R语言与数据挖掘学习笔记

R语言与数据挖掘学习笔记

(2013-04-02 11:25:43)

转载▼

摘要: 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。