R语言数据集实例分析

今天小编给大家分享一下R语言数据集实例分析的相关知识点,内容详细,逻辑清晰,相信大部分人都还太了解这方面的知识,所以分享这篇文章给大家参考一下,希望大家阅读完这篇文章后有所收获,下面我们一起来了解一下吧。1 获得数据集(get the dataset)
数据集包括两部分,独立变量(independent variable)和依赖变量(dependent variable
机器学习的目的就是需要通过独立变量来预测非独立变量(prediction)。2 导入数据集(importing dataset)
先设置working directory, 将代码与数据保存在working directory文件夹下# 设置working directory
getwd()
setwd(“C:UsersM*****DocumentsMLday1”)# Importing the dataset
dataset View(dataset)
Age和Salary是独立变量,通过这两个独立变量预测是否会Purchase(非独立变量)。3 处理空数据(Handling the missing data)
在数据集中可能会出现为空的数据,我们不能删除有空数据的列,这会对我们机器学习的结果造成影响,NA有很多处理方法(后续分享),此处用mean来代替空值。# Taking care of missing data
dataset$Age = ifelse(is.na(dataset$Age),mean(dataset$Age, na.rm = TRUE),dataset$Age)dataset$Salary = ifelse(is.na(dataset$Salary),
ave(dataset$Salary, FUN = function(x) mean(x, na.rm = TRUE)),
dataset$Salary)Country Age Salary Purchased
1 France 44.00000 72000.00 No
2 Spain 27.00000 48000.00 Yes
3 Germany 30.00000 54000.00 No
4 Spain 38.00000 61000.00 No
5 Germany 40.00000 63777.78 Yes
6 France 35.00000 58000.00 Yes
7 Spain 38.77778 52000.00 No
8 France 48.00000 79000.00 Yes
9 Germany 50.00000 83000.00 No
10 France 37.00000 67000.00 Yes

4 分类数据(Encoding categorical data)
对于数据集中的同类别的数据(如country列)为非numerical的数据,可以用数字1,2,3区分不同国家,但是会出现问题。国家之间地位相同,但数字有大小之分。
因此需要设置哑变量,不同的类别(如不同国家)单独分为一个列,属于这个国家的设置为1,不属于的设置为0。

注:在R语言中不需要特别将每一类别分为一列,因为每一列用vector来表示,可以接受不同的大小。# Encoding categorical data
dataset$Country = factor(dataset$Country,
levels = c(‘France’, ‘Spain’, ‘Germany’),
labels = c(1, 2, 3))
dataset$Purchased = factor(dataset$Purchased,
levels = c(‘No’, ‘Yes’),
labels = c(0, 1))5 将数据集分类
当数据集准备完成之后,将独立变量和依赖变量分为训练集和测试集。训练集与测试集的比例一般是用4:1。

# Splitting the dataset into the Training set and Test set
# install.packages(‘caTools’)
library(caTools)
set.seed(123)
split = sample.split(dataset$Purchased, SplitRatio = 0.8)
training_set = subset(dataset, split == TRUE)
test_set = subset(dataset, split == FALSE)test_set
Country Age Salary Purchased
6 1 35 58000 1
9 3 50 83000 06 特征量化 (feature scaling)
数据处理的重要步骤,在机器学习中,由于每个变量的范围不同,如果两个变量之间差距太大,会导致距离对结果产生影响。需要一定的标准化改变,最简单的方式是将数据缩放至[0.1]或者[-1,1]之间:# Feature Scaling
training_set[, 2:3] = scale(training_set[, 2:3])
test_set[, 2:3] = scale(test_set[, 2:3])test_set
Country Age Salary Purchased
6 1 -0.7071068 -0.7071068 1
9 3 0.7071068 0.7071068 0
Done 建立模板
经过以上几个简单的对数据进行预处理的步骤,既为初步的分析模板,
下面就开始真正的机器学习入门到放弃了。
R代码如下:
# Data Preprocessing template
# Importing the dataset
dataset
# Taking care of missing data
dataset$Age = ifelse(is.na( 香港云主机dataset$Age),mean(dataset$Age, na.rm = TRUE),dataset$Age)dataset$Salary = ifelse(is.na(dataset$Salary),
ave(dataset$Salary, FUN = function(x) mean(x, na.rm = TRUE)),
dataset$Salary)# Encoding categorical data
dataset$Country = factor(dataset$Country,
levels = c(‘France’, ‘Spain’, ‘Germany’),
labels = c(1, 2, 3))
dataset$Purchased = factor(dataset$Purchased,
levels = c(‘Yes’,’No’),
labels = c(1, 0))# Splitting the dataset into the Training set and Test set
library(caTools)
set.seed(123)
split = sample.split(dataset$Purchased, SplitRatio = 0.8)
training_set = subset(dataset, split == TRUE)
test_set = subset(dataset, split == FALSE)# Feature Scaling
training_set[, 2:3] = scale(training_set[, 2:3])
test_set[, 2:3] = scale(test_set[, 2:3])以上就是“R语言数据集实例分析”这篇文章的所有内容,感谢各位的阅读!相信大家阅读完这篇文章都有很大的收获,小编每天都会为大家更新不同的知识,如果还想学习更多的知识,请关注开发云行业资讯频道。

相关推荐: 笔记本电脑的散热不好怎么办

这篇文章给大家分享的是有关笔记本电脑的散热不好怎么办的内容。小编觉得挺实用的,因此分享给大家做个参考,一起跟随小编过来看看吧。1,如果笔记本电脑使用时间比较长的,可以清理内部的灰尘。灰尘减少了,散热效果也比较好一点。2,大家都知道电器非常容易吸引灰尘,笔记本电…

免责声明:本站发布的图片视频文字,以转载和分享为主,文章观点不代表本站立场,本站不承担相关法律责任;如果涉及侵权请联系邮箱:360163164@qq.com举报,并提供相关证据,经查实将立刻删除涉嫌侵权内容。

(0)
打赏 微信扫一扫 微信扫一扫
上一篇 07/14 13:25
下一篇 07/14 13:25

相关推荐

发表评论

您的电子邮箱地址不会被公开。