【 – 小学作文】
篇一:《win+R 命令大全》
Win +R 命令大全
常用命令已经做好了标记，如有统计不周敬请见谅！
Nslookup－－－－－－－IP地址侦测器
explorer－－－－－－－打开资源管理器
logoff－－－－－－－－注销命令
tsshutdn－－－－－－－60秒倒计时关机命令
lusrmgr.msc－－－－－ 本机用户和组
services.msc－－－－－本地服务设置
oobe/msoobe /a－－－－检查XP是否激活
notepad－－－－－－－－打开记事本
cleanmgr－－－－－－－**整理
net start messenger－－－－开始信使服务
net stop messenger－－－－－停止信使服务
compmgmt.msc－－－－－计算机管理
conf－－－－－－－－－－－启动 netmeeting
dvdplay－－－－－－－－DVD播放器
charmap－－－－－－－－启动字符映射表
diskmgmt.msc－－－－磁盘管理实用程序
calc－－－－－－－－－－－启动计算器
dfrg.msc－－－－－－－磁盘碎片整理程序
chkdsk.exe－－－－－Chkdsk磁盘检查
devmgmt.msc－－－ 设备管理器
regsvr32 /u *.dll－－－－停止dll文件运行
drwtsn32－－－－－－ 系统医生
rononce －p －－－－15秒关机
dxdiag－－－－－－－－－检查DirectX信息
regedt32－－－－－－－注册表编辑器
Msconfig.exe－－－系统配置实用程序
rsop.msc－－－－－－－组策略结果集
mem.exe－－－－－－－－显示内存使用情况
regedit.exe－－－－注册表
winchat－－－－－－－－XP自带局域网聊天
progman－－－－－－－－程序管理器
winmsd－－－－－－－－－系统信息
perfmon.msc－－－－计算机性能监测程序
winver－－－－－－－－－检查Windows版本
sfc /scannow－－－－－扫描错误并复原
taskmgr－－－－－任务管理器（2000／xp／2003）
wmimgmt.msc－－－－打开windows管理体系结构(WMI)
wupdmgr－－－－－－－－windows更新程序
w脚本－－－－－－－－windows脚本宿主设置
write－－－－－－－－－－写字板
winmsd－－－－－－－－－系统信息
wiaacmgr－－－－－－－扫描仪和照相机向导
mem.exe－－－－－－－－显示内存使用情况
Msconfig.exe－－－系统配置实用程序
mplayer2－－－－－－－简易widnows media player
mspaint－－－－－－－－画图板
mstsc－－－－－－－－－－远程桌面连接
mplayer2－－－－－－－媒体播放机
magnify－－－－－－－－放大镜实用程序
mmc－－－－－－－－－－－－打开控制台
mobsync－－－－－－－－同步命令
dcomcnfg－－－－－－－打开系统组件服务
ddeshare－－－－－－－打开DDE共享设置
dvdplay－－－－－－－－DVD播放器
net stop messenger－－－－－停止信使服务
net start messenger－－－－开始信使服务
notepad－－－－－－－－打开记事本
nslookup－－－－－－－网络管理的工具向导
ntbackup－－－－－－－系统备份和还原
narrator－－－－－－－屏幕“讲述人”
ntmsmgr.msc－－－－移动存储管理器
ntmsoprq.msc－－－移动存储管理员*作请求
netstat －an－－－－(TC)命令检查接口
syncapp－－－－－－－－创建一个公文包
sysedit－－－－－－－－系统配置编辑器
sigverif－－－－－－－文件签名验证程序
sndrec32－－－－－－－录音机
shrpubw－－－－－－－－创建共享文件夹
secpol.msc－－－－－本地安全策略
syskey－－－－－－－－－系统加密，一旦加密就不能解开，保护windows xp系统的双重密码
services.msc－－－本地服务设置
Sndvol32－－－－－－－音量控制程序
sfc.exe－－－－－－－－系统文件检查器
sfc /scannow－－－windows文件保护
tsshutdn－－－－－－－60秒倒计时关机命令
tourstart－－－－－－xp简介（安装完成后出现的漫游xp程序）
taskmgr－－－－－－－－任务管理器
eventvwr－－－－－－－事件查看器
eudcedit－－－－－－－造字程序
explorer－－－－－－－打开资源管理器
packager－－－－－－－对象包装程序
perfmon.msc－－－－计算机性能监测程序
progman－－－－－－－－程序管理器
regedit.exe－－－－注册表
rsop.msc－－－－－－－组策略结果集
regedt32－－－－－－－注册表编辑器
rononce －p －－－－15秒关机
regsvr32 /u *.dll－－－－停止dll文件运行
regsvr32 /u zipfldr.dll－－－－－－取消ZIP支持 cmd.exe－－－－－－－－CMD命令提示符
chkdsk.exe－－－－－Chkdsk磁盘检查
certmgr.msc－－－－证书管理实用程序
calc－－－－－－－－－－－启动计算器
charmap－－－－－－－－启动字符映射表
cliconfg－－－－－－－SQL SERVER 客户端网络实用程序 Clipbrd－－－－－－－－剪贴板查看器
conf－－－－－－－－－－－启动netmeeting cleanmgr－－－－－－－**整理
ciadv.msc－－－－－－索引服务程序
osk－－－－－－－－－－－－打开屏幕键盘
iexpress－－－－－－－木马捆绑工具，系统自带 fsmgmt.msc－－－－－共享文件夹管理器
utilman－－－－－－－－辅助工具管理器
gpedit.msc－－－－－组策略
篇二:《线性回归方程中的相关系数r》{1464274787351_r}.{1464274787351_r}.
