请升级到MicrosoftEdge以使用最新的功能、安全更新和技术支持。
重要
从2021年12月1日开始，你将无法创建新的机器学习工作室（经典）资源。在2024年8月31日之前，可继续使用现有的机器学习工作室（经典）资源。
ML工作室（经典）文档即将停用，将来可能不会更新。
本教程介绍如何使用机器学习工作室（经典版）创建、测试和执行R代码。最后，你将获得完整的预测解决方案。
机器学习Studio（经典版）包含许多功能强大的机器学习和数据操作模块。借助R编程语言，此组合提供可伸缩性和轻松部署机器学习Studio（经典），并具有R的灵活性和深入分析。
在本教程中，你将使用加州乳品生产和定价数据，其中包括有关多个奶制品生产的每月信息以及牛奶脂肪的价格，这是基准商品。
本部分介绍在机器学习Studio（经典）环境中与R编程语言交互的一些基础知识。R语言提供了一个功能强大的工具，用于在机器学习Studio（经典）环境中创建自定义分析和数据操作模块。
如果要开发R代码（例如，使用机器学习Studio（经典版）的Web服务，则绝对应该规划代码如何处理意外的数据输入和异常。为了保持清晰性，在所示的大部分代码示例中，我们并没有以检查或异常处理的方式包含太多内容。继续操作时，我们将使用R的异常处理功能提供多个函数示例。
R代码的执行和机器学习Studio（经典）平台上的输出主要位于output.log中。error.log中提供了一些其他信息。
x<-1.0z<-x+y此代码无法执行，这会导致错误条件。在“属性”窗格中选择“查看错误日志”将生成以下显示。
[Critical]Error:Error0063:ThefollowingerroroccurredduringevaluationofRscript:----------StartoferrormessagefromR----------object'y'notfoundobject'y'notfound-----------EndoferrormessagefromR-----------此错误消息没有意料之外的内容，明确标识了问题所在。
要检查R中的任何对象的值，可以将这些值打印到output.log文件。检查对象的值的规则本质上与交互式R会话中的相同。例如，如果在行中输入变量名称，则对象的值将打印到output.log文件中。
data.set<-data.frame(installed.packages())maml.mapOutputPort("data.set")如果此时不了解此代码的最后一行，请继续阅读。本文的其余部分将广泛讨论在机器学习Studio（经典）环境中使用R。
首先将csdairydata.csv文件加载到机器学习Studio（经典）。
现在，我们已在机器学习Studio（经典）中提供了一些数据，因此我们需要创建一个试验来执行分析。
此时，试验应类似于此示例。
让我们看看已加载到试验中的数据。在试验中，选择cadairydata.csv数据集的输出，然后选择“可视化”。应会看到类似于此摘要的内容。
此视图显示大量有用的信息。可以看到数据集的前几行。如果选择列，“统计信息”部分会显示有关该列的详细信息。例如，“功能类型”行显示分配给列机器学习Studio（经典）的数据类型。在开始执行任何严肃工作之前，请检查此视图。
让我们创建一个简单的第一个R脚本，在机器学习Studio（经典版）中进行试验。我们在RStudio中创建并测试了以下脚本。
##Onlyoneofthefollowingtwolinesshouldbeused##IfrunninginMachineLearningStudio(classic),usethefirstlinewithmaml.mapInputPort()##IfinRStudio,usethesecondlinewithread.csv()cadairydata<-maml.mapInputPort(1)#cadairydata<-read.csv("cadairydata.csv",header=TRUE,stringsAsFactors=FALSE)str(cadairydata)pairs(~Cotagecheese.Prod+Icecream.Prod+Milk.Prod+N.CA.Fat.Price,data=cadairydata)##Thefollowinglineshouldbeexecutedonlywhenrunningin##MachineLearningStudio(classic)maml.mapOutputPort('cadairydata')现在，我们需要将此脚本传输到机器学习Studio（经典）。可以剪切和粘贴，但在这种情况下，可以通过zip文件传输R脚本。
让我们从左到右查看每个输入。将光标置于输入上并阅读工具提示可看到每个输入的名称。
source("src/yourfile.R")#ReadsazippedRscriptload("src/yourData.rdata")#ReadsazippedRdatafile注意
机器学习Studio（经典版）将zip文件中的文件视为src/目录中的文件，因此需要将此目录名称作为前缀。例如，如果zip文件包含文件yourfile.R，并且yourData.rdata位于zip文件的根目录中，则使用时和loadsrc/yourData.rdata使用时source将这些文件src/yourfile.R寻址。
使用Dataset1输入可以将表格数据传递到R代码。在我们的简单脚本中，该maml.mapInputPort(1)函数从端口1读取数据。之后将此数据分配到代码中的数据框变量名。在我们的简单脚本中，第一行代码执行分配。
