![](https://img-blog.csdnimg.cn/20201014180756754.png?x-oss-process=image/resize,m_fixed,h_64,w_64)
R
文章平均质量分 91
小鸡吃石子
这个作者很懒,什么都没留下…
展开
-
Windows7-32位系统下R语言链接mySQL数据库步骤
安装R和MySQL在此就不再多说了,网上有很多教程可以找到。下面直接进入到odbc的安装流程。1、下载安装mysql-connector-odbc-5.x.x-win32.msi下载地址:http://dev.mysql.com/downloads/connector/odbc/可下载最新版本但在安装过程中遇到以下问题:在网上搜寻之后发现如下解决办法,皆没有解决,在此也原创 2016-04-15 11:39:27 · 4974 阅读 · 0 评论 -
基于R的数据挖掘方法与实践(1)——数据准备
1、数据检查数据检查是数据挖掘的第1步,从不同的维度检查数据,找出其中有问题的数据以便对其进行修正。1.1 数据类型查看数据的构成与形态,尤其是各列的属性。> library(MASS)> data(ChickWeight)> str(ChickWeight)Classes ‘nfnGroupedData’, ‘nfGroupedData’, ‘groupedData’ an原创 2017-09-13 14:32:30 · 2146 阅读 · 0 评论 -
基于R的数据挖掘方法与实践(2)——关联规则
关联规则是从庞大的数据中提取一系列变量或因子间关系,以探索数据的变量或项目间隐含的关系。1、基本原理关联规则通常用支持度、置信度、增益三个指标来分别表示其显著性、正确性和价值。通过给性最小支持度、最小置信度作为门槛值。若该规则的支持度与置信度大于门槛值,则说明该规则有助于进行推论;若该规则的增益大于1,则说明其发生的条件概率有比原先的概率提高,即该规则有效。1.1 支持度支持度计算原创 2017-09-15 15:09:42 · 3465 阅读 · 0 评论 -
基于R的数据挖掘方法与实践(3)——决策树分析
决策树构建的目的有两个——探索与预测。探索方面,参与决策树声场的数据为训练数据,待树长成后即可探索数据所隐含的信息。预测方面,可以借助决策树推导出的规则预测未来数据。由于需要考虑未来数据进入该模型的分类表现,因此在基于训练数据构建决策树之后,可以用测试数据来衡量该模型的稳健性和分类表现。通过一连串的验证过程,最后得到最佳的分类规则,用作未来数据的预测。1决策树构建理论决策树的建立步骤包括数原创 2017-09-16 20:23:49 · 5621 阅读 · 0 评论