【收藏】R数据挖掘分析常用包和函数

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、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

5、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

6、图表

条形图: barplot

饼图: pie

散点图: dotchart

直方图: hist

树: rpart

密度图: densityplot

蜡烛图, 箱形图 boxplot

热图, contour: contour, filled.contour

QQ (quantile-quantile) 图: qqnorm, qqplot, qqline

Parallel coordinates: parallel, paracoor, parcoord

其他图: stripplot, sunflowerplot, interaction.plot, matplot, fourfoldplot,

assocplot, mosaicplot

7、数据处理

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

本站特约专栏文章,作者:小蚊子乐园,本文链接:https://www.afenxi.com/15683.html 。内容观点不代表本站立场,如若转载请联系专栏作者。

发表评论

登录后才能评论

联系我们

如有建议:>>给我留言 大数据交流群: 统  计  学 数据分析网-统计学 商业智能 数据分析网-商业智能 数据挖掘 数据分析-数据挖掘 数据产品 数据分析网-数据产品

QR code