摘要：
1.项目介绍 数据集包含某年9月份欧洲用户在两天时间里发生的284807宗交易，其中包括492宗诈骗。项目通过描述性分析探索诈骗案的相关特点和模式，再通过机器学习算法创建预测模型、调参，并通过混淆矩阵等方法选择模型。 2.数据清理 2.1导入数据 2.2 数据概览 查看数据总体情况、变量类型、缺失值 阅读全文
摘要：
parse()函数能将字符串转换为表达式expression；eval()函数能对表达式求解 输出： 如果将这两个函数与apply系列函数配合，将起到循环的效果。 阅读全文
摘要：
用R语言提取数据框中日期对应年份（列表转矩阵） 在数据处理中常会遇到要对数据框中的时间做聚类处理，如从"%m/%d/%Y"中提取年份。 对应操作为：拆分成列表——列表转矩阵——利用索引从矩阵中提取第一列—— 其他办法供参考： 阅读全文
摘要：
在模型选择中我们一般用caret包train函数建立模型，并对模型进行评判 方法1： 输出 mtry Accuracy Kappa 2 0.9276465 0.8552977 16 0.9314521 0.8628921 30 0.9276627 0.8553120 Accuracy was use 阅读全文
摘要：
数据集——iris（R语言自带鸢尾花包） 一、scale函数 scale函数默认的是对制定数据做均值为0，标准差为1的标准化。它的两个参数center和scale： 1）center和scale默认为真,即T 2）center为真表示数据中心化 3）scale为真表示数据标准化 中心化：所谓数据的中 阅读全文
摘要：
在数据分析中，对缺失值的处理是很关键一步，一般用summary()函数 但通过R语言的VIM包的aggr函数可以做缺失值的图形化展示： 阅读全文
摘要：
在数据分析中经常会对不同的模型做判断 一、混淆矩阵法 作用：一种比较简单的模型验证方法，可算出不同模型的预测精度 将模型的预测值与实际值组合成一个矩阵，正例一般是我们要预测的目标。真正例就是预测为正例且实际也是正例（预测正确）；假反例是实际是正例但模型错误预测成反例（即预测错误）；假正例是预测是模型 阅读全文
摘要：
在使用堆积条形图时候，新增一个百分比堆积条形图，可以加深读者印象。 封装一个function函数后只需要在调用的数据上改一下pos=‘fill’的代码即可。比较方便。 案例： 阅读全文
摘要：
必备数据包“Rmisc” 先准备好需要绘入的图像，以比如p1、p2表示， multiplot(p1, p2) 如果插入图像多，p1、p2、p3、p4，则需要规定图像排列顺序。 multiplot(p1, p2, p3, p4, cols=2) 阅读全文
摘要：
基本抽样函数sample sample(x,size,replace=F/T) x是数据集， size规定了从对象中抽出多少个数 replace 为F时候，表示每次抽取后的数就不能在下一次被抽取；T表示抽取过的数可以继续拿来被抽取。 不平衡数据的问题 以某两类数据为目标做抽样，其中一类样本数量特别 阅读全文