[ModuleOutput]InputDataStructure[ModuleOutput][ModuleOutput]{[ModuleOutput]"InputName":Dataset1[ModuleOutput]"Rows":228[ModuleOutput]"Cols":9[ModuleOutput]"ColumnTypes":System.Int32,3,System.Double,5,System.String,1[ModuleOutput]}页面更详细地介绍了列的详细信息，类似于以下输出。
[ModuleOutput][1]"Loadingvariableport1..."[ModuleOutput][ModuleOutput]'data.frame':228obs.of9variables:[ModuleOutput][ModuleOutput]$Column0:int12345678910...[ModuleOutput][ModuleOutput]$Year.Month:num19951995199519951995...[ModuleOutput][ModuleOutput]$Month.Number:int12345678910...[ModuleOutput][ModuleOutput]$Year:int1995199519951995199519951995199519951995...[ModuleOutput][ModuleOutput]$Month:chr"Jan""Feb""Mar""Apr"...[ModuleOutput][ModuleOutput]$Cotagecheese.Prod:num4.373.694.544.284.47...[ModuleOutput][ModuleOutput]$Icecream.Prod:num51.656.168.565.773.7...[ModuleOutput][ModuleOutput]$Milk.Prod:num2.111.932.162.132.23...[ModuleOutput][ModuleOutput]$N.CA.Fat.Price:num0.980.8920.8920.8970.897...这些结果大多和预期的一样，数据框中包含228个观测值和9个列。我们可以看到列名称、R数据类型和每个列的示例。
注意
Dataset2的输入行为与Dataset1相同。使用此输入，可以将第二个矩形数据表传递到R代码中。使用具有参数2的函数maml.mapInputPort(2)传递此数据。
可以使用maml.mapOutputPort()函数，通过结果Dataset1端口将R数据框的内容输出为表格。在我们的简单R脚本中，此操作由以下行执行。
maml.mapOutputPort('cadairydata')运行试验后，选择结果Dataset1输出端口，然后选择“可视化”。应会看到类似此示例的内容。
该输出看起来和输入一样，和我们的预期完全相同。
若要查看R设备输出，请选择端口，然后选择“可视化”。我们在此处看到R脚本中的标准输出和标准错误。
向下滚动后，可以看到R脚本的图形输出。
在本部分中，我们将对加州乳品数据执行一些基本数据筛选和转换操作。在本部分结束时，我们将提供适合生成分析模型的格式的数据。
更具体地说，在本部分中，我们将执行几个常见的数据清理和转换任务：类型转换、数据帧筛选、添加新计算列和值转换。此背景知识可帮助你应对遇到的各种实际问题。
当表格数据从外部源读入R时，最好检查列中生成的类型。可能需要类型字符的列，但在许多情况下，该列将显示为因子，反之亦然。在其他情况下，认为应为数字的列由字符数据表示，例如“1.23”而不是1.23作为浮点数。
幸运的是，只要有可能映射，就可以轻松地将一种类型转换为另一种类型。例如，不能将“内华达州”转换为数值，但你可以将其转换为因子（分类变量）。例如，可以将数字1转换为字符“1”或因子。
所有这些转换的语法非常简单：as.datatype()。这些类型转换函数包括以下函数：
查看我们在上一节中输入的列的数据类型，所有列都是数值类型。例外是标记为“Month”的列，该列的类型为字符。让我们将此类型转换为一个因素，并测试结果。
[ModuleOutput][1]"Loadingvariableport1..."[ModuleOutput][ModuleOutput]'data.frame':228obs.of9variables:[ModuleOutput][ModuleOutput]$Column0:int12345678910...[ModuleOutput][ModuleOutput]$Year.Month:num19951995199519951995...[ModuleOutput][ModuleOutput]$Month.Number:int12345678910...[ModuleOutput][ModuleOutput]$Year:int1995199519951995199519951995199519951995...[ModuleOutput][ModuleOutput]$Month:Factorw/14levels"Apr","April",..:6591118731413...[ModuleOutput][ModuleOutput]$Cotagecheese.Prod:num4.373.694.544.284.47...[ModuleOutput][ModuleOutput]$Icecream.Prod:num51.656.168.565.773.7...[ModuleOutput][ModuleOutput]$Milk.Prod:num2.111.932.162.132.23...[ModuleOutput][ModuleOutput]$N.CA.Fat.Price:num0.980.8920.8920.8970.897...[ModuleOutput][ModuleOutput][1]"Savingvariablecadairydata..."[ModuleOutput][ModuleOutput][1]"Savingthefollowingitem(s):.maml.oport1"Month的类型现在应为Factorw/14级别。此类型是一个问题，因为当年只有12个月。还可以检查结果数据集端口可视化中的类型是否为分类。
