Hitters数据集数据分析

最新推荐文章于 2023-10-20 16:40:47 发布
最新推荐文章于 2023-10-20 16:40:47 发布
阅读量1.4k 收藏 4
点赞数 1
分类专栏： R语言大学作业 文章标签： 数据分析 机器学习 深度学习
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
本文链接：https://blog.csdn.net/Mrrunsen/article/details/126438847
版权
本文探讨了ISLR包中的Hitters数据集，重点分析了Salary变量，并进行了缺失值处理。通过regsubsets函数进行了最优子集回归，选择BIC最小的自变量子集。接着构建了决策树，利用交叉验证确定最佳剪枝，测试集错判率约26%。此外，应用了装袋法和随机森林，发现未剪枝的树在测试集上的预测效果一般，而随机森林在测试集上的错判率约为19%。Thal、ChestPain和Ca被识别为最重要变量。
摘要由CSDN通过智能技术生成

考虑ISLR包的Hitters数据集。 此数据集有322个运动员的20个变量的数据， 其中的变量Salary（工资）是我们关心的。 变量包括:

names(Hitters)
##  [1] "AtBat"     "Hits"      "HmRun"     "Runs"      "RBI"       "Walks"     "Years"     "CAtB
了解本专栏 订阅专栏 解锁全文 超级会员免费看
Mrrunsen
关注
  • 1
    点赞
  • 踩
  • 4
    收藏
    觉得还不错? 一键收藏
  • 打赏
    打赏
  • 1
    评论
专栏目录
订阅专栏
R 语言 Hitters 数据分析
Mrrunsen的博客
06-27 1072
考虑 ISLR 包的 Hitters 数据集。此数据集有 322 个运动员的 20 个变量的数据，其中的变量 Salary（工资）是我 们关心的。变量包括 希望以 Salary 为因变量，查看其缺失值个数: 用 leaps 包的 regsubsets() 函数计算最优子集回归，办法是对某个试验性的子集自变量个数 ̂𝑝 值，都找到 ̂𝑝 固 定情况下残差平方和最小的变量子集，这样只要在这些不同 ̂𝑝 的最优子集中挑选就可以了。挑选可以用 AIC、BIC 等方法。 可以先进行一个包含所有自变量的全集回归：...
HetRec 2011数据集
不务正业的猿
10-10 1051
原文： The 2nd International Workshop on Information Heterogeneity and Fusion in Recommender Systems (HetRec 2011, http://ir.ii.uam.es/hetrec2011) has released datasets from Delicious, Last.fm Web 2.0, MovieLens, IMDb, and Rotten Tomatoes. These datasets con
【数据集资源】大数据资源-数据集下载方法-汇总
最新发布
A-Itfuture的博客
10-20 3043
数据集中的评价对象按照粒度不同划分为两个层次，层次一为粗粒度的评价对象，例如评论文本中涉及的服务、位置等要素；深证创业板日线数据，截止 2017.05.05，原始价、前复权价、后复权价，636支股票http://dataju.cn/Dataju/web/datasetInstanceDetail/343。深证主板日线数据，截止 2017.05.05，原始价、前复权价、后复权价，466支股票http://dataju.cn/Dataju/web/datasetInstanceDetail/341。
数据筛选
12-10 109
数据准备 route_log Apr2311:49:54hostapd:wlan0:STA14:7d:c5:9e:fb:84 Apr2311:49:52hostapd:wlan0:STA74:e5:0b:04:28:f2 Apr2311:49:50hostapd:wlan0:STAcc:af:78:cc:d5:5d Apr2311:49:...
lasso算法及其实现
mousever的专栏
01-13 5万+
 缘起 这篇博客的想法来源于知乎的一个关于多元线性回归的变量选择问题。 从该问题的提问描述，以及回答中看出，很多人在做变量选择时，眼光依然局限于R 2  R2或者Ajusted−R 2  Ajusted−R2,以及P−Value P−Value之中。 记得计量课上，韩老师在讲到Ajusted−R 2  Ajusted−R2时，说他们做模型选择，其实更倾向于采用AIC和BIC等标准来做判
r语言hitters数据集
05-10
在数据分析领域，R语言被广泛使用，它提供了丰富的各种各样的数据集，Hitters数据集就是其中之一。 Hitters数据集是一份记录棒球球员薪水和个人资料的数据集，数据集中共有322个观测值和20个变量。变量包括棒球球员...
hitters数据集中变量的含义
09-21
Hitters数据集是一个关于棒球击球手的数据集，包含了19个变量。这些变量的含义如下： 1. 季节（Season）：指示球员打击的年份季节，取值为1986或1987。 2. 球龄（Years）：表示球员在大联盟的经验年数。 3. 球员...
6-变量选择之二
hanghang98的博客
11-04 1411
