书籍：《R语言与数据挖掘》作者：张良均出版社：机械工业出版社ISBN：9787111540526本书由北京华章图文信息有限公司授权杭州云悦读网络有限公司电子版制作与发行版权所有·侵权必究对象的一般操作1.交互式修改数据2.变量名3.sort()、rank()、order()函数的基本操作# 示例：利用交互式编辑器修改score数据集中变量p1的名称为student# 交互式编辑器修改变量名scor

书籍：《R语言与数据挖掘》作者：张良均出版社：机械工业出版社ISBN：9787111540526本书由北京华章图文信息有限公司授权杭州云悦读网络有限公司电子版制作与发行版权所有·侵权必究

数据类型的判别及转换a <- 1:4 # 创建一个1:4的序列x = c(a,NA) # 构建一个对象is.na(x)# 判别是否存在缺失值class(a)# 查看数据类型is.numeric(a) # 判别是否是数值型数据is.vector(a) # 判别是否是向量型数据is.character(a) # 判别是否是字符型数据is.logical(a) # 判别是否是字符型数据is.arr

书籍：《R语言与数据挖掘》作者：张良均出版社：机械工业出版社ISBN：9787111540526本书由北京华章图文信息有限公司授权杭州云悦读网络有限公司电子版制作与发行版权所有·侵权必究lattice包lattice包的图形参数可通过trellis.par.get()函数来获取，并用trellis.par.set()函数来修改。show.settings()函数可展示当前的图形参数设置情况。lat

写在前面简言之，关联分析就是通过量化后的数字描述物品之间的影响，以及有多大的一些影响关系。常见的算法如下：Apriori关联规则基本的术语解释：事务（Transaction）：简单理解，一个人购物是的一张小票里面的所有物品组成的集合。项（Item）：小票里面的商品A项集（Itemset）：多个商品组成的集合，和上面不同，你细细品。这里就衍生出，1-项集、2-项集、k-项集等等。符号：X =>

回归分析是一种预测性的建模技术，它研究的是因变量（目标）和自变量（预测器）之间的关系。lm()函数说明lm(formula, data, subset, weights, na.action, method = "qr", model = TRUE, x = FALSE, y = FALSE, qr = TRUE, singular.ok = TRUE, contrasts = NULL, off

决策树是一树状结构，它的每一个叶节点对应着一个分类，非叶节点对应着在某个属性上的划分，根据样本在该属性上的不同取值将其划分成若干个子集。对于非纯的叶节点，多数类的标号给出到达这个节点的样本所属的类。构造决策树的核心问题是在每一步如何选择适当的属性对样本做拆分。对一个分类问题，从已知类标记的训练样本中学习并构造出决策树是一个自上而下，分而治之的过程。常见的三类决策树：C4.5算法在R语言中，实现C4

KNN 算法即K最近邻(k-Nearest Neighbor)分类算法，是一个理论上比较成熟的方法。kknn()函数knn()函数train()函数# KNN算法setwd("F:\\桌面")# 设置工作空间Data <- read.csv("./test.txt",sep = '\t')# 读入数据Data[, "MN"] <- as.factor(Data[, "MN"])# 将目

算法思路：对于给出的待分类项，求解在此项出现的条件下各个类别出现的概率，哪个最大，就认为此待分类项属于哪个类别。naiveBayes()函数# 朴素贝叶斯分类算法setwd("F:\\桌面")# 设置工作空间Data <- read.csv("./test.txt",sep = '\t')# 读入数据Data[, "MN"] <- as.factor(Data[, "MN"])# 将目

#清理环境，加载包rm(list=ls())library(forecast)library(tseries)# as.ts()与is.ts()Data <- read.table("F:\\桌面\\temp/arima_data.txt", header = TRUE)[, 2]is.ts(Data)video1 <- ts(Data)is.ts(video1)video2 <