R语言数据挖掘课件.pptxVIP

;R的数据对象;创建和访问R的数据对象;向量的创建和访问;向量的创建和访问;矩阵的创建和访问;矩阵的创建和访问;矩阵的创建和访问;数据框的创建和访问;数据框的创建和访问;列表的创建和访问;数据对象的相互转换;数据对象的相互转换;导入外部数据;导入外部数据;导入外部数据 ;R程序设计基础;R程序设计基础;R程序设计基础;R程序设计基础; R程序设计基础 ; ;绘图基础;单变量分布的可视化;单变量分布的可视化;单变量分布的可视化;单变量分布的可视化;多变量联合分布特征的可视化;多变量联合分布特征的可视化;变量间相关性的可视化;变量间相关性的可视化;变量间相关性的可视化;变量间相关性的可视化;变量间相关性的可视化;变量间相关性的可视化;变量间相关性的可视化;GIS数据的可视化;GIS数据的可视化;GIS数据的可视化;GIS数据的可视化;文本词频的可视化;;预测和预测模型;预测和预测模型;近邻分析：K-近邻法;K-近邻法中的距离;K-近邻法中的近邻个数;K-近邻法中的近邻个数;R的K-近邻法和应用示例;K-近邻法的适用性及特征选择;特征选择;基于变量重要性的加权K-近邻法;基于观测相似性的加权K-近邻法;基于观测相似性的加权K-近邻法;基于观测相似性的加权K-近邻法;;决策树算法概述;什么是决策树;决策树的几何意义;决策树的核心问题;分类回归树的生长过程;信息熵：是信息量的数学期望 先验