2022数学建模国赛C题-古代玻璃制品的成分分析与鉴别-分析结果和代码

这篇博客探讨了如何运用卡方检验、列联表分析、数据可视化和方差分析等统计方法来理解数据。作者展示了如何通过K均值聚类进行降维后的数据分布可视化,并利用箱线图分析不同条件下成分的占比情况。此外,还更新了分析结果和程序代码,为算法分类精度提供了参考。
摘要由CSDN通过智能技术生成

该问题进行一些卡方检验、列联表分析、数据可视化分析、方差分析等,就可以获得相关结果了。

分析第三问中多种算法的分类精度供参考。

第二次更新:更新第二问的分析结果和程序已经更新,部分分析过程

## 可视化降维后的K均值聚类的数据分布
gaojia_umap$class <- as.factor(kmean1$cluster)
ggpairs(gaojia_umap,columns = 1:(ncol(gaojia_umap)-1),
        aes(colour=class,shape = class,alpha = 1),
        upper = list(continuous = "points"))+
  scale_shape_manual(values = c(15,16))+
  ggtitle("高钾玻璃-降维后K均值聚类")

第一问部分分析、建模预测结果图像如下:

## 计算不同类型、是否风化情况下,每种成分的所占情况
# 使用箱线图可视化
long21%>%group_by(类型,表面风化,成分)%>%
  ggplot(aes(x = 成分,y = 取值))+
  geom_boxplot(aes(fill=成分))+
  facet_grid(vars(类型),vars(表面风化))+
  theme(legend.position = "None",
        axis.text.x = element_text(angle = 90))

废话不多说🍞正在为您运送作品详情

  • 1
    点赞
  • 33
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
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
实付
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