随着人们对数据分析质量要求的提高以及科学软件的飞速发展，利用统计软件解读数据渐渐成为了当今人们进行数据分析处理的常用方法。此报告尝试运用统计软件——R语言对互联网金融下的中国保险业相关数据进行挖掘、分析，剖析中国保险市场发展的影响因素，预测未来中国保险业及互联网保险的发展走势，最后根据统计分析结果对互联网金融下的我国保险业的发展提出可行性建议 引言 数据分析 首先，绘制数据的散点图： > year<-c(2007,2008,2009,2010,2011,2012,2013,2014) > income<-c(7036,9784,11137,145...

“机器学习中需要把数据分为训练集和测试集，因此如何划分训练集和测试集就成为影响模型效果的重要因素。本文介绍一种常用的划分最优训练集和测试集的方法——k折交叉验证。”k折交叉验证 K折交叉验证(k-foldcross-validation)首先将所有数据分割成K个子样本，不重复的选取其中一个子样本作为测试集，其他K-1个样本用来训练。共重复K次，平均K次的结果或者使用其它指标，最终得到一个单一估测。 这个方法的优势在于，保证每个子样本都参与训练且都被测试，降低泛化误差。其中，10折交叉验证是最常用的。实例  在线性分类器与性能评价(R语言)中，我们将数据集随机抽取70%作为训练集，剩...

文本分析：主题建模 library(tidyverse) theme_set( theme_bw())  目标 定义主题建模 解释LatentDirichlet以及此过程的工作原理 演示如何使用LDA从一组已知主题中找到主题结构 演示如何使用LDA从一组未知主题中找到主题结构 确定k 选择适当参数的方法 主题建模   通常，当我们在线搜索信息时，有两种主要方法： 关键字使用搜索引擎并输入与我们想要查找的内容相关的单词 链接。链接的页面可能共享相似或相关的内容。 另一种方法是通过主题搜索和探索文档。广泛的主题可能与文章中的各个部分（国家事务，体育）有关，但这...

读取样本数据  D=D[!is.na(apply(D,1,mean)),] ; dim(D)  [1] 416   7 查询部分数据（结果和预测因子） head(D)    time status      age albumin edema protime bili  1  400     &n...

随机对照试验构成通常被认为是用于评估某些干预或感兴趣治疗效果的金标准设计。参与者被随机分配到两个（有时更多）的群体这一事实确保了，至少在期望中，两个治疗组在测量的，重要的是可能影响结果的未测量因素方面是平衡的。因此，两组之间结果的差异可归因于随机化治疗而不是对照（通常是另一种治疗）的效果。   如果随机化没有受到影响，即使不调整任何基线协变量，试验的治疗效果估计也是无偏的。即使在各组之间的某些基线变量出现不平衡的情况下也是如此。这是因为偏差被定义为估计量（由我们的统计程序给出，如线性回归）是否在重复样本中具有等于目标参数的期望。有时估计值会高于真实值，有时低于真实值，但只要平均值等...