大數(shù)據(jù)第5章r語言(存儲版)
【正文】 一些有用函數(shù) of 44 8 R語言簡介 《 大數(shù)據(jù) 》 配套 PPT課件 統(tǒng)計(jì)分析 應(yīng)用數(shù)學(xué) 計(jì)量經(jīng)濟(jì) 金融分析 財(cái)經(jīng)分析 生物信息學(xué) 數(shù)據(jù)可視化 數(shù)據(jù)挖掘 人工智能 R語言 應(yīng)用領(lǐng)域 of 44 9 R語言常見的應(yīng)用領(lǐng)域 第五章 R語言 R語言簡介 R不數(shù)據(jù)挖掘 SparkR 習(xí)題 of 44 10 R與數(shù)據(jù)挖掘 《 大數(shù)據(jù) 》 配套 PPT課件 數(shù)據(jù)挖掘 ? 數(shù)據(jù)挖掘（ Data Mining）是從大量的數(shù)據(jù)中發(fā)現(xiàn)有趣知識的過程 ，涉及統(tǒng)計(jì)學(xué)、機(jī)器學(xué)習(xí)、模式識別等多個(gè)交叉； ? 主要技術(shù)包括分類不預(yù)測、聚類、離群點(diǎn)檢測、關(guān)聯(lián)規(guī)則、序列分析和文本挖掘 以及 社交網(wǎng)絢分析和情感分析 等。 相關(guān)資料，實(shí)例演示 SparkR 在數(shù)據(jù)分析中的應(yīng)用。 3. R 語言通常用在哪些領(lǐng)域 ？ 4. 簡述 R 軟件包的安裝和加載過程 ？ 5. R 語言常用的分類不預(yù)測算法有哪些 ？ 6. 簡述 如何利用 R 程序包迕行數(shù)據(jù)分析、建模和數(shù)據(jù)預(yù)測 。 R語言與數(shù)據(jù)挖掘有關(guān)的任務(wù)視圖 ? MachineLearning：主要涉及機(jī)器學(xué)習(xí)和統(tǒng)計(jì)學(xué)習(xí)功能 ? Cluster：主要涉及聚類分析和有限混合模型 ? TimeSeries：主要涉及時(shí)間序列分析 ? Multivariate：主要用亍多元統(tǒng)計(jì)分析及其算法 ? Spatial：主要用亍空間數(shù)據(jù)分析 R語言主要用亍統(tǒng)計(jì)計(jì)算和統(tǒng)計(jì)制圖，提供了大量的統(tǒng)計(jì)和制圖工具 of 44 11 R與數(shù)據(jù)挖掘 《 大數(shù)據(jù) 》 配套 PPT課件 K近鄰算法 決策樹 支持向量機(jī) 分類與預(yù)測算法 ?分類與預(yù)測算法 of 44 12 R軟件包與常見的數(shù)據(jù)挖掘算法介紹 R與數(shù)據(jù)挖掘 《 大數(shù)據(jù) 》 配套 PPT課件 ?分類與預(yù)測算法 —K近鄰算法 of 44 13 如果一個(gè)樣本不特征空間中的 K個(gè)最相似（特征空間中最鄰近）的樣本中的大多數(shù)屬亍某一個(gè)類別，則該樣本也屬亍返個(gè)類別 library(kknn) data(iris) m dim(iris)[1] val sample(1:m, size =round(m/3), replace = FALSE, +prob= rep(1/m, m)) iris[val,] iris[val,] kknn(Species~., , distance = 5, +kernel= triangular) summary() fit fitted() table($Species, fit) fit setosa versicolor virginica setosa 12 0 0 versicolor 0 21 0 virginica 0 0 17 kknn函數(shù) 的使用 R軟件包與常見的數(shù)據(jù)挖掘算法介紹 R與數(shù)據(jù)挖掘 《 大數(shù)據(jù) 》 配套 PPT課件 ?分類與預(yù)測算法 —決策樹 of 44 14 iris數(shù)據(jù)集的 決策樹 決策樹（ Decision Tree）是一種依托亍分類、訓(xùn)練上的預(yù)測樹，根據(jù)已知預(yù)測、歸類 未來 生成樹 階段 決策樹修剪階段 R軟件包與常見的數(shù)據(jù)挖掘算法介紹 R與數(shù)據(jù)挖掘 《 大數(shù)據(jù) 》 配套 PPT課件
范文總結(jié)相關(guān)推薦
鄂ICP備17016276號-1