问题是“月”列尚未系统编码。在某些情况下，一个月称为“四月”，而另一个月则缩写为“四月”。可以通过将字符串剪裁为三个字符来解决此问题。代码行现在如以下示例所示。
##Ensurethecodingisconsistentandconvertcolumntoafactorcadairydata$Month<-as.factor(substr(cadairydata$Month,1,3))重新运行试验并查看输出日志。此处显示了预期结果。
[ModuleOutput][1]"Loadingvariableport1..."[ModuleOutput][ModuleOutput]'data.frame':228obs.of9variables:[ModuleOutput][ModuleOutput]$Column0:int12345678910...[ModuleOutput][ModuleOutput]$Year.Month:num19951995199519951995...[ModuleOutput][ModuleOutput]$Month.Number:int12345678910...[ModuleOutput][ModuleOutput]$Year:int1995199519951995199519951995199519951995...[ModuleOutput][ModuleOutput]$Month:Factorw/12levels"Apr","Aug","Dec",..:548197621211...[ModuleOutput][ModuleOutput]$Cotagecheese.Prod:num4.373.694.544.284.47...[ModuleOutput][ModuleOutput]$Icecream.Prod:num51.656.168.565.773.7...[ModuleOutput][ModuleOutput]$Milk.Prod:num2.111.932.162.132.23...[ModuleOutput][ModuleOutput]$N.CA.Fat.Price:num0.980.8920.8920.8970.897...[ModuleOutput][ModuleOutput][1]"Savingvariablecadairydata..."[ModuleOutput][ModuleOutput][1]"Savingthefollowingitem(s):.maml.oport1"现在因子变量具有所需的12个级别。
我们应该对数据集执行一点筛选。如果查看cadairydata数据帧中的列，你将看到两个不必要的列。第一列包含行号，这并不十分有用。第二列Year.Month包含冗余的信息。使用以下R代码可轻松地排除这两列。
#Removetwocolumnswedonotneedcadairydata<-cadairydata[,c(-1,-2)]在试验中运行此代码，并检查输出日志的结果。此处显示了这些结果。
[ModuleOutput][1]"Loadingvariableport1..."[ModuleOutput][ModuleOutput]'data.frame':228obs.of7variables:[ModuleOutput][ModuleOutput]$Month.Number:int12345678910...[ModuleOutput][ModuleOutput]$Year:int1995199519951995199519951995199519951995...[ModuleOutput][ModuleOutput]$Month:Factorw/12levels"Apr","Aug","Dec",..:548197621211...[ModuleOutput][ModuleOutput]$Cotagecheese.Prod:num4.373.694.544.284.47...[ModuleOutput][ModuleOutput]$Icecream.Prod:num51.656.168.565.773.7...[ModuleOutput][ModuleOutput]$Milk.Prod:num2.111.932.162.132.23...[ModuleOutput][ModuleOutput]$N.CA.Fat.Price:num0.980.8920.8920.8970.897...[ModuleOutput][ModuleOutput][1]"Savingvariablecadairydata..."[ModuleOutput][ModuleOutput][1]"Savingthefollowingitem(s):.maml.oport1"我们现在获得预期的结果。
若要创建时序模型，可以方便地创建包含时序开始以来的月份的列。我们将创建新的列Month.Count。