线性回归方程中的相关系数r
r=∑(Xi-X的平均数)(Yi-Y平均数)/根号下[∑(Xi-X平均数)^2*∑(Yi-Y平均数
)^2]
R2就是相关系数的平方，
R在一元线性方程就直接是因变量自变量的相关系数，多元则是复相关系数
判定系数R^2
也叫拟合优度、可决系数。表达式是:
R^2=ESS/TSS=1-RSS/TSS
该统计量越接近于1，模型的拟合优度越高。
问题：在应用过程中发现，如果在模型中增加一个解释变量， R2往往增大
这就给人一个错觉：要使得模型拟合得好，只要增加解释变量即可。
——但是，现实情况往往是，由增加解释变量个数引起的R2的增大与拟合好坏无关，R2需调整。
这就有了调整的拟合优度:
R1^2=1-(RSS/(n-k-1))/(TSS/(n-1))
在样本容量一定的情况下，增加解释变量必定使得自由度减少，所以调整的思路是:将残差平方和与总离差平方和分别除以各自的自由度，以剔除变量个数对拟合优度的影响: 其中：n-k-1为残差平方和的自由度，n-1为总体平方和的自由度。
总是来说，调整的判定系数比起判定系数，除去了因为变量个数增加对判定结果的影响。 R = R接近于1表明Y与X1， X2 ，…，Xk之间的线性关系程度密切；
R接近于0表明Y与X1， X2 ，…，Xk之间的线性关系程度不密切
相关系数就是线性相关度的大小，1为（100%）绝对正相关，0为0%，-1为（100%）绝对负相关
相关系数绝对值越靠近1，线性相关性质越好，根据数据描点画出来的函数-自变量图线越趋近于一条平直线，拟合的直线与描点所得图线也更相近。
如果其绝对值越靠近0，那么就说明线性相关性越差，根据数据点描出的图线和拟合曲线相差越远（当相关系数太小时，本来拟合就已经没有意义，如果强行拟合一条直线，再把数据点在同一坐标纸上画出来，可以发现大部分的点偏离这条直线很远，所以用这个直线来拟合是会出现很大误差的或者说是根本错误的）。
分为一元线性回归和多元线性回归
线性回归方程中,回归系数的含义 一元：
Y^=bX+a b表示X每变动（增加或减少）1个单位,Y平均变动（增加或减少）b各单位 多元：
Y^=b1X1+b2X2+b3X3+a 在其他变量不变的情况下，某变量变动1单位，引起y平均变动量
以b2为例：b2表示在X1、X3（在其他变量不变的情况下）不变得情况下，X2每变动1单位，y平均变动b2单位
就一个reg来说y=a+bx+e
a+bx的误差称为explained sum of square
e的误差是不能解释的是residual sum of square
总误差就是TSS
所以TSS=RSS+ESS
判定系数也叫拟合优度、可决系数。表达式是
该统计量越接近于1，模型的拟合优度越高。
问题：在应用过程中发现，如果在模型中增加一个解释变量， R2往往增大
这就给人一个错觉：要使得模型拟合得好，只要增加解释变量即可。
——但是，现实情况往往是，由增加解释变量个数引起的R2的增大与拟合好坏无关，R2需调整。
这就有了调整的拟合优度
在样本容量一定的情况下，增加解释变量必定使得自由度减少，所以调整的思路是
:将残差平方和与总离差平方和分别除以各自的自由度，以剔除变量个数对拟合优度的影响:其中：n-k-1为残差平方和的自由度，n-1为总体平方和的自由度。
总是来说，调整的判定系数比起判定系数，除去了因为变量个数增加对判定结果的影响。 顺便补充一下：
一般做回归的时候要求拟合优度（实际值与拟合值相关系数的平方）越高越好，可以通过增加解释变量来实现，可是解释变量多了后很多解释变量的系数T检验不显著了，而且增加很多变量后模型的自由度就减少了，这些情况狂的存在往往使得模型预测不精确；修正拟合优度就是将残差平方和跟总离差平方和分别除以各自的自由度，这样就剔除了变量个数对其影响了。
首先有一个恒等式：TSS = ESS + RSS
即总偏差平方和 = 回归平方和 + 残差平方和
通常情况，我们都是讨论解释变量对总效应的贡献，使用一个叫“拟合优度”（或者叫“判定系数”）的指标
其定义为：
回归平方和 / 总偏差平方和 =ESS/TSS = (TSS-RSS)/TSS =(923-325)/923
如果说随机误差对总效应的贡献，那可以直接 RSS/TSS
因为 1 – (TSS-RSS)/TSS 就可以化为 RSS / TSS
篇三:《R语言实战学习笔记_第五章》
第五章：高级数据管理
5.2数值和字符处理函数
代码：设定随机数种子
> runif(5) #生成0到1区间上服从均匀分布的伪随机数 [1] 0.18866859 0.37082322 0.01029355 0.73821923 0.42429211 > runif(5)
[1] 0.571422300 0.455645452 0.398581830 0.002924141 0.238183502 > set.seed(1234) #显式指定伪随机数种子 > runif(5)
[1] 0.1137034 0.6222994 0.6092747 0.6233794 0.8609154 > set.seed(1234) > runif(5)
