实验文档11-1-r语言数据分析与挖掘操作.pdfVIP

R语言数据分析与挖掘操作训练（初级、中级 ） 第一部分：初级操作 机器学习、数据挖掘领域的比如关联规则挖掘、聚类、分类等问题。R统计分析计算包都提供了 足够的支持。 关联规则问题源于“买了这件商品的顾客还买了什么”这个问题，现在已经广泛应用于客户行为 分析以及互联网用户行为分析中。关联规则挖掘领域最经典的算法为 Apriori ，R 的第三方包 arules ，就是专门用于做关联规则挖掘的。以下例子需要你已经安装了arules 包。 library(arules) data - paste(item1,item2,item1,item2,item3, sep=\n) write(data, file = demo_basket) tr - read.transactions(demo_basket, format = basket, sep=,) data(Adult) rules - apriori(Adult, parameter = list(supp = 0.5, conf = 0.9, target = rules)) 最后一行的 apriori 函数接受一个transaction 对象的输入，输出关联规则对象 rules ，为 方便起见，这里用于计算的 transaction 对象 Adult 是通过第 5行从 arules 包中现成载入进来 的，第 2~4 行说明了怎么从一个文本文件中读入数据并生成一个 transaction 对象。 聚类算法使用最广泛的高效算法无疑是 kmeans ，R在其默认载入的 stats包中就包含了这个函 数，以下是一个来自 kmean说明文档的例子： x - rbind(matrix(rnorm(100, sd = 0.3), ncol = 2), matrix(rnorm(100, mean = 1, sd = 0.3), ncol = 2)) cl - kmeans(x, 2) plot(x, col = cl$cluster) points(cl$centers, col = 1:2, pch = 8, cex=2) 代码第 1 行生成两组两维的正态分布的数据，第一组均值为 0 ，第二组均值为 1 ，两组数据方差 都为 0.3。第 2 行对该数据进行聚类，第 3和第 4 行把聚类结果画出来。 分类器是模式识别领域的研究主题，也是人类认知活动的中心。多年来的学术研究积累下来很 多种类型的分类器，而其中常用的分类器基本都能在 R 中找到对应的实现。诸多分类器中以 svm最 为著名，它也被一些人称为是单分类器的王道。以下是一个利用 svm对著名的 iris数据集进行分 类的过程，运行该例子需要已经安装了e1071 这个包。 library(e1071) data(iris) x - subset(iris, select = -Species) y - iris$Species model - svm(x, y) summary(model) pred - predict(model, x) table(pred, y) 第 5行代码调用 svm 函数，计算由x 作为特征 y 作为类别标签的分类器模型，第 7 行把模型应 用于原数据进行预测。 第二部分 ：R 线性算法操作 每个算法都会从两个视角进行呈现 （利用数据挖掘包来求解）： 1) 常规的训练和预测方法 2) caret包的用法 因此，需要知道给定算法对应的软件包和函数，同时还需了解如何利用 caret 包实现这些常用的 算法，从而你可以利用 caret 包的预处理、算法评估和参数调优的能力高效地评估算法的精度。 本文中将用到两个标准的数据集 （标准测试数据集）：  Boston Housing dataset for regression (BostonHousing from the mlbench library).  Pima Indians Diabetes dataset for classification (PimaIndiansDiabetes from the mlbench library). 1) 回归模型：BHD(Boston Housing Dataset) 2) 分类模型: PIDD(Pima Indians Diabetes Dataset) 具体的数据分析算法将被分成两组进行介绍： 1) 线性算