为了帮助组织代码，我们将创建第一个简单函数。num.month()然后，我们将应用此函数以在数据帧中创建新列。新代码如下所示：
##Createanewcolumnwiththemonthcount##Functiontofindthenumberofmonthsfromthefirst##monthofthetimeseriesnum.month<-function(Year,Month){##Findthestartingyearmin.year<-min(Year)##Computethenumberofmonthsfromthestartofthetimeseries12*(Year-min.year)+Month-1}##Computethenewcolumnforthedataframecadairydata$Month.Count<-num.month(cadairydata$Year,cadairydata$Month.Number)现在运行更新的试验，并使用输出日志查看结果。此处显示了这些结果。
[ModuleOutput][1]"Loadingvariableport1..."[ModuleOutput][ModuleOutput]'data.frame':228obs.of8variables:[ModuleOutput][ModuleOutput]$Month.Number:int12345678910...[ModuleOutput][ModuleOutput]$Year:int1995199519951995199519951995199519951995...[ModuleOutput][ModuleOutput]$Month:Factorw/12levels"Apr","Aug","Dec",..:548197621211...[ModuleOutput][ModuleOutput]$Cotagecheese.Prod:num4.373.694.544.284.47...[ModuleOutput][ModuleOutput]$Icecream.Prod:num51.656.168.565.773.7...[ModuleOutput][ModuleOutput]$Milk.Prod:num2.111.932.162.132.23...[ModuleOutput][ModuleOutput]$N.CA.Fat.Price:num0.980.8920.8920.8970.897...[ModuleOutput][ModuleOutput]$Month.Count:num0123456789...[ModuleOutput][ModuleOutput][1]"Savingvariablecadairydata..."[ModuleOutput][ModuleOutput][1]"Savingthefollowingitem(s):.maml.oport1"看起来一切正常。数据框中包含了具有预期值的新列。
如果查看数据帧摘要中的值，则应在此处看到一些奇怪的内容。加利福尼亚州生产的冰激凌比牛奶还多吗？不，当然不是。问题是单位不同。价格以美元为单位，牛奶单位为100万英镑，冰淇淋单位为1000加仑，平房奶酪单位为1000英镑。假设冰淇淋每加仑重约6.5磅，我们可以轻松地执行乘法来转换这些值，以便它们全部以1,000磅的等单位为单位。
对于预测模型，我们使用乘法模型来调整此数据的趋势和季节性调整。日志转换允许我们使用线性模型来简化此过程。可以在应用乘数的相同函数中应用对数转换。
在以下代码中，我们定义一个新函数，log.transform()并将其应用于包含数值的行。RMap()函数用于将log.transform()函数应用到数据框的所选列。该Map()函数类似于apply()，但它允许函数的多个参数列表。请注意，乘数列表向log.transform()函数提供了另一个参数。该na.omit()函数用作一些清理，以确保数据帧中没有缺失或未定义的值。
如果你不习惯在R中进行防御性编程，则所有这些代码可能都是压倒性的。让我们逐步完成主要步骤：
在试验中执行此R代码，并在output.log文件中查看打印输出。现在，你将看到日志中四列的转换值，如下所示。
[ModuleOutput][1]"Loadingvariableport1..."[ModuleOutput][ModuleOutput]'data.frame':228obs.of8variables:[ModuleOutput][ModuleOutput]$Month.Number:int12345678910...[ModuleOutput][ModuleOutput]$Year:int1995199519951995199519951995199519951995...[ModuleOutput][ModuleOutput]$Month:Factorw/12levels"Apr","Aug","Dec",..:548197621211...[ModuleOutput][ModuleOutput]$Cotagecheese.Prod:num1.471.311.511.451.5...[ModuleOutput][ModuleOutput]$Icecream.Prod:num5.825.96.16.066.17...[ModuleOutput][ModuleOutput]$Milk.Prod:num7.667.577.687.667.71...[ModuleOutput][ModuleOutput]$N.CA.Fat.Price:num6.896.796.796.86.8...[ModuleOutput][ModuleOutput]$Month.Count:num0123456789...[ModuleOutput][ModuleOutput][1]"Savingvariablecadairydata..."[ModuleOutput][ModuleOutput][1]"Savingthefollowingitem(s):.maml.oport1"可以看到值已被转换。牛奶生产现在大大超过了所有其他奶制品生产，回忆说，我们现在正在研究一个日志规模。