[1] 0.1137034 0.6222994 0.6092747 0.6233794 0.8609154 代码：生成多元正态数据 > install.packages("MASS") > library(MASS) > options(digits=3) > set.seed(1234)
> mean=c(230.7,146.7,3.6)
> sigma=matrix(c(15360.8,6721.2,-47.1,6721.2,4700.9,-16.5, -47.1,-16.5,0.3),nrow=3,ncol=3) > mydata<-mvrnorm(500,mean,sigma) > mydata<-as.data.frame(mydata) > names(mydata)<-c("Y","x1","x2"){1464274787351_r}.
函数apply()，调用格式：apply(x,MARGIN,FUN,…),MARGEN=1表示行，2为列
5.3数据处理难题的一套解决方案
代码：将学生的各科考试成绩组合为单一的成绩衡量指标，给予相对名次给出从A到F的评分，根据学生的姓氏和名字的首字母对花名册进行排序。 > options(digits=2)
> student<-c("John Davis","Angela Williams","Bullwinkle Moose","David Jones","Janice
Markhammer","Cheryl Cushing","Reuven Ytzrhak","Greg Knox","Joel England","Mary Rayburn")
> math<-c(502,600,412,358,495,512,410,625,573,522) > science<-c(95,99,80,82,75,85,80,95,89,86) > english<-c(25,22,18,15,20,28,15,30,27,18)
> roster<-data.frame(student,math,science,english,stringsAsFactors=F) > z<-scale(roster[,2:4]) > score<-apply(z,1,mean) > roster<-cbind(roster,score) > y<-quantile(score,c(.8,.6,.4,.2)) > roster$grade[score>=y[1]]<-"A"
> roster$grade[score<y[1]&score>=y[2]]<-"B" > roster$grade[score<y[2]&score>=y[3]]<-"C" > roster$grade[score<y[3]&score>=y[4]]<-"D" > roster$grade[score<y[4]]<-"F" > name<-strsplit((roster$student)," ") > lastname<-sapply(name,"[",2) > firstname<-sapply(name,"[",1)
> roster<-cbind(firstname,lastname,roster[,-1]) > roster<-roster[order(lastname,firstname),] > roster
5.4控制流
5.4.1重复和循环 for结构
for(var in seq) statement 例：for(i in 1:10) print(“Hello”) while结构
while(cond) statement 例：i<-10 while(i>0) {print(“Hello”;i<-i-1)} 5.4.2条件执行 if-else结构
if(cond) statement
if(cond) statement1 else statement2 ifelse结构
ifelse(cond,statement1,statement2)，若cond为TRUE，则执行第一个语句，否则执行第二个
switch结构
swich(expr,…)，…表示与expr的各种可能输出值绑定的语句{1464274787351_r}.
5.5用户自编函数
一个函数的大概结构：
myfunction<-function(arg1,arg2,…){ statement return(object) }
代码：一个描述性统计量计算函数
> mystats<-function(x,parametric=TRUE,print=FALSE){ if(parametric){
center<-mean(x);spread<-sd(x) }else{
center<-median(x);spread<-mad(x) }
if(print¶metric){
cat("Mean=",center,"\n","SD=",spread,"\n") }else if(print&!parametric){
cat("Median=",center,"\n","MAD=",spread,"\n") }
result<-list(center=center,spread=spread) return(result) }
> set.seed(1234) > x<-rnorm(500) > y<-mystats(x) > y
5.6整合与重构
转置：t()函数，格式t