今天發現一個很不錯的博客(http://www.RDataMining.com), 博主致力於研究R語言在數據挖掘方面的應用,正好近期很想系統的學習一下R語言和數據挖掘的整個流程,看了這個博客的內容,心裏久久不能平靜。決定從今天 開始,只要晚上能在11點之前把碗洗好,就花一個小時的時間學習博客上的內容,並把學習過程中記不住的信息記錄下來,順便把離英語四級的差距儘量縮小。
下面列出了可用於數據挖掘的R包和函數的集合。其中一些不是專門爲了數據挖掘而開發,但數據挖掘過程中這些包能幫我們不少忙,所以也包含進來。
1、聚類
常用的包: fpc,cluster,pvclust,mclust
基於劃分的方法: kmeans, pam, pamk, clara
基於層次的方法: hclust, pvclust, agnes, diana
基於模型的方法: mclust
基於密度的方法: dbscan
基於畫圖的方法: plotcluster, plot.hclust
基於驗證的方法: cluster.stats
2、分類
常用的包:
rpart,party,randomForest,rpartOrdinal,tree,marginTree,
maptree,survival
決策樹: rpart, ctree
隨機森林: cforest, randomForest
迴歸, Logistic迴歸, Poisson迴歸: glm, predict, residuals
生存分析: survfit, survdiff, coxph
3、關聯規則與頻繁項集
常用的包:
arules:支持挖掘頻繁項集,最大頻繁項集,頻繁閉項目集和關聯規則
DRM:迴歸和分類數據的重複關聯模型
APRIORI算法,廣度RST算法:apriori, drm
ECLAT算法: 採用等價類,RST深度搜索和集合的交集: eclat
4、序列模式
常用的包: arulesSequences
SPADE算法: cSPADE
5、時間序列
常用的包: timsac
時間序列構建函數: ts
成分分解: decomp, decompose, stl, tsr
6、統計
常用的包: Base R, nlme
方差分析: aov, anova
密度分析: density
假設檢驗: t.test, prop.test, anova, aov
線性混合模型:lme
主成分分析和因子分析:princomp
7、圖表
條形圖: barplot
餅圖: pie
散點圖: dotchart
直方圖: hist
密度圖: densityplot
蠟燭圖, 箱形圖 boxplot
QQ (quantile-quantile) 圖: qqnorm, qqplot, qqline
Bi-variate plot: coplot
樹: rpart
Parallel coordinates: parallel, paracoor, parcoord
熱圖, contour: contour, filled.contour
其他圖: stripplot, sunflowerplot, interaction.plot, matplot, fourfoldplot,
assocplot, mosaicplot
保存的圖表格式: pdf, postscript, win.metafile, jpeg, bmp, png
8、數據操作
缺失值:na.omit
變量標準化:scale
變量轉置:t
抽樣:sample
堆棧:stack, unstack
其他:aggregate, merge, reshape
9、與數據挖掘軟件Weka做接口
RWeka: 通過這個接口,可以在R中使用Weka的所有算法。