正如我们对第一个示例所做的那样，我们将逐步完成示例。在某些时候，我们将在每个步骤中仅显示递增的R代码行。
第一步，读取数据框，并确保得到预期的结果。下面的代码可执行此作业。
#CommentthefollowingifusingRStudiocadairydata<-maml.mapInputPort(1)str(cadairydata)#Checktheresults现在，运行试验。新的执行R脚本形状的日志应如以下示例所示。
[ModuleOutput][1]"Loadingvariableport1..."[ModuleOutput][ModuleOutput]'data.frame':228obs.of8variables:[ModuleOutput][ModuleOutput]$Month.Number:int12345678910...[ModuleOutput][ModuleOutput]$Year:int1995199519951995199519951995199519951995...[ModuleOutput][ModuleOutput]$Month:Factorw/12levels"Apr","Aug","Dec",..:548197621211...[ModuleOutput][ModuleOutput]$Cotagecheese.Prod:num1.471.311.511.451.5...[ModuleOutput][ModuleOutput]$Icecream.Prod:num5.825.96.16.066.17...[ModuleOutput][ModuleOutput]$Milk.Prod:num7.667.577.687.667.71...[ModuleOutput][ModuleOutput]$N.CA.Fat.Price:num6.896.796.796.86.8...[ModuleOutput][ModuleOutput]$Month.Count:num0123456789...此数据具有预期的类型和格式。现在，Month列的类型为因子，并且具有预期的级别数。
我们需要向数据框中添加一个时序对象。将当前代码替换为以下代码，这将添加新的POSIXct类列。
#CommentthefollowingifusingRStudiocadairydata<-maml.mapInputPort(1)##CreateanewcolumnasaPOSIXctobjectSys.setenv(TZ="PST8PDT")cadairydata$Time<-as.POSIXct(strptime(paste(as.character(cadairydata$Year),"-",as.character(cadairydata$Month.Number),"-0100:00:00",sep=""),"%Y-%m-%d%H:%M:%S"))str(cadairydata)#Checktheresults现在，检查日志。它应类似于此示例。
[ModuleOutput][1]"Loadingvariableport1..."[ModuleOutput][ModuleOutput]'data.frame':228obs.of9variables:[ModuleOutput][ModuleOutput]$Month.Number:int12345678910...[ModuleOutput][ModuleOutput]$Year:int1995199519951995199519951995199519951995...[ModuleOutput][ModuleOutput]$Month:Factorw/12levels"Apr","Aug","Dec",..:548197621211...[ModuleOutput][ModuleOutput]$Cotagecheese.Prod:num1.471.311.511.451.5...[ModuleOutput][ModuleOutput]$Icecream.Prod:num5.825.96.16.066.17...[ModuleOutput][ModuleOutput]$Milk.Prod:num7.667.577.687.667.71...[ModuleOutput][ModuleOutput]$N.CA.Fat.Price:num6.896.796.796.86.8...[ModuleOutput][ModuleOutput]$Month.Count:num0123456789...[ModuleOutput][ModuleOutput]$Time:POSIXct,format:"1995-01-01""1995-02-01"...从此摘要中可以看到新列实际为POSIXct类。
让我们探讨一下此数据集的一些变量。散点图矩阵是生成快速外观的好方法。我们将前面的R代码中的函数替换为str()以下行。
