#نصب_R_در_لینوکس_ubuntu
🆔: @BIMining

#مصورسازی_ماتریس‌_های_همبستگی

#corrplot

تابع corrplot در پکیج corrplot راه‌های منعطفی برای مصورسازی ماتریس‌ها همبستگی پیش روی ما می‌گذارد. با استفاده از این تابع ما می‌توانیم نمودار ماتریس همبستگی را در اشکال، رنگ‌ها و انواع متفاوت رسم کنیم. در ادامه آرگومان‌های مقدماتی و مهم این تابع شرح داده شده است:

آرگومان corr: این آرگومان تعریف کننده ماتریس همبستگی‌ای است که هدف ما مصورسازی آن است.
ماتریس همبستگی باید یک ماتریس مربعی باشد.
اگر درایه‌ها ماتریس از جنس همبستگی نیست و بخواهیم نموداری برای ماتریس‌مان رسم کنیم بایستی دستور is.corr = FALSE را به تابع اضافه کنیم.

مثال:
library(corrplot)

# defining correlation matrix
M=cor(mtcars)

# visualization of M correlation matrix
corrplot(M)

# defining general matrix
gm=matrix(rnorm(mean = 10,sd=3,n=100),nrow = 10,ncol = 10)

# visualization of gm general matrix
corrplot(gm,is.corr = FALSE)


@BIMining

#مصورسازی_ماتریس‌_های_همبستگی

#corrplot

آرگومان method: در این آرگومان الگوهای نمایش همبستگی در ماتریس همبستگی مشخص می‌شود. ۷ حالت برای این آرگومان وجود دارد که با استفاده از مثال‌های زیر می‌توانید حالت ایجاد نمودار ماتریس همبستگی با این ۷ گزینه را امتحان کنید و ببینید:
# visualization of M correlation matrix
corrplot(M,method = "circle")
corrplot(M,method = "square")
corrplot(M,method = "ellipse")
corrplot(M,method = "number")
corrplot(M,method = "pie")
corrplot(M,method = "shade")
corrplot(M,method = "color")

آرگومان type: این آرگومان نوع قطری یا کامل بودن نمودار ماتریس همبستگی را تعیین می‌کنید. گزینه full به معنی نمایش کل ماتریس همبستگی، گزینه upper به معنی نمایش مثلت فوق قطری ماتریس همبستگی و گزینه lower به معنی نمایش مثلت تحت قطری ماتریس همبستگی است. کدهای زیر را اجرا کنید تا حالات مختلف نمایش توسط آٰگومان type را مشاهده کنید:
# type options in corrplot function
corrplot(M,method = "circle",type = "full")
corrplot(M,method = "circle",type = "upper")
corrplot(M,method = "circle",type = "lower")

@BIMining

جلسه پنجاه و یکم -آموزش پایتون**فیلم آموزشی پایتون از صفر تا 100 در کانال @BIMining

جلسه پنجاه و دوم -آموزش پایتون**فیلم آموزشی پایتون از صفر تا 100 در کانال @BIMining

✅پیش بینی زمان وقوع زلزله و شدت آن یکی از آرزوهای قدیمی بشر بوده و حالا ممکن است با کمک هوش مصنوعی این امکان فراهم شود.

در این روزها که زلزله ای به بزرگی 7.3 ریشتر هموطنانمان در استان های غربی را داغدار کرده باز هم بحث هایی از قبیل مقاوم سازی ساختمان ها، افزایش آگاهی مردم و آمادگی ارگان های مختلف برای کمک رسانی بالا گرفته اما پیش بینی زمان و شدت وقوع زمین لرزه آنقدر دور از ذهن به نظر می رسد که کمتر کسی درباره آن سخنی به زبان می آورند.با این وجود تیمی از دانشمندان لابراتور «لوس آلموس» و دانشگاه کمبریج موفق به توسعه روشی شده اند که علی رغم عدم برآورد زمان دقیق زلزله می تواند به پیشگیری از خسارت های جانی و مالی کمک کند. این تکنیک شامل جمع آوری داده های مرتبط به حرکات و اصوات ظریف لایه های زیرزمینی در مناطقی است که سابقه وقوع زمین لرزه دارند.در مرحله بعد کامپیوتر با استفاده از این داده ها و از طریق یادگیری ماشینی می تواند امکان وقوع زلزله در آن ناحیه را تا حدود زیادی پیش بینی کند.با این حال سرپرست این تحقیق اعلام کرده که ما در آزمایشگاه به نتایج خوبی دست یافته ایم اما هنوز در شرایط واقعی این تکنیک را آزمایش نکرده ایم.گفتنی است فناوری تفسیر سیگنال های زیرزمینی از مدت ها قبل وجود داشته اما افزایش توان ذخیره و محاسبه مقادیر زیادی از داده ها در سال های اخیر امکان توسعه چنین تکنیکی را فراهم کرده است.
@BIMining

جلسه پنجاه و سوم -آموزش پایتون**فیلم آموزشی پایتون از صفر تا 100 در کانال @BIMining

جلسه پنجاه و چهارم -آموزش پایتون**فیلم آموزشی پایتون از صفر تا 100 در کانال @BIMining

کتاب بسیار ارزشمند oracle WebLogic Server 12c @BIMining

کتاب بسیار ارزشمند oracle WebLogic Server 12c @BIMining

✅درصد احتمال قهرمانی تیم های حاضر در جام جهانی 2018 روسیه توسط هوش مصنوعی اعلام شد

🇮🇷ایران شانس 1.2 درصدی
@BIMining

کتاب شاخص عملکرد کلیدی KPI @BIMining

کتاب برنامه نویسی اندروید با پایتون @BIMining

کتاب برنامه نویسی اندروید با پایتون @BIMining

پیشگویی آینده فناوری تا سال 2099

@BIMining

جلسه پنجاه و پنجم -موضوع : utf-8 در پایتون -آموزش پایتون**فیلم آموزشی پایتون از صفر تا 100 در کانال @BIMining

جلسه پنجاه و ششم موضوع: فراخوانی،نوشتن در فایلها -آموزش پایتون**فیلم آموزشی پایتون از صفر تا 100 در کانال @BIMining

طراحی و ساخت سیستم های کلان داده با Hdoop @BIMining

طراحی و ساخت سیستم های کلان داده باHdoop @BIMining