摘要：
ML3.1 介绍e1071包实施朴素贝叶斯分类的函数，本例使用klaR包中的NaiveBayes函数，因为该函数较之前者增加了两个功能，一个是可以输入先验概率，另一个是在正态分布基础上增加了核平滑密度函数。为了避免过度拟合，在训练时还要将数据分割进行多重检验，所以我们还使用了caret包的一些函数进 阅读全文
posted @ 2017-04-19 08:53 天戈朱 阅读(435) 评论(0) 推荐(0) 编辑
摘要：
读取csv文件出现中文乱码方案，增加编码格式参数 read.csv(trainPath,header=TRUE,stringsAsFactors=TRUE,encoding = "UTF-8") 保存csv文件中出现乱码，编码格式参数 write.csv(outp, file = path, quo 阅读全文
posted @ 2017-04-18 07:52 天戈朱 阅读(11738) 评论(1) 推荐(1) 编辑
摘要：
决策树模型中最为流行的是C4.5算法, 该类算法70年代末，J Ross Quinlan提出ID3算法，此算法的目的在于减少树的深度。但是忽略了叶子数目的研究。1993年，Quinlan本人以ID3算法为基础研究出C4.5/C5.0算法，C4.5算法在ID3算法的基础上进行了改进，对于预测变量的缺值 阅读全文
posted @ 2017-04-17 21:26 天戈朱 阅读(513) 评论(0) 推荐(0) 编辑
摘要：
随机森林模型是一种数据挖掘模型，常用于进行分类预测。随机森林模型包含多个树形分类器，预测结果由多个分类器投票得出。 决策树相当于一个大师，通过自己在数据集中学到的知识对于新的数据进行分类。俗话说得好，一个诸葛亮，玩不过三个臭皮匠。随机森林就是希望构建多个臭皮匠，希望最终的分类效果能够超过单个大师的一 阅读全文
posted @ 2017-04-17 00:40 天戈朱 阅读(8638) 评论(0) 推荐(0) 编辑
摘要：
K近邻算法，即K-Nearest Neighbor algorithm，简称KNN算法，可以简单的理解为由那离自己最近的K个点来投票决定待分类数据归为哪一类。这个算法是机器学习里面一个比较经典的算法， 总体来说KNN算法是相对比较容易理解的算法。其中的K表示最接近自己的K个数据样本。KNN算法和K- 阅读全文
posted @ 2017-04-17 00:40 天戈朱 阅读(1029) 评论(0) 推荐(0) 编辑
摘要：
决策树（Decision Tree）是用于分类和预测的主要技术，它着眼于从一组无规则的事例推理出决策树表示形式的分类规则，采用自顶向下的递归方式，在决策树的内部节点进行属性值的比较，并根据不同属性判断从该节点向下分支，在决策树的叶节点得到结论。因此，从根节点到叶节点就对应着一条合理规则，整棵树就对应 阅读全文
posted @ 2017-04-17 00:39 天戈朱 阅读(985) 评论(0) 推荐(0) 编辑
摘要：
CART模型 ：即Classification And Regression Trees。它和一般回归分析类似，是用来对变量进行解释和预测的工具，也是数据挖掘中的一种常用算法。如果因变量是连续数据，相对应的分析称为回归树，如果因变量是分类数据，则相应的分析称为分类树。决策树是一种倒立的树结构，它由内 阅读全文
posted @ 2017-04-17 00:39 天戈朱 阅读(845) 评论(0) 推荐(0) 编辑
摘要：
朴素贝叶斯方法是一种使用先验概率去计算后验概率的方法, 具体见ML(3): 贝叶斯方法 R包 ① e1071::e1071 ② klaR::klaR 参考资料：https://en.wikibooks.org/wiki/Data_Mining_Algorithms_In_R/Classificati 阅读全文
posted @ 2017-04-10 22:17 天戈朱 阅读(1121) 评论(0) 推荐(0) 编辑
摘要：
tm包是R语言中为文本挖掘提供综合性处理的package，进行操作前载入tm包，vignette命令可以让你得到相关的文档说明。使用默认安装的R平台是不带tm package的，在安装的过程中，它会依赖于NLP’，‘BH’ ，‘slam’包，所以最简单的方式就是采用在线安装。 在tm 中主要的管理文 阅读全文
posted @ 2017-04-09 12:06 天戈朱 阅读(1483) 评论(0) 推荐(0) 编辑