《R语言与数据挖掘最佳实践和经典案例》阅读摘要

最新推荐文章于 2022-06-29 10:16:29 发布

sissp

最新推荐文章于 2022-06-29 10:16:29 发布

阅读量4.7k

点赞数 1

本文链接：https://blog.csdn.net/sissp/article/details/45950249

版权

本文是《R语言与数据挖掘最佳实践和经典案例》的阅读摘要，涵盖数据导入导出、数据探索、决策树、随机森林、回归分析、聚类、离群点检测、时间序列分析、关联规则和文本挖掘等多个方面。通过实例展示了R语言在数据挖掘中的应用，包括使用各种函数和包进行数据处理和模型构建，并强调了R在数据挖掘领域的优势及与大数据结合的方法。

摘要由CSDN通过智能技术生成

《R语言与数据挖掘最佳实践和经典案例》阅读摘要

Fly or die.—–sissp

一、简介

数据挖掘
统计学、机器学习、信息检索、模式识别、生物信息学
R CRAN（cran.r-project.org）
《An introduction to R》
《R language definition》
数据集
Iris数据集
Bodyfat数据集
二者都包含在R包中

二、数据的导入与导出

R数据的保存与加载
Save(a,file=“./data/dumData.Rdata”)
Rm(a)
load(“./data/dumData.Rdata”)
Print(a)
CSV文件的导入与导出
从SAS中导入数据
通过JDBC导入与导出数据

三、数据探索

查看数据，以iris数据集为例
维度，dim(iris)
名称，names(iris)
结构，str(iris)
属性，attributes(iris)
特定行数据，iris[1:5,]，head(iris)，tail(iris)
探索单个变量
单个数值型变量的分布情况可以使用函数summary()进行查看，分别为：最小值、最大值、平均值、中位数、第一四分位数、第三四分位数
平均值、中位数和极差可以分别使用函数mean()、median()、range()获取，四分位数和百分位数可以使用quantile()函数