《R语言数据分析与挖掘实战》——2.3 R数据分析包-阿里云开发者社区

开发者社区> 华章计算机> 正文

《R语言数据分析与挖掘实战》——2.3 R数据分析包

简介:
+关注继续查看

本节书摘来自华章计算机《R语言数据分析与挖掘实战》一书中的第2章,第2.3节,作者 张良均,云伟标,王路,刘晓勇,更多章节内容可以访问云栖社区“华章计算机”公众号查看。

2.3 R数据分析包

R包主要包含的类别有空间数据分析类、机器学习与统计学习类、多元统计类、药物动力学数据分析类、计量经济类、金融分析类、并行计算类、数据库访问类。各类别都有相应的R包来实现其功能。例如,机器学习与统计学习类别就包含实现分类、聚类、关联规则、时间序列分析等功能的R包。

R在数据挖掘领域也提供了足够的支持,如分类、聚类、关联规则挖掘等,通过加载不同的R包就能够实现相应的数据挖掘功能,如表2-1所示。

screenshot

分类是数据挖掘领域研究的主要问题之一,分类器作为解决问题的工具一直是研究的热点。常用的分类器有神经网络、随机森林、支持向量机、决策树等,这些分类器都有各自的性能特点。

nnet包执行单隐层前馈神经网络,nnet()函数涉及的主要参数有隐层节点数(size)、节点权重(weights)、最大迭代次数(maxit)等,为了达到最好的分类效果,这些都是需要用户根据经验或者不断地尝试来确定的;随机森林分类器利用基于Breiman随机森林理论的R语言软件包randomForest中的randomForest()函数来实现,需要设置三个主要的参数:森林中决策树的数量(ntree)、内部节点随机选择属性的个数(mtry)及终节点的最小样本数(nodesize)。

支持向量机分类器采用R语言软件包e1071实现,该软件包是以台湾大学林智仁教授的LIBSVM源代码为基础开发的。svm()函数提供了R与LIBSVM的接口,涉及的参数主要有类型(type,“C”实现支持向量机分类,“eps-regression”实现支持向量机回归)、核函数(kernel)。SVM包含了4种主要的核函数:线性核函数(Linear)、多项式核函数(Polynomial)、径向基核函数(RBF)以及Sigmoid核函数。一般情况下会选择径向基核函数,这主要源于:其一,线性核函数只能处理线性关系,且被证明是径向基核函数的一个特例;其二,Sigmoid核函数在某些参数上近似径向基核函数的功能,径向基核函数取一定参数也可得到Sigmoid核函数的性能;其三,多项式核函数参数较多,不易于参数优选。而径向基核函数支持向量机包含两个重要的参数:惩罚参数Cost和核参数Gamma,tune()函数可以对两者进行网格寻优(Grid-search)确定最优值。

常用的聚类方法有系统聚类与K-Means聚类。系统聚类可以使用hclust()函数实现,涉及的参数有距离矩阵(d)和系统聚类方法(method),其中距离矩阵可以使用dist()函数求得,常用的系统聚类方法有最短距离法(single)、最长距离法(complete)、类平均法(average)、中间距离法(median)、重心法(centroid)以及Ward法(ward)。K-Means法是一种快速聚类法,可以使用kmeans()函数实现,涉及的主要参数为聚类数(centers)。

K-Means法和系统聚类法的不同之处在于:系统聚类对不同的类数产生一系列的聚类结果,而K均值法只能产生指定类数的聚类结果。具体类数的确定,离不开实践经验的积累。有时也可借助系统聚类法,以一部分样本为对象进行聚类,其结果作为K均值法确定类数的参考。

作为数据挖掘中一个独立的课题,关联规则用于从大量数据中挖掘出有价值的数据项之间的相关关系,常用的有arules包中的Apriori算法。使用Apriori算法生成规则前,要把数据转换为transcation格式,通过as()转换;其中涉及的参数列表(parameter)用于自定义最小支持度与置信度。

时间序列分析是根据系统观测得到的时间序列数据,通过曲线拟合和参数估计来建立数学模型的理论和方法。进行时间序列分析时,可以使用ts()函数将数据转化成时间序列格式;模型拟合可以通过arima()函数实现,涉及的主要参数有order(自回归项数、滑动平均项数及使时间序列成为平稳序列的差分阶数)、seasonal(序列表现出季节性趋势时需要,除了上述order内容,还有季节周期period)、method(参数估计方法,“CSS”为条件最小二乘法,“ML”为极大似然法)等。R里面有个函数auto.arima()可以自动生成一个最优拟合模型。

版权声明:本文内容由阿里云实名注册用户自发贡献,版权归原作者所有,阿里云开发者社区不拥有其著作权,亦不承担相应法律责任。具体规则请查看《阿里云开发者社区用户服务协议》和《阿里云开发者社区知识产权保护指引》。如果您发现本社区中有涉嫌抄袭的内容,填写侵权投诉表单进行举报,一经查实,本社区将立刻删除涉嫌侵权内容。

相关文章
数据分析与挖掘的经典算法
最近看到一篇文章介绍了数据分析与挖掘的十大经典算法:C4.5,K-Means,SVM,Apriori,EM,PageRank,AdaBoost,KNN,Native Bayes,CART。
2365 0
Hadoop大数据挖掘从入门到进阶实战
1.概述   大数据时代,数据的存储与挖掘至关重要。企业在追求高可用性、高扩展性及高容错性的大数据处理平台的同时还希望能够降低成本,而Hadoop为实现这些需求提供了解决方案。面对Hadoop的普及和学习热潮,笔者愿意分享自己多年的开发经验,带领读者比较轻松地掌握Hadoop数据挖掘的相关知识。
1646 0
网络安全数据包分析
preface,数据库分析; 1,nmap
489 0
10059
文章
0
问答
来源圈子
更多
+ 订阅
文章排行榜
最热
最新
相关电子书
更多
《2021云上架构与运维峰会演讲合集》
立即下载
《零基础CSS入门教程》
立即下载
《零基础HTML入门教程》
立即下载