分享|R语言数据挖掘分析常用包和函数

Posted 2021-04-27 成都CDA数据分析师

R语言是一套完整的数据处理、计算和制图软件系统。其功能包括：数据存储和处理系统；数组运算工具(其向量、矩阵运算方面功能尤其强大)；完整连贯的统计分析工具；优秀的统计制图功能；简便而强大的编程语言：可操纵数据的输入和输出，可实现分支、循环，用户可自定义功能。下面为大家介绍一些R语言数据挖掘常用的包和函数的集合

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, rpartOrdina, ee,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.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

4.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

热图, contour: contour, filled.contour

保存的图表格式: pdf, postscript, win.metafile, jpeg, bmp, png

5.序列模式

常用的包：arulesSequences

SPADE算法：cSPADE

6.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

7.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

8.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： ecla

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。