1、如何用r语言去拟合任意一种数学模型
用lm()指令可以拟合一般的线性模型，多种数学模型的拟合需要调整参数，建议使用help('lm')查看具体参数设定
2、R语言作图，怎么实现
推荐ggplot2包
# 获取帮助
help.start() #帮助首页
help('foo') #或?foo
help.search('foo') #以foo为关键词搜索帮助文档回
example('foo') #函数foo使用示例
RSiteSearch('foo') #以foo为关键词搜索在线文答档和邮件列表文档
apropos('foo',mode='function') #列出名称中含有foo的所有可用函数
data() #列出当前已加载包的所有可用数据集
vignette() #列出当前已加载包的所有可用vignette文档
vignette('foo') #为主题foo显示指定的vignette文档
3、数据挖掘 R语言实现
R的内存管理太烂了，因为很少给程序员管理的权限，这样一来操作系统懒加上R也懒导致常内常读入大数容据时内存瞬间用完，导致这个R session被强制退出。
解决办法就是把常用的大数据提前放在共享内存里。
Rmpi，snow，multicore: 平行运算/多运程运算。
Rmpi最好多看看，是mpi在R里面的实现。这是平行运算的黄金标准。
如果你要做大数据的模型，高能运算是必须的。
4、如何用R语言实现三个水平的分层线性模型
nlme和lme4也可以实现三水平的模型，可以具体看看这两个包里的内容，Google下，也可以找到一些应用例子。
5、如何在R语言中进行神经网络模型的建立
不能发链接，所以我复制过来了。
#载入程序和数据
library(RSNNS)
data(iris)
#将数据顺序打乱
iris <- iris[sample(1:nrow(iris),length(1:nrow(iris))),1:ncol(iris)]
#定义网络输入
irisValues <- iris[,1:4]
#定义网络输出，并将数据进行格式转换
irisTargets <- decodeClassLabels(iris[,5])
#从中划分出训练样本和检验样本
iris <- splitForTrainingAndTest(irisValues, irisTargets, ratio=0.15)
#数据标准化
iris <- normTrainingAndTestSet(iris)
#利用mlp命令执行前馈反向传播神经网络算法
model <- mlp(iris$inputsTrain, iris$targetsTrain, size=5, learnFunc="Quickprop", learnFuncParams=c(0.1, 2.0, 0.0001, 0.1),maxit=100, inputsTest=iris$inputsTest, targetsTest=iris$targetsTest)
#利用上面建立的模型进行预测
predictions <- predict(model,iris$inputsTest)
#生成混淆矩阵，观察预测精度
confusionMatrix(iris$targetsTest,predictions)
#结果如下：
# predictions
#targets 1 2 3
# 1 8 0 0
# 2 0 4 0
# 3 0 1 10
6、多元线性回归模型用r语言怎么来实现
）copyattach(byu)lm(salary~age+exper)lm(salary~.,byu)#利用全部自变量做线性回归lm()只能得出回归系抄数，要想得到更为详尽的回归信息袭，应该将结果作为数据保存或者使用“拟合模型”（fittedmodel）result<-lm(salary~age+exper+age*exper,data=byu)summary(result)myresid<-result$resid#获得残差vcov(result)＃针对于拟知合后的模型计算方差－协方道差矩阵shapiro.test(b)#做残差的正太性检验norm(bres);line(bres)#做残差
7、如何用R语言实现数据的展开
直接用VLOOKUP函数.例如=VLOOKUP(A1,Sheet1!$A$1:$C$100,2,0),解释起来有点麻烦,你自已看一下帮助吧.
8、R语言中怎么实现SARIMA-GARCH模型的参数估计
对R做平稳性检来验，结果显示，源在5%的显著性水平下接受拒绝原假设，表明不存在 ... 在建立计量经济模型时，总要选择统计性质优良的模型 对上证指数收益率序列AR（3）模型进行条件异方差的ARCHLM检验（滞后8阶），结果给出 AR模型的参数估计 GARCH