pairs(~Cotagecheese.Prod+Icecream.Prod+Milk.Prod+N.CA.Fat.Price,data=cadairydata,main="PairwiseScatterplotsofdairytimeseries")运行此代码，并查看发生的情况。R设备端口生成的绘图应如以下示例所示。
这些变量之间的关系中存在一些奇怪的结构。也许这种结构源于数据的趋势以及我们尚未标准化变量的事实。
若要执行关联分析，我们需要取消趋势并标准化变量。我们只需使用Rscale()函数，该函数可以同时对变量进行中心化和规范化处理。该函数可能运行较快。但是，让我们看看R中的防御性编程示例。
以下ts.detrend()函数执行这两项操作。以下两行代码对数据进行去趋势处理，并标准化值。
我们已经讨论了值转换中的防御性编程示例。这两个计算代码块包装在tryCatch()中。对于某些错误，返回原始输入向量是有意义的。在其他情况下，我们将返回零的向量。
请注意，用于去趋势的线性回归是一个时序回归。预测器变量是一个时序对象。
定义后ts.detrend()，我们将它应用于数据帧中感兴趣的变量。我们必须使用as.data.frame()将生成的列表lapply()强制添加到数据帧中的数据。由于防御方面ts.detrend()，无法处理其中一个变量不会阻止对其他变量进行正确的处理。
最后一行代码创建成对散点图。运行R代码后，散点图的结果如下所示。
可以将这些结果与前面示例中所示的结果进行比较。去除趋势和标准化变量后，这些变量之间的关系结构就不那么明显了。
##Afunctiontocomputepairwisecorrelationsfroma##listoftimeseriesvaluevectorspair.cor<-function(pair.ind,ts.list,lag.max=1,plot=FALSE){ccf(ts.list[[pair.ind[1]]],ts.list[[pair.ind[2]]],lag.max=lag.max,plot=plot)}##Alistofthepairwiseindicescorpairs<-list(c(1,2),c(1,3),c(1,4),c(2,3),c(2,4),c(3,4))##Computethelistofccfobjectscadairycorrelations<-lapply(corpairs,pair.cor,df.detrend)cadairycorrelations运行此代码将生成此处显示的日志。
df.correlations<-data.frame(do.call(rbind,lapply(cadairycorrelations,'[[',1)))c.names<-c("correlationpair","-1lag","0lag","+1lag")r.names<-c("CorrCotCheese-IceCream","CorrCotCheese-MilkProd","CorrCotCheese-FatPrice","CorrIceCream-MikProd","CorrIceCream-FatPrice","CorrMilkProd-FatPrice")##Buildadataframewiththerownamescolumnandthe##correlationdataframeandassignthecolumnnamesoutframe<-cbind(r.names,df.correlations)colnames(outframe)<-c.namesoutframe##WARNING!##ThefollowinglineworksonlyinMachineLearningStudio(classic)##WhenrunninginRStudio,thiscodewillresultinanerror#maml.mapOutputPort('outframe')第一行代码有点棘手，一些解释可能有助于理解它。从内到外工作，我们有：
运行代码将生成此处显示的输出，当我们选择“可视化”以查看结果数据集端口上的输出。和预期的一样，行名在第一列中。
我们的数据现在采用适合分析的形式，我们已确定变量之间没有明显的关联。让我们继续并创建时序预测模型。使用此模型，我们将预测2013年12个月的加州牛奶产量。
我们的预测模型包含两个成分：趋势成分和季节性成分。完满的预测是这两个成分的乘积。此类型模型被称为乘法模型。另一种可供选择的模型为加法模型。我们已经将日志转换应用于感兴趣的变量，这使得此分析变得易于处理。
#IfrunninginMachineLearningStudio(classic),uncommentthefirstlinewithmaml.mapInputPort()cadairydata<-maml.mapInputPort(1)##CreateanewcolumnasaPOSIXctobjectSys.setenv(TZ="PST8PDT")cadairydata$Time<-as.POSIXct(strptime(paste(as.character(cadairydata$Year),"-",as.character(cadairydata$Month.Number),"-0100:00:00",sep=""),"%Y-%m-%d%H:%M:%S"))str(cadairydata)运行此代码，并查看日志。结果应如下例所示。
