• 主页
  • 课程

    关于课程

    • 课程归档
    • 成为一名讲师
    • 讲师信息
    同等学历教学

    同等学历教学

    免费
    阅读更多
  • 特色
    • 展示
    • 关于我们
    • 问答
  • 事件
  • 个性化
  • 博客
  • 联系
  • 站点资源
    有任何问题吗?
    (00) 123 456 789
    weinfoadmin@weinformatics.cn
    注册登录
    恒诺新知
    • 主页
    • 课程

      关于课程

      • 课程归档
      • 成为一名讲师
      • 讲师信息
      同等学历教学

      同等学历教学

      免费
      阅读更多
    • 特色
      • 展示
      • 关于我们
      • 问答
    • 事件
    • 个性化
    • 博客
    • 联系
    • 站点资源

      R语言

      • 首页
      • 博客
      • R语言
      • RForML之核心包:e1071

      RForML之核心包:e1071

      • 发布者 weinfoadmin
      • 分类 R语言
      • 日期 2016年12月21日
      测试开头


      R语言有很多包可以做机器学习(Machine Learning)的任务。机器学习的任务主要有有监督的学习方式和无监督的学习方式。


      • 有监督学习:在正确结果指导下的学习方式,若是正确结果是定性的,属于分类问题;若正确结果是定量的,属于回归问题。

      • 无监督学习:在没有正确结果指导下的学习方式,例如:聚类分析、降维处理等


      有很多R包可以做机器学习,本文介绍RForML之核心包:e1071
      RForML之核心包:e1071


      一、 e1071包简介

      e1071包为什么命名e1071,详见:https://www.quora.com/Why-is-the-R-package-e1071-named-so 。

      e1071包实现了机器学习里面的SVM(支持向量机)算法,NB(朴素贝叶斯)算法、模糊聚类算法、装袋聚类算法等。


      二、e1071包安装和加载

      e1071包是R的扩展包,需要先安装,再加载,才能使用这个包里面函数做机器学习任务。
      安装和加载e1071包的代码

      1. if(!suppressWarnings(require(e1071)))

      2. {

      3.  install.packages('e1071')

      4.  require(e1071)

      5. }


      三、e1071包做机器学习

      e1071包做预测,即分类和回归。

      1 分类问题

      利用SVM算法对UCI的glass数据进行分类

      • SVM算法
        RForML之核心包:e1071

      • R代码

        
        
        1. ##第一步:载入mlbench的Glass数据集

        2. if(!suppressWarnings(require(mlbench)))

        3. {

        4. install.packages('mlbench')

        5. require(mlbench)

        6. }

        7. data(Glass, package="mlbench")

        8. ##第二步:数据集划分:训练集和测试集

        9. index <- 1:nrow(Glass)

        10. testindex <- sample(index, trunc(length(index)/3))

        11. testset <- Glass[testindex,]

        12. trainset <- Glass[-testindex,]

        13. ##第三步:构建SVM模型

        14. svm.model <- svm(Type ~ ., data = trainset, cost = 100, gamma = 1)

        15. ##第四步:SVM模型应用到测试数据集

        16. svm.pred <- predict(svm.model, testset[,-10])

        17. ##第五步:模型结果评估

        18. ##1混淆矩阵

        19. table(pred = svm.pred, true = testset[,10])

        20. ##2计算Accuracy和Kappa值

        21. classAgreement(table(pred = svm.pred, true = testset[,10]))


      2 回归问题

      • 回归算法
        RForML之核心包:e1071

      • R代码

        
        
        1. ##第一步:载入mlbench的Ozone数据集

        2. if(!suppressWarnings(require(mlbench)))

        3. {

        4. install.packages('mlbench')

        5. require(mlbench)

        6. }

        7. data(Ozone, package="mlbench")

        8. View(Ozone)

        9. ##第二步:数据集划分,训练集和测试集7:3

        10. index <- 1:nrow(Ozone)

        11. testindex <- sample(index, trunc(length(index)/3))

        12. trainset <- na.omit(Ozone[-testindex,-3])##忽略训练集含有缺失值的样本

        13. dim(trainset)

