如何用r语言进行数据分类

Python031

如何用r语言进行数据分类,第1张

首先，原始数据是由name(名字)，class(班级)，course(课程)和score(分数)组成的，将其导入R语言并存储在Mydata对象里接下来，我们利用sqldf包来处理分组汇总的问题。由于sqldf包不是R语言自带的，所以先用以下代码安装sqldf包：install.packages("sqldf")然后选择“China(Beijing)”镜像站点进行安装，R语言会同时自动安装“sqldf”包的依赖包。安装好sqldf包及其依赖包后，输入以下代码加载sqldf包：library(sqldf)一切准备就绪，接下来用sqldf统计每个同学的总成绩和平均分：sqldf("select name,sum(score) as score_sum,avg(score) as score_avg from Mydata group by name")统计每个班级的总成绩：sqldf("select class,sum(score) as score_sum from Mydata group by class")统计每个班级的每门课程的总成绩和平均分：sqldf("select class,course,sum(score) as score_sum,avg(score) as score_avg from Mydata group by class,course")

1.所有在对iris数据集分（聚）类研究中，setosa均可以完全正确分（聚）类，而另外两类则会出现不同程度的误差，这也是导致整个研究模型出现误差的原因；

2.在使用的三种分类研究方法中，决策树模型的效果最优，因此可以使用该方法进行鸢尾花数据集的分类预测研究。

1.在对鸢尾花数据集进行聚类时，K-means、K-medoids两种聚类方法的正确率相同，可见在数据集离群点和噪音不大的情况下，二者聚类效果基本相同，但当出现离群点和噪音时，应该考虑K-medoids聚类方法；

2.鸢尾花数据集进行聚类分析时，划分聚类效果优于层次聚类；

3.对于量纲不一致的数据，应进行标准化，但对于量纲一致的数据，标准化之后结果并不一定优于未标准化的数据得到的结果。