[ModuleOutput][1]"Loadingvariableport1..."[ModuleOutput][ModuleOutput]'data.frame':228obs.of9variables:[ModuleOutput][ModuleOutput]$Month.Number:int12345678910...[ModuleOutput][ModuleOutput]$Year:int1995199519951995199519951995199519951995...[ModuleOutput][ModuleOutput]$Month:Factorw/12levels"Apr","Aug","Dec",..:548197621211...[ModuleOutput][ModuleOutput]$Cotagecheese.Prod:num1.471.311.511.451.5...[ModuleOutput][ModuleOutput]$Icecream.Prod:num5.825.96.16.066.17...[ModuleOutput][ModuleOutput]$Milk.Prod:num7.667.577.687.667.71...[ModuleOutput][ModuleOutput]$N.CA.Fat.Price:num6.896.796.796.86.8...[ModuleOutput][ModuleOutput]$Month.Count:num0123456789...[ModuleOutput][ModuleOutput]$Time:POSIXct,format:"1995-01-01""1995-02-01"...有了这个结果，我们就可以开始分析了。
构造数据帧后，需要创建训练数据集。该数据包含所有观测值，2013年的12个月的数据除外，2013年数据是测试数据集。以下代码将数据框划分为不同子集，并创建乳品生产和价格变量的图形。然后，创建四个生产和价格变量的绘图。在Map()函数中使用匿名函数定义图形的一些参数，并遍历其他两个参数的列表。如果你认为for循环会在这里正常工作，你是正确的。但是，由于R是一种功能语言，因此我们正在研究一种功能方法。
。
现在，我们已经创建了一个时序对象并查看了数据，接下来让我们开始为加州牛奶生产数据构建趋势模型。可以使用时序回归。从绘图中可以清楚地看出，我们需要更多的斜率和截距来准确建模训练数据中观察到的趋势。
鉴于数据规模较小，我们将在RStudio中生成趋势模型，然后将生成的模型剪切并粘贴到机器学习Studio（经典）。RStudio为此类型的交互式分析提供了交互式环境。
作为第一次尝试，我们将尝试一个多项式回归，其幂高达3。这些类型的模型过度拟合存在真正的危险。最好避免高序术语。该I()函数禁止解释内容（按原样解释内容），并允许在回归公式中编写文本解释函数。
milk.lm<-lm(Milk.Prod~Time+I(Month.Count^2)+I(Month.Count^3),data=cadairytrain)summary(milk.lm)此函数生成以下输出。
####Call:##lm(formula=Milk.Prod~Time+I(Month.Count^2)+I(Month.Count^3),##data=cadairytrain)####Residuals:##Min1QMedian3QMax##-0.12667-0.027300.002360.029430.10586####Coefficients:##EstimateStd.ErrortvaluePr(>|t|)##(Intercept)6.33e+001.45e-0143.60<2e-16***##Time1.63e-091.72e-109.47<2e-16***##I(Month.Count^2)-1.71e-064.89e-06-0.350.726##I(Month.Count^3)-3.24e-081.49e-08-2.170.031*##---##Signif.codes:0'***'0.001'**'0.01'*'0.05'.'0.1''1####Residualstandarderror:0.0418on212degreesoffreedom##MultipleR-squared:0.941,AdjustedR-squared:0.94##F-statistic:1.12e+03on3and212DF,p-value:<2e-16在此输出中的P值（Pr(>|t|)）中，可以看到平方术语可能并不重要。我们将使用该update()函数通过删除平方术语来修改此模型。
milk.lm<-update(milk.lm,.~.-I(Month.Count^2))summary(milk.lm)此函数生成以下输出。
####Call:##lm(formula=Milk.Prod~Time+I(Month.Count^3),data=cadairytrain)####Residuals:##Min1QMedian3QMax##-0.12597-0.026590.001850.029630.10696####Coefficients:##EstimateStd.ErrortvaluePr(>|t|)##(Intercept)6.38e+004.07e-02156.6<2e-16***##Time1.57e-094.32e-1136.3<2e-16***##I(Month.Count^3)-3.76e-082.50e-09-15.1<2e-16***##---##Signif.codes:0'***'0.001'**'0.01'*'0.05'.'0.1''1####Residualstandarderror:0.0417on213degreesoffreedom##MultipleR-squared:0.941,AdjustedR-squared:0.94##F-statistic:1.69e+03on2and213DF,p-value:<2e-16此输出看起来更好。所有项都重要。2e-16值是默认值，不应过于认真对待。
