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