• 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

      未分类

      • 首页
      • 博客
      • 未分类
      • 实战数据科学|1数据科学过程的代码

      实战数据科学|1数据科学过程的代码

      • 发布者 weinfoadmin
      • 分类 未分类
      • 日期 2021年9月9日
      • 评论 0评论

      专题介绍:R是一种广泛用于数据分析和统计计算的强大语言,于上世纪90年代开始发展起来。得益于全世界众多 爱好者的无尽努力,大家继而开发出了一种基于R但优于R基本文本编辑器的R Studio(用户的界面体验更好)。也正是由于全世界越来越多的数据科学社区和用户对R包的慷慨贡献,让R语言在全球范围内越来越流行。其中一些R包,例如MASS,SparkR, ggplot2,使数据操作,可视化和计算功能越来越强大。R是用于统计分析、绘图的语言和操作环境。R是属于GNU系统的一个自由、免费、源代码开放的软件,它是一个用于统计计算和统计制图的优秀工具。R作为一种统计分析软件,是集统计分析与图形显示于一体的。它可以运行于UNIX、Windows和Macintosh的操作系统上,而且嵌入了一个非常方便实用的帮助系统,相比于其他统计分析软件,R的学术性开发比较早,适合生物学和医学等学术学科的科研人员使用。

      点击上方蓝字关注我,一起学习R语言



      第一章 数据科学过程代码

      本文记录第一章数据科学过程的R语言代码。

      我们使用一个具体的、实际的项目来开启本章的讨论。

      项目:假设您正在一家德国银行工作。该银行发现因不良贷款带来了巨大损失并希望减少损失。为此,他们需要一种工具来帮助信贷员更准确地识别和检测风险贷款。

      备注:数据集来源UCI公开的数据集,访问的链接
      http://archive.ics.uci.edu/ml/datasets/Statlog+(German+Credit+Data)

      围绕数据科学过程讨论的内容,针对这个项目的问题,需求和数据,利用R语言完成如下任务。

      1. 数据处理

      2. 数据建模

      3. 模型性能评价


      完整代码如下
      ##########################
      #实战数据科学第一章R语言代码
      #数据科学过程
      #1)数据科学是什么?
      #2)数据科学项目角色和过程
      #3)数据科学预期
      #########################
      # 第一步:数据处理阶段
      d <- read.table('german.data',
                      sep  =  " ",
                      stringsAsFactors  =  FALSE, header  =  FALSE)

      colnames(d) <- c('Status_of_existing_checking_account', 'Duration_in_month',
                       'Credit_history', 'Purpose', 'Credit_amount', 'Savings_account_bonds', 
                       'Present_employment_since',
                       'Installment_rate_in_percentage_of_disposable_income',
                       'Personal_status_and_sex', 'Other_debtors_guarantors',
                       'Present_residence_since', 'Property', 'Age_in_years',
                       'Other_installment_plans', 'Housing',
                       'Number_of_existing_credits_at_this_bank', 'Job',
                       'Number_of_people_being_liable_to_provide_maintenance_for',
                       'Telephone', 'foreign_worker', 'Good_Loan')
      str(d)
      View(head(d))

      d$Good_Loan <- as.factor(ifelse(d$Good_Loan == 1, 'GoodLoan', 'BadLoan'))
      View(head(d))
      mapping <- c('A11'  =  '... < 0 DM',
                   'A12'  =  '0 < =  ... < 200 DM',
                   'A13'  =  '... > =  200 DM / salary assignments for at least 1 year',
                   'A14'  =  'no checking account',
                   'A30'  =  'no credits taken/all credits paid back duly',
                   'A31'  =  'all credits at this bank paid back duly',
                   'A32'  =  'existing credits paid back duly till now',
                   'A33'  =  'delay in paying off in the past',
                   'A34'  =  'critical account/other credits existing (not at this bank)',
                   'A40'  =  'car (new)',
                   'A41'  =  'car (used)',
                   'A42'  =  'furniture/equipment',
                   'A43'  =  'radio/television',
                   'A44'  =  'domestic appliances',
                   'A45'  =  'repairs',
                   'A46'  =  'education',
                   'A47'  =  '(vacation - does not exist?)',
                   'A48'  =  'retraining',
                   'A49'  =  'business',
                   'A410'  =  'others',
                   'A61'  =  '... < 100 DM',
                   'A62'  =  '100 < =  ... < 500 DM',
                   'A63'  =  '500 < =  ... < 1000 DM',
                   'A64'  =  '.. > =  1000 DM',
                   'A65'  =  'unknown/ no savings account',
                   'A71'  =  'unemployed',
                   'A72'  =  '... < 1 year',
                   'A73'  =  '1 < =  ... < 4 years',
                   'A74'  =  '4 < =  ... < 7 years',
                   'A75'  =  '.. > =  7 years',
                   'A91'  =  'male : divorced/separated',
                   'A92'  =  'female : divorced/separated/married',
                   'A93'  =  'male : single',
                   'A94'  =  'male : married/widowed',
                   'A95'  =  'female : single',
                   'A101'  =  'none',
                   'A102'  =  'co-applicant',
                   'A103'  =  'guarantor',
                   'A121'  =  'real estate',
                   'A122'  =  'if not A121 : building society savings agreement/life insurance',
                   'A123'  =  'if not A121/A122 : car or other, not in attribute 6',
                   'A124'  =  'unknown / no property',
                   'A141'  =  'bank',
                   'A142'  =  'stores',
                   'A143'  =  'none',
                   'A151'  =  'rent',
                   'A152'  =  'own',
                   'A153'  =  'for free',
                   'A171'  =  'unemployed/ unskilled - non-resident',
                   'A172'  =  'unskilled - resident',
                   'A173'  =  'skilled employee / official',
                   'A174'  =  'management/ self-employed/highly qualified employee/ officer',
                   'A191'  =  'none',
                   'A192'  =  'yes, registered under the customers name',
                   'A201'  =  'yes',
                   'A202'  =  'no')

