《数据科学:R语言实战》一2.2 问题

简介:

本节书摘来自异步社区《数据科学:R语言实战》一书中的第2章,第2.2节,作者 【美】Dan Toomey(丹·图米),更多章节内容可以访问云栖社区“异步社区”公众号查看

2.2 问题

实际问题

  • 怎样不将白种人计入eclat结果内?
  • 描述序列图表中出现的不同转换期。
  • 在TraMineRmvad数据摘要中,地区响应中有显著差异,您能猜出原因吗?

什么时候做、怎样做以及为什么这样做?

  • 描述seqiplot中少数异常值的情况。有部分不匹配的数据点。
  • 当线向上弯曲时,seqHtplot内呈现的数据会出现什么情况?
  • 如何运用序列查找上述程序?

挑战

  • 确定项目编号在市场购物篮数据中的含义。
  • 本章的说明只是TraMineR功能包内包含的一小部分。您可以对附加函数性进行进一步调查。
相关文章
【R语言实战】——带有高斯新息的金融时序的GARCH模型拟合预测及VAR/ES风险度量
【R语言实战】——带有高斯新息的金融时序的GARCH模型拟合预测及VAR/ES风险度量
|
数据可视化 数据挖掘 API
【R语言实战】聚类分析及可视化
【R语言实战】聚类分析及可视化
【R语言实战】——带有新息为标准学生t分布的金融时序的GARCH模型拟合预测
【R语言实战】——带有新息为标准学生t分布的金融时序的GARCH模型拟合预测
|
数据可视化
【R语言实战】——金融时序分布拟合
【R语言实战】——金融时序分布拟合
【R语言实战】——fGARCH包在金融时序上的模拟应用
【R语言实战】——fGARCH包在金融时序上的模拟应用
|
数据可视化 算法
【R语言实战】——kNN和朴素贝叶斯方法实战
【R语言实战】——kNN和朴素贝叶斯方法实战
|
数据采集 数据可视化
利用R语言进行因子分析实战(数据+代码+可视化+详细分析)
利用R语言进行因子分析实战(数据+代码+可视化+详细分析)
|
数据可视化
【R语言实战】——金融时序ARIMA建模
【R语言实战】——金融时序ARIMA建模
|
Web App开发 数据可视化 数据挖掘
利用R语言进行聚类分析实战(数据+代码+可视化+详细分析)
利用R语言进行聚类分析实战(数据+代码+可视化+详细分析)