2
  0
  赞同
  2
  帖子
  7
  浏览

  M 2021年10月20日 15:01

  参数定义： y, q vector of quantiles p vector of probabilities n the number of observations xi the value of xi such that the variance is var(Y) = phi * mu^xi power a synonym for xi mu the mean phi the dispersion exact logical flag; if TRUE (the default), exact zeros are used with the W-algorithm of Sidi (1982); if FALSE, approximate (asymptotic) zeros are used in place of exact zeros. Using asymptotic zeros requires less computation but is often less accurate; using exact zeros can be slower but generally improves accuracy. method either 1, 2 or 3, determining which of three methods to use to compute the density using the inversion method. If method is NULL (the default), the optimal method (in terms of relative accuracy) is used, element-by-element of y. See the Note in the Details section below
• M

  如何用Bert整合R和Excel
  2021年10月2日 12:26 • Mengkelyu   2021年10月2日 14:12

  4
  0
  赞同
  4
  帖子
  3
  浏览

  M 2021年10月2日 14:12

  之后可以尝试利用这些例子 https://bert-toolkit.com/bert-example-functions 来学习Bert的使用 我实验了 Drawing Maps 生成地图的例子，运行上是没有问题的。 之后有趣的项目会再更新
• M

  Solve Non-Linear Equations using R
  2021年4月30日 06:37 • Mengkelyu   2021年5月23日 14:19

  2
  0
  赞同
  2
  帖子
  4
  浏览

  M 2021年5月23日 14:19

  另一个例子：注意，这里为了迭代M的值，IAC返回的是一个函数；nleqslv的初始根猜测是50的原因是不想找到0根 library(nleqslv) M=seq(0.5,1.5, by=0.1) R=rep(0, length(M)) IAC=function(M){ return(function(R){ 1+(R*(1.1-1.15*exp(-M)))-((exp(M*(R-1))-1)/(R-1))-exp(M*(R-1)) }) } for (i in 1:length(R)) { R[i]=nleqslv(50, IAC(M[i]))$x } R
• M

  如何在云服务器部署R plumber Api
  2021年5月16日 00:55 • Mengkelyu   2021年5月16日 00:55

  1
  0
  赞同
  1
  帖子
  4
  浏览

  尚无回复

• M

  ggplot2知识点图表
  ggplot • 2020年5月19日 20:00 • Mengkelyu   2021年5月14日 14:02

  4
  0
  赞同
  4
  帖子
  22
  浏览

  T 2021年5月14日 14:02

  ggplot2是基于R语言下图形语法的一个绘图包，也是目前R语言中最流行最常用的绘图包，真的十分好用 我在这里就抛砖引玉，希望能帮助大家快速了解一下这个包。 1.ggplot基础 在介绍ggplot基础之前，我们需要先安装一下这个包。 install.packages("ggplot2") library(ggplot2) 1.1 ggplot函数 接下来关于ggplot绘图的主要框架长这样（注意是ggplot函数不是ggplot2函数，一定要区分包和函数的名称）： ggplot(data = <DATA>, mapping = aes(<aesthetic_1> = <variable_1>, <aesthetic_2> = <variable_2>,...)) + geom_<TYPE>() + geom_<TYPE>() + <Other functions> + ... 可以看到框架里面第一部分就是核心的ggplot函数，其中： data = <DATA>: 我们所用于绘图的数据 mapping = aes(): aes就是aesthetic的缩写，有审美的意思，也就是说我们在指定了数据之后，想要让数据中的变量如何展现在图中，比如x轴、y轴分别是什么，指定颜色等等。 1.2 geom函数 geom函数是ggplot函数的好兄弟，通过geom函数就可以绘制我们所熟悉的散点图、柱状图、直方图、箱线图等等。主要的geom函数有以下几种： geom_point(): 散点图 geom_bar(): 柱状图 geom_boxplot(): 箱线图 geom_histogram(): 直方图 geom_smooth(): 平滑线 geom_violin(): 小提琴图等等 1.3 示例 那么可以举一个非常简单的小栗子 library(ggplot2) ggplot(data = mtcars, mapping = aes(x = wt, y = mpg)) + geom_point() 画出来的图长这样： mtcars是R里面自带的一个数据集，其中wt表示weight，y表示miles per gallon; geom_point()表示绘制的是散点图，这样这个图表就可以直观的反映在mtcars数据集中，重量和每加仑汽油能行驶的英里数之间的关系。 接下来我们觉得这个黑色的点有点丑，能不能换个颜色呢，重新调整了一下代码： ggplot(data = mtcars, mapping = aes(x = wt, y = mpg, color = "blue")) + geom_point() 画出来的图长这样： 咦，我刚刚明明想把点换成蓝色，为什么变成红色了！我的代码是哪里写的不对呢？ 这里需要注意的是，在ggplot函数中mapping = aes()是指定的一个mapping关系，也就是color这个参数对应了一个叫做"blue"的变量，可以看到图片的右边有一个"blue"的图例，然而实际上并没有这样一个变量，因此R语言中就使得所有点的颜色都是自己的默认颜色(红色)。 那么如果我们想要把所有的点都变成蓝色应该怎么办呢？稍微修改一下上面的代码： ggplot(data = mtcars, mapping = aes(x = wt, y = mpg)) + geom_point(color = "blue") 我们其实只是将指定颜色的代码放进了geom()函数当中，其实也是make sense的，因为我们想要让散点图的点变成蓝色，所以应该写在geom()函数中嘛 这样图片上面的点都变成蓝色了，右边的图例也消失了。看起来顺眼了许多。 今天先写到这里，希望能够对大家理解ggplot2包有帮助，之后有时间会再写一些高级的功能