R语言-数据科学专业问答社区-CDA答疑社区

热线电话：13121318867

登录

啊啊啊啊啊吖

用均值替换、回归插补及多重插补进行插补

##设置工作空间#把“数据及程序” 文件夹复制到F盘下，再用setwd设置工作空间setwd（"F： /数据及程序/chapter4/示例程序"）#读取销售数据文件，提取标题行inputfile=read.csv（'./data/catering_sale.csv'， he=T）#变换变量名inputfile=data.frame（sales=inputfile$'销量'， dat

0.0000

0

3

0

关注作者

收藏

啊啊啊啊啊吖

缺失值处理

从统计上说，缺失的数据可能会产生有偏估计，从而使样本数据不能很好地代表总体，而现实中绝大部分数据都包含缺失值，因此如何处理缺失值很重要。一般来说，缺失值的处理包括两个步骤，即缺失数据的识别和缺失值处理。在R语言中缺失值通常以NA表示，可以使用函数is.na（）判断缺失值是否存在，另外函数complete.cases（）可识别样本数据是否完整从而判断缺失情况。在对

0.0000

0

1

0

关注作者

收藏

阿抽哥哥

Rstudio打开后总是会有警告，如何解决？

Rstudio警告图：解决方法：根绝路径进入tools-> global options-> packages-> cran mirror，试选一些国内的镜像，并选择稳定的镜像。

0.0000

0

1

0

关注作者

收藏

啊啊啊啊啊吖

直方图的代码实现

hist·功能：绘制二维条形直方图，可显示数据的分布情形。·使用格式：hist（X， freq=TRUE）把向量X中的数值自动分组，各组距相等，条形图每一条的高度表示频率或者频数，默认freq=TRUE，即画出频数条形图， freq=FALSE时绘出频率条形图。·实例：绘制二维条形直方图，从1到999中随机抽取100个数，并对100取余数，得到100个1到99之

0.0000

0

0

0

关注作者

收藏

啊啊啊啊啊吖

使用R如何绘制饼图

pie·功能：绘制饼形图。·使用格式：pie（X）绘制矩阵X中非负数据的饼形图。若X中非负元素和小于1，则函数仅画出部分的饼形图，且非负元素X（i， j）的值直接限定饼形图中扇形的大小；若X中非负元素和大于等于1，则非负元素X（i， j）代表饼形图中的扇形大小通过X（i， j） /Y的大小来决定，其中， Y为矩阵X中非负元素和。·实例：通过向量［1 3 1.5

0.0000

0

4

0

关注作者

收藏

啊啊啊啊啊吖

统计作图函数-barplot

通过统计作图函数绘制的图表可以直观地反映出数据及统计量的性质及其内在规律，如盒图可以表示多个样本的均值，误差条形图能同时显示下限误差和上限误差，最小二乘拟合曲线图能分析两变量间的关系。 barplot·功能：绘制简单条形图。·使用格式：barplot（X， horiz=FALSE， main， xlab， ylab）绘制矩阵样本X的分类条形图， X是一个向量或者矩阵。其中，

0.0000

0

3

0

关注作者

收藏

啊啊啊啊啊吖

统计特征函数

R提供了大量的与数据探索相关的函数，统计特征函数用于计算数据的均值、方差、标准差、分位数、相关系数、协方差等，这些统计特征能反映出数据的整体分布（1） mean·功能：计算数据样本的算术平均数。·使用格式：n=mean（X）计算样本X的均值n，样本X可为向量、矩阵或多维数组。（2） exp（mean（log（））·功能：计算数据样本的几何平均数。·使用格式：

0.0000

0

4

0

关注作者

收藏

啊啊啊啊啊吖

贡献度分析

贡献度分析又称帕累托分析，它的原理是帕累托法则又称20/80定律。同样的投入放在不同的地方会产生不同的效益。例如，对一个公司来讲，80%的利润常常来自于20%最畅销的产品，而其他80%的产品只产生了20%的利润。##设置工作空间#把“数据及程序” 文件夹复制到F盘下，再用setwd设置工作空间setwd（"F： /数据及程序/chapter3/示例程序"）#读取菜品数据，绘

0.0000

0

4

0

关注作者

收藏

啊啊啊啊啊吖

离中趋势度量

1）极差极差=最大值-最小值极差对数据集的极端值非常敏感，并且忽略了位于最大值与最小值之间的数据是如何分布的。（2）标准差标准差度量数据偏离均值的程度（3）变异系数变异系数度量标准差相对于均值的离中趋势，变异系数主要用来比较两个或多个具有不同单位或不同波动幅度的数据集的离中趋势。（4）四分位数间距四分位数包括上四分位数和下四分位数。将所有数值由小到大排列并分成四等

0.0000

0

1

0

关注作者

收藏

啊啊啊啊啊吖

集中趋势度量

（1）均值均值是所有数据的平均值。有时，为了反映在均值中不同成分所占的不同重要程度，为数据集中的每一个xi赋予wi。作为一个统计量，均值的主要问题是对极端值很敏感。如果数据中存在极端值或者数据是偏态分布的，那么均值就不能很好地度量数据的集中趋势。为了消除少数极端值的影响，可以使用截断均值或者中位数来度量数据的集中趋势。截断均值是去掉高、低极端值之后的平均数。（2

