ilk neler yaptim

  • r ve rstudio yükledim
  • rmarkdown themesini digiştirdım ve fotograf ekledim
  • Rmarkdown projesi hazırladım.
  • bunları yaptıktan sonra projeme başladım

PAKETLER

R paketleri, R programlama dilinin temel işlevlerini genişletmek için tasarlanmış bir araç ve kaynaklar kümesidir. Bu paketler, işlevler, veri kümeleri ve diğer ek materyalleri bir araya getirir ve belirli bir amaca hizmet etmek üzere paketlenir. Her paket, belirli analitik veya hesaplama ihtiyaçlarını karşılamak için özel olarak tasarlanmış bir araç kutusu olarak hizmet eder. Bu paketler, çeşitli görevleri verimli ve etkili bir şekilde yerine getirmenizi sağlayarak R’nin makine tarafından kullanılan dişlileridir.

Paketler neden önemlidir?

paketler bizlere çeşitli analiz ve görselleştirme görevleri gerçekleştirmemize yardımcı olan önemli araçlardır.bu paketler R nin esnekliğini ve genişletilebişirliğini artırarak kulanıcıların veri analizini sürecini kolaylaştırır

Paketlere nasıl erişilir?

  • R’de paketlere erişmek ve kullanmak basit bir işlemdir. Ana adımlar kurulum, yükleme ve kullanımdan oluşur. İşlem, bir kez yapılacak olan kurulum ile başlar.

  • Kurulduktan sonra, paket, işlevlerine ve veri kümelerine erişmek için R oturumunuza yüklenmelidir.

  • Yüklendikten sonra, paket tarafından sağlanan işlevleri kullanarak çeşitli görevleri yerine getirebilir ve analitik araç kutunuzu güçlendirebilirsiniz.

Örnek 1(MASS PAKETI)

mass paketi, kütle spektrometrisi verileri üzerinde çeşitli analizler yapmak ve sonuçları görselleştirmek için kullanılır. Bu, kimya, biyokimya ve biyoloji gibi alanlarda kütle spektrometrisi verileriyle çalışan araştırmacılar için yararlı bir araçtır.

Örnek 2 (TCLTK)

Tcl/Tk kullanarak R’de grafik arayüzleri oluşturmak, kullanıcıların verileri analiz etmek ve sonuçları görselleştirmek için daha interaktif ve kullanıcı dostu bir yol sunar. Bu özellik özellikle R kullanarak istatistiksel analizler yapan araştırmacılar ve veri bilimcileri için yararlıdır. özelıkle temel grefik bilrşenlerini(butonlar,menüler, giriş kutuları ve bş,) içeren TK paketi ve bu bileşenlerin etkinleştirilmesini sağlayan TCL paketinden oluşur.

örnek 3 (NNET PAKETİ)

nnet paketi, tek katmanlı ve çok katmanlı yapay sinir ağı modellerini oluşturmak için fonksiyonlar içerir. Bu modeller, girdi verilerini alır, gizli katmanlarda işler ve ardından çıktıları üretir. nnet paketi, ağırlık optimizasyonu ve model eğitimi için çeşitli algoritmaları (örneğin, geriye yayılım) içerir.

Yapay sinir ağları, karmaşık ilişkileri modellemek için kullanılabilir ve özellikle büyük veri setlerinde etkilidir. nnet paketi, R kullanıcılarının yapay sinir ağı modellerini kolayca oluşturmasına ve uygulamasına olanak tanır. Bu, sınıflandırma, regresyon ve diğer makine öğrenimi görevlerini gerçekleştirmek için kullanışlı bir araçtır.

örnek 4 (FOREİGN PAKETİ)

foreign paketi, R’de dış veri formatlarını (foreign formats) okumak ve yazmak için kullanılır. Bu, diğer istatistiksel yazılımların veya programların ürettiği verileri R’e aktarmak veya R’den diğer formatlara dışa aktarmak için kullanışlıdır.Bu paket, farklı istatistiksel yazılımlar arasında veri alışverişini kolaylaştırır ve R kullanıcılarının farklı kaynaklardan gelen verileri analiz etmelerini sağlar.

örnek 5 (MGCV PAKETİ)

mgcv paketi, R’de genelleştirilmiş düzenleyici regresyon modellerini (GAMs) uygulamak için kullanılan bir pakettir. GAM’ler, çeşitli analizler için esnek ve güçlü bir araçtır ve doğrusal ve doğrusal olmayan ilişkileri modellemek için kullanılabilirler.mgcv paketi, verileri analiz etmek, tahminler yapmak ve sonuçları görselleştirmek için çeşitli fonksiyonlar içerir. Ayrıca, GAM’lerin uygulanması ve modelleme sürecinin değerlendirilmesi için çeşitli tanılama araçları da sağlar.

Bu paket, istatistiksel analizler ve veri keşfi için geniş bir araç seti sunar ve özellikle doğrusal olmayan ilişkileri modellemek isteyen araştırmacılar ve veri bilimcileri için yararlıdır.

WDI paketi

SE.PRM.CMPT.ZS

SP.POP.TOTL

library (WDI)
kuvji <- WDI (country = "all", indicator = c("SE.PRM.CMPT.ZS" , "SP.POP.TOTL"),start =2000)

str

str(kuvji)
## 'data.frame':    6118 obs. of  6 variables:
##  $ country       : chr  "Afghanistan" "Afghanistan" "Afghanistan" "Afghanistan" ...
##  $ iso2c         : chr  "AF" "AF" "AF" "AF" ...
##  $ iso3c         : chr  "AFG" "AFG" "AFG" "AFG" ...
##  $ year          : int  2000 2001 2002 2003 2004 2005 2006 2007 2008 2009 ...
##  $ SE.PRM.CMPT.ZS: num  NA NA NA NA NA NA NA NA NA NA ...
##   ..- attr(*, "label")= chr "Primary completion rate, total (% of relevant age group)"
##  $ SP.POP.TOTL   : num  19542982 19688632 21000256 22645130 23553551 ...
##   ..- attr(*, "label")= chr "Population, total"

explore

library(explore)
describe_all(kuvji)
## # A tibble: 6 × 8
##   variable       type     na na_pct unique    min        mean         max
##   <chr>          <chr> <int>  <dbl>  <int>  <dbl>       <dbl>       <dbl>
## 1 country        chr       0    0      266   NA          NA           NA 
## 2 iso2c          chr       0    0      266   NA          NA           NA 
## 3 iso3c          chr       0    0      262   NA          NA           NA 
## 4 year           int       0    0       23 2000        2011         2022 
## 5 SE.PRM.CMPT.ZS dbl    2094   34.2   3974   16.6        87.5        153.
## 6 SP.POP.TOTL    dbl      23    0.4   6047 9609   285601778.  7950946801

ekstra bilgi verileri

ekstra_veria<-WDI_data$country
library(tidyverse)
## ── Attaching core tidyverse packages ──────────────────────── tidyverse 2.0.0 ──
## ✔ dplyr     1.1.4     ✔ readr     2.1.5
## ✔ forcats   1.0.0     ✔ stringr   1.5.1
## ✔ ggplot2   3.5.0     ✔ tibble    3.2.1
## ✔ lubridate 1.9.3     ✔ tidyr     1.3.1
## ✔ purrr     1.0.2     
## ── Conflicts ────────────────────────────────────────── tidyverse_conflicts() ──
## ✖ dplyr::filter() masks stats::filter()
## ✖ dplyr::lag()    masks stats::lag()
## ℹ Use the conflicted package (<http://conflicted.r-lib.org/>) to force all conflicts to become errors