刚接触R语言一周，和matab不同R作用于数据挖掘的库很多,详解见 R语言数据挖掘包
，下面简介文本分析经常使用到的三个包
tm 为文本挖掘提供综合性处理 Rwordmsg 进行中文分词 wordcloud 统计词云
以第三届泰迪杯A题提供的数据集国美-Sheet1进行文本分析 : 第三届泰迪杯
转化为txt的数据集如下图所示:
生成词云:
介绍使用tidytext进行文本挖掘。
整洁的数据应该是这样的
对于整洁的文本数据，储存在每行中的数据通常是单个单词，但也可以是n-gram，句子或段落。
使用unnest_tokens函数对数据进行处理
简单介绍一下unnest_tokens函数：
unnest_tokens这里使用的两个基本参数。首先，输出的列名，上面是word，然后是文本来输入列（text在本例中）。
使用之后unnest_tokens，我们将每行拆分
文本分析的流程：
就是写了傲慢与偏见的那个人，说实话这部作品的确值得一看
数据来自于Jane Austen的 janeaustenr 包
linenumber 对应的是多少行， chapter 对应的是第多少章。
要将其作为一个整洁的数据集来处理，还需要将句子转化成文更加基本的格式
此函数使用 tokenizers 包将原始数据框中的每一行文本分隔为标记。默认标记化用于单词，但其他选项包括字符，n-gram，句子，行，段落或正则表达式模式周围的分隔。
也就是修改下面这个参数：
既然数据是每行一个字的格式，我们可以使用像dplyr这样的整洁工具来操作它。通常在文本分析中，我们会想要删除停用词停用词是对分析无用的词，通常是非常常见的词，例如英语中的“the”，“of”，“to”等等。我们可以用一个删除停用词（保存在tidytext数据集中stop_words）anti_join()。
我们也可以使用 dplyr count() 来查找所有书籍中最常见的单词。
可以看见，最常见的单词是 miss
进行可视化：
因为我们一直在使用整洁的工具，所以我们的字数存储在一个整洁的数据框中。这允许我们将它直接传递给ggplot2包，例如创建最常见单词的可视化
R语言实用案例分析-相关系数的应用在日常工作中，经常会存在多个变量之间存在关联关系，比如学习数学好的同学，物理成绩可能也比较高。在公司中外貌和讨人喜欢的关系往往也比较大，在人事招聘过程中，如果想要更加综合的评价某个人，需要把相关系数比较高的方面进行权重或者均值处理。
如以下案例：
现有30名应聘者来公司应聘，公司为这些应聘者制定了15项指标，分别是：求职信的形式（FL）、外貌（APP）、专业能力（AA）、讨人喜欢（LA）、自信心（SC）、洞察力（LC）、诚实（HON）、推销能力（SMS）、经验（EXP）、驾驶水平(DRV）、事业心（AMB）、理解能力（POT）、交际能力（KJ）和适应性（SUIT）。每项分数是从0到10分，0分最低，10分最高。每位求职者的15项指标如下所示，公司计划只录取前5名申请者，公司到底该如何选择呢？
#读入数据
rt<-read.table("applicant.data")
AVG<-apply(rt,1,mean)
sort(AVG,descreasing=TRUE)
attach(rt)
#找到相关系数高的分为一组，然后取平均值，防止值过大
rt$G1<-(SC+LC+SMS+DRV+AMB+GSP+POT)/7
rt$G2<-(FL+EXP+SUIT)/3
rt$G3<-(LA+HON+KJ)/3
rt$G4<-AA
rt$G5<-APP
AVG<-apply(rt[,16:20], 1, mean)
sort(AVG, decreasing = TRUE)
找出前5名