milk.lm<-lm(Milk.Prod~Time+I(Month.Count^3),data=cadairytrain)plot(cadairytrain$Time,cadairytrain$Milk.Prod,xlab="Time",ylab="LogCAMilkProduction1000slb",type="l")lines(cadairytrain$Time,predict(milk.lm,cadairytrain),lty=2,col=2)
从图上看来趋势模型很好地拟合了数据。此外，似乎没有过度拟合的证据，如模型曲线中的奇怪摆动。
有了趋势模型之后，我们需要继续深入并考虑季节效应。我们将使用年度月份作为线性模型中的虚拟变量来捕获逐月效果。将因子变量引入模型时，不得计算截距。如果不执行此操作，公式将过度指定，R将删除其中一个所需因素，但保留截距词。
由于我们有令人满意的趋势模型，因此可以使用函数update()将新术语添加到现有模型。更新公式中的为-1删除截距项。此时在RStudio中继续运行：
milk.lm2<-update(milk.lm,.~.+Month-1)summary(milk.lm2)此函数生成以下输出。
milk.lm2<-lm(Milk.Prod~Time+I(Month.Count^3)+Month-1,data=cadairytrain)plot(cadairytrain$Time,cadairytrain$Milk.Prod,xlab="Time",ylab="LogCAMilkProduction1000slb",type="l")lines(cadairytrain$Time,predict(milk.lm2,cadairytrain),lty=2,col=2)在机器学习Studio（经典）中运行此代码将生成此处所示的绘图。
此示例中显示的数据适合相当令人鼓舞。趋势和季节性效应（月度变体）看起来合理。
作为模型的另一项检查，让我们看看残差。以下代码从两个模型中计算预测值、计算季节性模型的残差，并绘制训练数据的残差图。
##Computepredictionsfromourmodelspredict1<-predict(milk.lm,cadairydata)predict2<-predict(milk.lm2,cadairydata)##Computeandplottheresidualsresiduals<-cadairydata$Milk.Prod-predict2plot(cadairytrain$Time,residuals[1:216],xlab="Time",ylab="ResidualsofSeasonalModel")残差图如下所示。
这些残差看起来合理。除了2008-2009年经济衰退的影响外，没有特定的结构，我们的模式并没有特别充分解释。
还可以使用plot.lm()生成一系列诊断图。
##Showthediagnosticplotsforthemodelplot(milk.lm2,ask=FALSE)此代码生成以下示例中所示的一系列诊断绘图。
完成我们的示例只需做一件事。我们需要计算预测值，并且计算预测值和实际数据的误差。我们的预测针对的是2013年12个月。我们可以计算此预测的错误度量值，以计算不属于训练数据集的实际数据。此外，可以比较18年的训练数据和12个月的测试数据的性能。
大量指标用于测量时序模型的性能。在本例中，我们将使用根均方（RMS）错误。以下函数计算两个序列之间的RMS误差。
配备一个用于度量RMS错误的函数，让我们生成并输出包含RMS错误的数据帧。我们将单独包含趋势模型的术语和具有季节性因素的完整模型。以下代码使用我们构造的两个线性模型执行该作业。
##ComputetheRMSerrorinadataframe##Includetherownamesinthefirstcolumnsotheywill##appearintheoutputoftheExecuteRScriptRMS.df<-data.frame(rowNames=c("TrendModel","SeasonalModel"),Traing=c(RMS.error(predict1[1:216],cadairydata$Milk.Prod[1:216]),RMS.error(predict2[1:216],cadairydata$Milk.Prod[1:216])),Forecast=c(RMS.error(predict1[217:228],cadairydata$Milk.Prod[217:228]),RMS.error(predict2[217:228],cadairydata$Milk.Prod[217:228])))RMS.df##Thefollowinglineshouldbeexecutedonlywhenrunningin##MachineLearningStudio(classic)maml.mapOutputPort('RMS.df')运行此代码将生成结果数据集输出端口中显示的输出。
从这些结果可以看出，向模型中添加季节性因子使RMS误差显著减少。不出所料，训练数据的RMS误差略小于预测数据的误差。
RStudio记录得很好。下面是一些指向RStudio文档的关键部分的链接，可帮助你入门。
本R编程教程介绍了将R语言与机器学习Studio（经典）配合使用所需的基础知识。如果不熟悉R，CRAN上提供了两个简介：