6、变量选择方法之二 6.1岭回归 对于Hitters数据集，先去掉缺失值 注：本文中的predict是自己之前定义的函数，参见变量选择方法之二 #去掉缺失值后，Salary作为因变量，其它19列作为自变量 Hitters =na.omit(Hitters) x <- model.matrix(Salary~.,Hitters)[,-1] y <- Hitters$Salary library(glmnet) #定义lambda值 grid <- 10^seq(10,-2,length =
python 偏最小二乘回归
weixin_43355359的博客
11-07 5587
用sklearn库带的Linnerud数据集做示例 Linnerud数据集包含三个因变量和三个自变量 import pandas as pd from sklearn.cross_decomposition import PLSRegression from sklearn import datasets from sklearn.model_selection import GridSearchCV import numpy as np #导入数据集 dataset = datasets.load_l
R 岭回归
Mrrunsen的博客
02-06 810
我们将分析Hitters包中包含的数据集ISLR，这次应用岭回归的方法。 首先要做的是加载包（记得第一次glmnet运行命令）。install.packages('glmnet') <span style="color:#333333"><span style="background-color:#ffffff"><span style="background-color:#f7f7f7"><span style="color:inherit">&l
R语言决策树实战教程
neweastsun的专栏
03-12 1万+
本文通过示例介绍R实现CART(classification and regression tree)过程。 当一组预测变量与响应变量的关系为线性时，我们使用多重线性回归可以生成准确的预测模型。但当它们的关系为更复杂的非线性关系时，则需采用非线性模型。 分类回归CART(classification and regression tree)方法使用一组预测变量构建决策树，用来预测响应变量。响应变量是连续的，我们能构建回归树；如果响应变量是分类类型，则构建分类树。下面通过示例构建回归和分类树过程。 构建回.
R各个包里面的数据集列表
四纪启悟 · 数据科学
07-07 1万+
Package  Item  Title  csv  doc datasets AirPassengers Monthly Airline Passenger Numbers 1949-1960 CSV DOC datasets BJsales Sales Data with Leading Indicator CSV DOC
一些变量筛选方法——5、真实数据与总结
Kanny
05-22 3万+
这里使用两个真实数据进行前面所述方法的应用。 真实数据 在实际数据运用中，针对高维和超高维数据的情况，算法该如何使用？如何实现？这里我们使用两组数据，一组是课本中提到的Hitters数据，另一组是自己搜索整理而出的土耳其新闻数据。前者是数十维，后者则是上千维。 课本Hitters数据 课本中的案例实验是以Hitters数据为例，这里进行重现。 数据简介 这个数据集取...
大数据流的在线Heavy Hitters算法（下篇）：基于略图的方法
LittleMagic's Blog
10-20 1927
Continue... 之前有好几篇分上下篇写的文章都鸽了，惭愧惭愧。为了不食言，今天继续聊Heavy Hitters（频繁项）算法之基于略图（Sketch）的方法。时间紧张且限于水平，写得简单些，看官勿怪。 什么是略图 顾名思义，略图（Sketch）就是能够大致准确地描述一份数据集的摘要。当数据量非常大时，往往不能直接放入内存中，普通的查找树、哈希表等受制于数据规模，自然也就没有用武之地了。然而...
KITTI数据集简介与使用
热门推荐
Solomon1558的专栏
04-14 25万+
摘要：本文融合了Are we ready for Autonomous Driving? The KITTI Vision Benchmark Suite和Vision meets Robotics: The KITTI Dataset两篇论文的内容，主要介绍KITTI数据集概述，数据采集平台，数据集详细描述，评价准则以及具体使用案例。本文对KITTI数据集提供一个较为详细全面的介绍，重点关注利用K
13python数据分析分类算法– Knn算法 – 决策树 – 贝叶斯分类器 – 支持向量机 – 神经网络
AthlenaA的博客
06-15 2512
分类  什么是分类 – 分类模型:输入样本的属性值，输出对应的类别，将每个样本映射到预先定义好的类别  常用分类算法 – Knn算法 – 决策树 – 贝叶斯分类器 – 支持向量机 – 神经网络 5种算法！！ 分类：分为娱乐新闻、民生新闻、 识别到各个类别之间的差距，对于新给的一个新闻，根据历史信息预测到它的类别 有监督的学习：类别是已经确定的 根据训练集数据模型的创建、模型的使用 类别是给定的...
评论 1
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包

打赏作者

Mrrunsen

你的鼓励将是我创作的最大动力

¥1 ¥2 ¥4 ¥6 ¥10 ¥20
扫码支付：¥1
获取中
扫码支付

您的余额不足，请更换扫码支付或充值

打赏作者

实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值