        14. testset <- na.omit(Ozone[testindex,-3]) ##忽略测试集含有缺失值的样本

        15. dim(testset)

        16. ##第三步:创建SVM模型

        17. svm.model <- svm(V4 ~ ., data = trainset, cost = 1000, gamma = 0.0001)

        18. ##第四步:利用SVM 模型预测目标变量的值

        19. svm.pred <- predict(svm.model, testset[,-3])

        20. ##第五步:计算MSE(Mean Squared Error)

        21. crossprod(svm.pred - testset[,3]) / length(testindex)


      参考资料

      1 SVM算法:https://en.wikipedia.org/wiki/Support_vector_machine
      2 NB分类器:https://en.wikipedia.org/wiki/Naive_Bayes_classifier
      3 回归算法:https://en.wikipedia.org/wiki/Regression_analysis
      4 e1071包说明文档:https://cran.r-project.org/web/packages/e1071/



      数据人网是数据人学习、交流和分享的平台http://shujuren.org 。专注于从数据中学习。
      平台的理念:人人投稿,知识共享;人人分析,洞见驱动;智慧聚合,普惠人人。
      您在数据人网平台,可以1)学习数据知识;2)创建数据博客;3)认识数据朋友;4)寻找数据工作;5)找到其它与数据相关的干货。
      我们努力坚持做原创,分享和传播有价值的数据知识!
      我们都是数据人,数据是有价值的,坚定不移地利用数据价值创造价值!


      点击【阅读原文】,进入【数据人网】

      测试结尾

      请关注“恒诺新知”微信公众号,感谢“R语言“,”数据那些事儿“,”老俊俊的生信笔记“,”冷🈚️思“,“珞珈R”,“生信星球”的支持!

      • 分享:
      作者头像
      weinfoadmin

      上一篇文章

      R语言数据挖掘分析培训班(企业-深圳-李)
      2016年12月21日

      下一篇文章

      R语言常用机器学习包
      2016年12月25日

      你可能也喜欢

      3-1665801675
      R语言学习:重读《R数据科学(中文版)》书籍
      28 9月, 2022
      6-1652833487
      经典铁死亡,再出新思路
      16 5月, 2022
      1-1651501980
      R语言学习:阅读《R For Everyone 》(第二版)
      1 5月, 2022

      搜索

      分类

      • R语言
      • TCGA数据挖掘
      • 单细胞RNA-seq测序
      • 在线会议直播预告与回放
      • 数据分析那些事儿分类
      • 未分类
      • 生信星球
      • 老俊俊的生信笔记

      投稿培训

      免费

      alphafold2培训

      免费

      群晖配置培训

      免费

      最新博文

      Nature | 单细胞技术揭示衰老细胞与肌肉再生
      301月2023
      lncRNA和miRNA生信分析系列讲座免费视频课和课件资源包,干货满满
      301月2023
      如何快速批量修改 Git 提交记录中的用户信息
      261月2023
      logo-eduma-the-best-lms-wordpress-theme

      (00) 123 456 789

      weinfoadmin@weinformatics.cn

      恒诺新知

      • 关于我们
      • 博客
      • 联系
      • 成为一名讲师

      链接

      • 课程
      • 事件
      • 展示
      • 问答

      支持

      • 文档
      • 论坛
      • 语言包
      • 发行状态

      推荐

      • iHub汉语代码托管
      • iLAB耗材管理
      • WooCommerce
      • 丁香园论坛

      weinformatics 即 恒诺新知。ICP备案号:粤ICP备19129767号

      • 关于我们
      • 博客
      • 联系
      • 成为一名讲师

      要成为一名讲师吗?

      加入数以千计的演讲者获得100%课时费!

      现在开始

      用你的站点账户登录

      忘记密码?

      还不是会员? 现在注册

      注册新帐户

      已经拥有注册账户? 现在登录

      close
      会员购买 你还没有登录,请先登录
      • ¥99 VIP-1个月
      • ¥199 VIP-半年
      • ¥299 VIP-1年
      在线支付 激活码

      立即支付
      支付宝
      微信支付
      请使用 支付宝 或 微信 扫码支付
      登录
      注册|忘记密码?