Beta

COS 上有人问过如何求1～100的素数。虽说这个问题没准就是计算机系大一新生的一道作业题，但对我这个几乎没有任何 C 编程经验的人来说，似乎还是有些挑战。花了几分钟整理了一下思路，既然素数的定义是只能被1和自身整除，那么：

1. 如果第 n 个数，不能它前面的所有的数字（不包括1）整除，那么即为定义。但需要遍历所有数字，效率肯定不好。
2. 如果 n 不能被 n 前面的所有素数整除的话，那么 n 应该是下一个素数（后来知道这个是算术基本定理）。

根据第二点思路，写出 R 代码：

1
2
3
4
5
6
7

prime2 <- function(m){
    x <- c(2,3,5,7,11)
    for(i in 13:m){
        if(!any(i%%x == 0)) x <- c(x,i)
    }
    return(x)
}

即给出前 5 个素数，而后寻找第 6 个素数；再根据 6 个素数找第 7 个；类推……；直至 n。

很快又有两种解法：

1. cloud_wei 的另外的实现方式：glm包的 isprime 函数（这个包似乎没有 Windows 版本）
2. jo3vul31l3 给出了最优的解法，即埃拉托斯特尼筛法：

1
2
3
4
5
6
7
8
9

prime3<-function(m){
    x<-c(2:m) ; y<-NULL
    repeat{
        z<-x[(x%%x[1])!=0] ; y<-c(y,x[1])
        if(x[1]>sqrt(m))break
        x<-z
    }
    c(y,z)
}

以前由于职业的原因，经常全国各地的乱飞。虽说飞机的出事概率仅仅相当于陆上交通工具的百分之一，但每次上飞机前，总会怯怯的问自己："这次上去能不能好好的下来？"上去的话，一般都是塞上耳机，打开笔记本--看 R。说实话，我还是更喜欢心灵的飞翔，而不是坐着飞机去感受加速度。

一般商用喷气式飞机的稳定性很高，即使有突然事件造成损害，大部分飞机都能保证安全或部分安全地着陆。引发安全问题的事件可能是：

• skin or door failure leading to cabin pressure explosion
• gross upset leading to airspeeds and/or G loadings far in excess of design limits
• attack by military weapons * bird strike * flight through volcanic ash
• engine explosion
• collision with ground structures during takeoff

但如果被流星击中呢？流星的速度可以达到 25,000 km/hr（约 7000m/s ），还是很可怕的。

David Smith 在 How much of a threat are meteors to aviation? 这篇博客里给出了，法航客机被流星击中的概率，计算方法比较科学：

1. 每小时有 125 颗流星"光临"地球，且都是超音速飞行的；
2. 平均飞机的面积占地球总面积的5.7e-13；
3. 法航 447 客机预计飞行的时间为 11 小时。

这种小概率事件我们可以使用 Poisson 分布去拟合，那么飞机被击中的概率就是

1
2

1 - ppois(0,5.7e-13*125*11) 
[1] 7.8375e-10

飞机被流星击中的概率为7.8375e-10，即第一位7前面有10个零。观众可能没有直观印象，举个例子：双色球的中一等奖的概率是 5.642994e-08，飞机被流星击中的概率是它的百分之一，相差两个数量级。

David Smith 而后又给了一个今后 20 年，所有飞机至少有一架被击中的概率（他给的数据没看明白，直接引用 John 给的数据）：

1
2

1 - ppois(0,720e6*5.7e-13*125)
[1] 0.05000637

很可怕吧！今后二十年，至少有一架被陨石击中的概率达到了 5% ！已经不是小概率事件了！

房地产是个啥？这话题每每被俺们 80 后提起的时候，必然是捶胸顿足、长吁短叹，恨不得啖无良地商之肉，食腐败官员之血。俺们都介草民，大部分是 No Money, No House, No Woman 的主儿，没钱买房，瞅瞅成吧？

• 未签约套数（X1）
• 未签约面积（X2）
• 未签约住宅套数（X3）
• 未签约住宅面积(X4)

• 可售房屋套数（X5）
• 可售房屋面积（X6）
• 可售住宅套数（X7）
• 可售住宅面积（X8）

我把数据发布在这里，有兴趣的童鞋可以仔细分析下。

买房？不买房？啥时候买？耗着，等经济崩溃？做最后一棒？更懵了！洗洗睡吧～～

这两天又有的看了，窃喜～～

再加一句吧：Conference Review: The 1st Chinese R Conference 能发布在 第一期 R Journal 上，yihui 功不可没喔。

今年 5 月份，KDnuggets 给出了近六个月用于实际数据挖掘（非评估）项目中使用的挖掘工具调查，共 364 个投票人。

1. SPSS （PA）和 SAS（BA） 没啥可说的，老牌的商业数据分析软件商，尤其是 SPSS，去年就是 KDnuggets 这项调查的第一位，SPSS 的销售常拿这个说事；
2. Excel（spreadshit），可进行“简单数据操作”的 MS 产品；
3. RapidMiner，比较流行的开源数据挖掘软件；
4. R，为数据分析而生的开源软件。说到这儿，我突然卡壳了，它能做的事情太多……。R 更贴近于数据的本质（继续鼓吹）～～

SAS、SPSS、Statistica 陆续增加了对 R 语言的支持，从这个角度来讲，这几大厂商自己都心虚了，几年后数据挖掘领域必定是 R 的天下。

原文链接：http://www.kdnuggets.com/polls/2009/data-mining-tools-used.htm