0.0000

0

2

0

关注作者

收藏

啊啊啊啊啊吖

对比分析是指把两个相互联系的指标进行比较，从数量上展示和说明研究对象规模的大小，水平的高低，速度的快慢，以及各种关系是否协调。特别适用于指标间的横纵向比较、时间序列的比较分析。在对比分析中，选择合适的对比标准是十分关键的步骤，选择合适，才能做出客观的评价，选择不合适，评价可能得出错误的结论。对比分析主要有以下两种形式：（1）绝对数比较它是利用绝对数进行对比，

0.0000

0

2

0

关注作者

收藏

啊啊啊啊啊吖

分布分析能揭示数据的分布特征和分布类型。对于定量数据，欲了解其分布形式是对称的还是非对称的、发现某些特大或特小的可疑值，可做出频率分布表、绘制频率分布直方图、绘制茎叶图进行直观地分析；对于定性数据，可用饼形图和条形图直观地显示分布情况。1.定量数据的分布分析对于定量变量，选择“组数”和“组宽”是做频率分布分析时最主要的问题，一般按照以下步骤：1）求极差；2）

0.0000

0

3

0

关注作者

收藏

啊啊啊啊啊吖

一致性分析

数据不一致性是指数据的矛盾性、不相容性。直接对不一致的数据进行挖掘，可能会产生与实际相违背的挖掘结果。在数据挖掘过程中，不一致数据的产生主要发生在数据集成的过程中，可能是由被挖掘数据来自于不同的数据源、对于重复存放的数据未能进行一致性更新造成的。例如，两张表中都存储了用户的电话号码，但在用户的电话号码发生改变时只更新了一张表中的数据，那么这两张表中就有了不一致的数据。

0.0000

0

4

0

关注作者

收藏

啊啊啊啊啊吖

R实现缺失值和异常值检测

##设置工作空间#把“数据及程序” 文件夹复制到F盘下，再用setwd设置工作空间setwd（"F： /数据及程序/chapter3/示例程序"）#读入数据saledata=read.csv（file="./data/catering_sale.csv"， header=TRUE）#缺失值检测并打印结果，由于R把TRUE和FALSE分别当作1、 0，可以用sum（）和mean（）

37.5000

1

2

0

关注作者

收藏

啊啊啊啊啊吖

异常值分析

异常值分析是检验数据是否有录入错误以及含有不合常理的数据。忽视异常值的存在是十分危险的，不加剔除地把异常值包括进数据的计算分析过程中，会给结果带来不良影响；重视异常值的出现，分析其产生的原因，常常成为发现问题进而改进决策的契机。异常值是指样本中的个别值，其数值明显偏离其余的观测值。异常值也称为离群点，异常值的分析也称为离群点分析。（1）简单统计量分析可以先对变量做

0.0000

0

1

0

关注作者

收藏

啊啊啊啊啊吖

缺失值分析

数据的缺失主要包括记录的缺失和记录中某个字段信息的缺失，两者都会造成分析结果的不准确，以下从缺失值产生的原因及影响等方面展开分析。（1）缺失值产生的原因1）有些信息暂时无法获取，或者获取信息的代价太大。2）有些信息是被遗漏的。可能是因为输入时认为不重要、忘记填写或对数据理解错误等一些人为因素而遗漏，也可能是由于数据采集设备的故障、存储介质的故障、传输媒体的故障等

0.0000

0

2

0

关注作者

收藏

啊啊啊啊啊吖

数据质量分析

数据质量分析是数据挖掘中数据准备过程的重要一环，是数据预处理的前提，也是数据挖掘分析结论有效性和准确性的基础，没有可信的数据，数据挖掘构建的模型将是空中楼阁。数据质量分析的主要任务是检查原始数据中是否存在脏数据，脏数据一般是指不符合要求，以及不能直接进行相应分析的数据。在常见的数据挖掘工作中，脏数据包括：·缺失值；·异常值；·不一致的值；·重复数据及含有特殊符号（

0.0000

0

3

0

关注作者

收藏

啊啊啊啊啊吖

R里的时间序列函数

时间序列分析是根据系统观测得到的时间序列数据，通过曲线拟合和参数估计来建立数学模型的理论和方法。进行时间序列分析时，可以使用ts（）函数将数据转化成时间序列格式；模型拟合可以通过arima（）函数实现，涉及的主要参数有order（自回归项数、滑动平均项数及使时间序列成为平稳序列的差分阶数）、 seasonal（序列表现出季节性趋势时需要，除了上述order内容，还有

0.0000

0

1

0

关注作者

收藏

啊啊啊啊啊吖

常用的聚类方法

常用的聚类方法有系统聚类与K-Means聚类。系统聚类可以使用hclust（）函数实现，涉及的参数有距离矩阵（d）和系统聚类方法（method），其中距离矩阵可以使用dist（）函数求得，常用的系统聚类方法有最短距离法（single）、最长距离法（complete）、类平均法（average）、中间距离法（median）、重心法（centroid）以及Wa

0.0000

0

4

0

关注作者

收藏

啊啊啊啊啊吖

nnet包执行单隐层前馈神经网络， nnet（）函数涉及的主要参数有隐层节点数（size）、节点权重（weights）、最大迭代次数（maxit）等，为了达到最好的分类效果，这些都是需要用户根据经验或者不断地尝试来确定的；随机森林分类器利用基于Breiman随机森林理论的R语言软件包randomForest中的randomForest（）函数来实现，需要设置三个主要的参

0.0000

0

1

0

关注作者

收藏

<1…101112…25>

CDA考试动态

CDA报考指南