R与SAS比较光环大数据培训机构.pdf

光环大数据--大数据培训人工智能培训 R 与 SAS 的比较_光环大数据培训机构 一、关联分析 网上有很多资料介绍关联分析算法，本文就不再赘述。我自己看的是 《Introduction to Data Mining》(有对应的中文版，人民邮电出版社的《数据 挖 掘 导 论 》 ) ， 愿 意 看 英 文 的 同 学 可 以 访 问 ： /~kumar/dmbook/ch6.pdf。网上其他的资料我也 大致翻过，对比之后感觉这本书是一本相当不错的教材，算法方面介绍地比较全 面且有一定深度。我本人不建议大家去看那些非专业人士总结的关联分析算法介 绍，虽然浅显易懂，但是内容片面，容易误导初学者，错把树木当成了森林。 对于关联分析在行业应用中的经验分享、初学者的误区和最佳实践方面的资 料很少，唯一能找到的一本好书是清华大学出版社的《啤酒与尿布》，主要介绍 购物篮分析在零售行业的应用。我始终认为分析师除了算法和软件，还需要了解 行业背景，不然挖出的只是模式，而不是切实可行并且能带来商业价值的模式， 甚至还有可能是错误的模式。 二、软件 我只用过 R 和 SAS，其他的软件没碰过，所以只能对这两个软件进行比较。 算法 R/ARULESSAS/EMAprioriYesYesECLATYesNoFP-GrowthNoNo 据网友说 Excel 也能做关联分析，但是因为其对数据进行了抽样，所以每次 运行的结果都不一样。SPSS 的 Modeler 不知道怎么样，有用过的同学请分享一 下经验，最好使用泰坦尼克号的数据进行分析，这样可以比较一下各软件的结果 是否相同。 光环大数据 光环大数据--大数据培训人工智能培训 三、R 的代码和结果 R 的代码主要来自《R and Data Mining》，我只加了下载数据的代码和对代 码的中文说明。 1）下载泰坦尼克数据 setInternet2(TRUE) con - url(“/data/titanic.raw.rdata“) load(con) close(con) # url() always opens the connection str(titanic.raw) 2）关联分析 library(arules) # find association rules with default settings rules - apriori(titanic.raw) inspect(rules) 3）只保留结果中包含生存变量的关联规则 # rules with rhs containing “Survived” only rules - apriori(titanic.raw, parameter = list(minlen=2, supp=0.005, conf=0.8), appearance = list(rhs=c(“Survived=No”, “Survived=Yes”), default=”lhs”),control = list(verbose=F)) rules.sorted - sort(rules, by=”lift”) 光环大数据 光环大数据--大数据培训人工智能培训 inspect(rules.sorted) R 总共生成了 12 条跟人员生存相关的规则： lhs rhs support confidence lift 1 {Class=2nd, Age=Child} = {Survived=Yes} 0.010904134 1.0000000 3.095640 2 {Class=2nd, Sex=Female, Age=Child