今天发现一个很不错的博客(http://www.RDataMining.com),博主致力于研究R语言在数据挖掘方面的应用,正好近期很想系统的学习一下R语言和数据挖掘的整个流程,看了这个博客的内容,心里久久不能平静。决定从今天开始 ...
今天发现一个很不错的博客(http://www.RDataMining.com), 博主致力于研究R语言在数据挖掘方面的应用,正好近期很想系统的学习一下R语言和数据挖掘的整个流程,看了这个博客的内容,心里久久不能平静。决定从今天 开始,只要晚上能在11点之前把碗洗好,就花一个小时的时间学习博客上的内容,并把学习过程中记不住的信息记录下来,顺便把离英语四级的差距尽量缩小。
下面列出了可用于数据挖掘的R包和函数的集合。其中一些不是专门为了数据挖掘而开发,但数据挖掘过程中这些包能帮我们不少忙,所以也包含进来。
1、聚类
- 常用的包: fpc,cluster,pvclust,mclust
- 基于划分的方法: kmeans, pam, pamk, clara
- 基于层次的方法: hclust, pvclust, agnes, diana
- 基于模型的方法: mclust
- 基于密度的方法: dbscan
- 基于画图的方法: plotcluster, plot.hclust
- 基于验证的方法: cluster.stats
2、分类
- 常用的包:
rpart,party,randomForest,rpartOrdinal,tree,marginTree,
maptree,survival
- 决策树: rpart, ctree
- 随机森林: cforest, randomForest
- 回归, Logistic回归, Poisson回归: glm, predict, residuals
- 生存分析: survfit, survdiff, coxph
3、关联规则与频繁项集
- 常用的包:
arules:支持挖掘频繁项集,最大频繁项集,频繁闭项目集和关联规则
DRM:回归和分类数据的重复关联模型
- APRIORI算法,广度RST算法:apriori, drm
- ECLAT算法: 采用等价类,RST深度搜索和集合的交集: eclat
4、序列模式
- 常用的包: arulesSequences
- SPADE算法: cSPADE
5、时间序列
- 常用的包: timsac
- 时间序列构建函数: ts
- 成分分解: decomp, decompose, stl, tsr
6、统计
- 常用的包: Base R, nlme
- 方差分析: aov, anova
- 密度分析: density
- 假设检验: t.test, prop.test, anova, aov
- 线性混合模型:lme
- 主成分分析和因子分析:princomp
7、图表
- 条形图: barplot
- 饼图: pie
- 散点图: dotchart
- 直方图: hist
- 密度图: densityplot
- 蜡烛图, 箱形图 boxplot
- QQ (quantile-quantile) 图: qqnorm, qqplot, qqline
- Bi-variate plot: coplot
- 树: rpart
- Parallel coordinates: parallel, paracoor, parcoord
- 热图, contour: contour, filled.contour
- 其他图: stripplot, sunflowerplot, interaction.plot, matplot, fourfoldplot,
assocplot, mosaicplot - 保存的图表格式: pdf, postscript, win.metafile, jpeg, bmp, png
8、数据操作
- 缺失值:na.omit
- 变量标准化:scale
- 变量转置:t
- 抽样:sample
- 堆栈:stack, unstack
- 其他:aggregate, merge, reshape
9、与数据挖掘软件Weka做接口
- RWeka: 通过这个接口,可以在R中使用Weka的所有算法。
时间: 2024-10-01 19:17:30