R中常用数据挖掘算法包

Posted

tags:

篇首语:本文由小常识网(cha138.com)小编为大家整理,主要介绍了R中常用数据挖掘算法包相关的知识,希望对你有一定的参考价值。

数据挖掘主要分为4类,即预测、分类、聚类和关联,根据不同的挖掘目的选择相应的算法。下面对R语言中常用的数据挖掘包做一个汇总:

连续因变量的预测:

stats包 lm函数,实现多元线性回归

stats包 glm函数,实现广义线性回归

stats包 nls函数,实现非线性最小二乘回归

rpart包 rpart函数,基于CART算法的分类回归树模型

RWeka包 M5P函数,模型树算法,集线性回归和CART算法的优点

adabag包 bagging函数,基于rpart算法的集成算法

adabag包 boosting函数,基于rpart算法的集成算法

randomForest包 randomForest函数,基于rpart算法的集成算法

e1071包 svm函数,支持向量机算法

kernlab包 ksvm函数,基于核函数的支持向量机

nnet包 nnet函数,单隐藏层的神经网络算法

neuralnet包 neuralnet函数,多隐藏层多节点的神经网络算法

RSNNS包 mlp函数,多层感知器神经网络

RSNNS包rbf函数,基于径向基函数的神经网络

离散因变量的分类:

stats包 glm函数,实现Logistic回归,选择logit连接函数

stats包 knn函数,k最近邻算法

kknn包 kknn函数,加权的k最近邻算法

rpart包 rpart函数,基于CART算法的分类回归树模型

adabag包bagging函数,基于rpart算法的集成算法

adabag包boosting函数,基于rpart算法的集成算法

randomForest包randomForest函数,基于rpart算法的集成算法

party包ctree函数,条件分类树算法

RWeka包OneR函数,一维的学习规则算法

RWeka包JPip函数,多维的学习规则算法

RWeka包J48函数,基于C4.5算法的决策树

C50包C5.0函数,基于C5.0算法的决策树

e1071包svm函数,支持向量机算法

kernlab包ksvm函数,基于核函数的支持向量机

e1071包naiveBayes函数,贝叶斯分类器算法

klaR包NaiveBayes函数,贝叶斯分类器算分

MASS包lda函数,线性判别分析

MASS包qda函数,二次判别分析

nnet包nnet函数,单隐藏层的神经网络算法

RSNNS包mlp函数,多层感知器神经网络

RSNNS包rbf函数,基于径向基函数的神经网络

聚类:

Nbclust包Nbclust函数可以确定应该聚为几类

stats包kmeans函数,k均值聚类算法

cluster包pam函数,k中心点聚类算法

stats包hclust函数,层次聚类算法

fpc包dbscan函数,密度聚类算法

fpc包kmeansruns函数,相比于kmeans函数更加稳定,而且还可以估计聚为几类

fpc包pamk函数,相比于pam函数,可以给出参考的聚类个数

mclust包Mclust函数,期望最大(EM)算法

关联规则:

arules包apriori函数,Apriori关联规则算法

以上是关于R中常用数据挖掘算法包的主要内容,如果未能解决你的问题,请参考以下文章

使用R语言的正确姿势,最常用的R包整理

R语言之数据处理常用包

分享|R语言数据挖掘分析常用包和函数

数据挖掘常用算法之决策树算法

算法与数据结构常用算法模板1

65页PPT讲述一个完整R语言与数据挖掘的案例