      for(ci in colnames(d)) {
        if(is.character(d[[ci]])) {
          d[[ci]] <- as.factor(mapping[d[[ci]]])
        }
      }



      vars <- setdiff(colnames(d), 'Good_Loan')
      vars
      creditdata <- d

      saveRDS(creditdata, "creditdata.RDS")

      # 第二步:数据建模阶段
      library("rpart")

      load("GCDData.RData")

      model <- rpart(Good_Loan ~ 
                       Duration_in_month +
                       Installment_rate_in_percentage_of_disposable_income +
                       Credit_amount +
                       Other_installment_plans,
                     data = d,
                     control = rpart.control(maxdept = 4),
                     method = "class")

      library("rpart.plot")
      print(model)
      rpart.plot(model)

      # 第三步:模型性能评价阶段
      d$Loan.status <- d$Good_Loan

      # 1) 生成混淆矩阵
      conf_mat <- table(actual = d$Loan.status, pred = predict(model, type = 'class')) 
      conf_mat

      # 2)模型性能评价的指标(准确率,查准率,查全率,假阳率)
      (accuracy <- sum(diag(conf_mat)) / sum(conf_mat))
      (precision <- conf_mat["BadLoan", "BadLoan"] / sum(conf_mat[, "BadLoan"])) 
      (recall <- conf_mat["BadLoan", "BadLoan"] / sum(conf_mat["BadLoan", ])) 
      (fpr <- conf_mat["GoodLoan","BadLoan"] / sum(conf_mat["GoodLoan", ]))


      决策树模型结果可视化

      模型性能评价结果


      关于代码有什么问题或者想法,请留言。

      公众号后台回复“R实战数据科学”,获取实战数据科学书籍的领取方式。

      推荐阅读   


      1 R语言机器学习3本经典书籍集合本,提高你的R语言和机器学习能力!(可供下载)

      2 R数据分析和可视化培训课程书籍,5大模块,助你学习数据分析和挖掘技术(可供下载)

      3 R语言实战英文书籍,配套源代码,帮助你学习R语言!(可下载)


      推荐公众号:数据科学与人工智能

      数据科学与人工智能公众号推广Python语言,数据科学与人工智能的知识和信息。扫码下方二维码关注我,一起学习Python语言和数据科学与人工智能。



      依托【R语言】公众号,我创建了R语言群,群友们每天都会就R语言的主题进行交流和分享。需要加入R语言群的朋友,可以扫码加我的个人微信,请备注【姓名-入群】。我诚邀你加入群,大家相互学习和共同进步。

      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

      实战数据科学|2从R和数据开始阅读笔记
      2021年9月9日

      下一篇文章

      小小的PPI网络图,R也可以搞定它
      2021年9月9日

      你可能也喜欢

      2-1675088548
      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
      30 1月, 2023
      9-1675131201
      如何快速批量修改 Git 提交记录中的用户信息
      26 1月, 2023
      8-1678501786
      肿瘤细胞通过改变CD8+ T细胞中的丙酮酸利用和琥珀酸信号来调控抗肿瘤免疫应答。
      7 12月, 2022

      留言 取消回复

      要发表评论,您必须先登录。

      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?