Cómo preparar los datos de la r de regresión para el análisis predictivo
Usted tiene que obtener los datos en una forma que el algoritmo puede utilizar para construir un modelo de análisis predictivo. Para ello, usted tiene que tomar un poco de tiempo para entender los datos y conocer la estructura de los datos. Llene en la función para averiguar la estructura de los datos. El comando y su salida se ven así:
> Str (autos) 'data.frame': 398 obs. de 9 variables: $ V1: num 18 15 18 16 17 15 14 14 14 15 ... $ V2: int 8 8 8 8 8 8 8 8 8 8 ... $ V3: num 307 350 318 304 302 429 454 440 455 390 ... $ V4: chr "130.0" "165.0" "150.0" "150.0" ... $ V5: num 3504 3693 3436 3433 3449 ... $ V6: num 12 11.5 11 12 10.5 10 9 8,5 10 8,5 ... $ V7: int 70 70 70 70 70 70 70 70 70 70 ... $ V8: int 1 1 1 1 1 1 1 1 1 1 ... $ V9: Factor w / 305 niveles "berlina embajador amc" ..:
50 37 232 15 162 142 55 224 242 2 ...
Si buscas en la estructura, se puede decir que hay un poco de preparación de datos y la limpieza que hacer. He aquí una lista de las tareas necesarias:
Cambiar el nombre de los nombres de columna.
Esto no es estrictamente necesario, pero para los propósitos de este ejemplo, es mejor utilizar nombres de columna que pueda entender y recordar.
Cambiar el tipo de datos de V4 (caballo de fuerza) A una numérico tipo de datos.
En este ejemplo, caballo de fuerza es un valor numérico continuo y no un personaje tipo de datos.
Manejar los valores perdidos.
Aquí caballo de fuerza tiene seis valores perdidos.
Cambie los atributos que tienen valores discretos a factores.
Aquí cilindros, año del modelo, y origen tener valores discretos.
Deseche el V9 (nombre de coche) Atributo.
Aquí nombre de coche no añade valor al modelo que se está creando. Si el origen No se les dio atributo, que podría haber derivado el origen de la nombre de coche atribuir.
Para cambiar el nombre del tipo columnas en el siguiente código:
> COLNAMES (autos) lt; -
c ("mpg", "cilindros", "desplazamiento", "caballos de fuerza", "peso", "aceleración", "modelo del año", "origen",
"carName")
A continuación, cambiar el tipo de datos caballo de fuerza a numérico con el siguiente código:
> Autos $ caballos de fuerza lt; - as.numeric (autos $ caballos de fuerza)
El programa se quejará porque no todos los valores en caballos de fuerza eran representaciones de cadena de números. Hubo algunos valores perdidos que fueron representadas como el "? " personaje. Eso está bien por ahora porque R convierte cada instancia de ? dentro N / A.
Una forma común para manejar los valores que faltan de las variables continuas es reemplazar cada valor que falta con la media de toda la columna. La siguiente línea de código hace que:
> Autos $ caballos de fuerza [is.na (autos $ caballos de fuerza)] lt; - media (autos $ caballos de fuerza, na.rm = TRUE)
Es importante tener -na.rm TRUE en el significar función. Cuenta la función no utilizar columnas con valores nulos en su cálculo. Sin ella, la función devolverá.
A continuación, cambiar los atributos con valores discretos a factores. Tres atributos han sido identificados como discreta. Las siguientes tres líneas de código cambian los atributos.
> Autos $ origen lt; - factores (autos $ origen)> autos $ modelo del año cilindros de factores (autos $ Modelo, año)> autos $ -; lt lt; - factores (autos cilindros $)
Por último, quite el atributo de la trama de datos con esta línea de código:
> Autos $ carName lt; - NULL
En este punto, usted ha terminado de preparar los datos para el proceso de modelado. La siguiente es una vista de la estructura después de que el proceso de preparación de los datos:
> Str (autos) 'data.frame': 398 obs. de 8 variables: $ mpg: num 15 18 16 18 17 15 14 14 14 15 ... $ cilindros: Factor w / 5 niveles de "3", "4", "5", "6", ..:
5 5 5 5 5 5 5 5 5 5 ... $ desplazamiento: num 350 318 304 307 302 429 454 440 455 390 ... $ caballos de fuerza: num 165 150 150 130 140 198 220 215 225 190 ... $ peso: num 3504 3693 3436 3433 3449. . . $ Aceleración: num 12 11.5 11 12 10.5 10 9 8,5 10 8,5 ... $ Modelo, año: Factor w / 13 niveles de "70", "71", "72", ..:
1 1 1 1 1 1 1 1 1 1 ... $ origen: Factor w / 3 niveles de "1", "2", "3":
1 1 1 1 1 1 1 1 1 1 ...
-
Conceptos básicos de los tipos de datos y estructuras de programación R para análisis predictivo - Cómo crear un modelo de análisis predictivo con la regresión r
-
Cómo introducir los datos de la r de regresión para el análisis predictivo -
Cómo cargar los datos en una clasificación r análisis predictivo modelo - Cómo nuevas predicciones analíticas con regresión r
- Cómo preparar los datos en una clasificación r análisis predictivo modelo
Cómo utilizar regresiones lineales en el análisis predictivo Regresión lineal es un método estadístico que analiza y descubre relaciones entre dos variables. En el análisis predictivo puede ser utilizado para predecir un valor numérico futuro de una variable.Considere un ejemplo de datos que contiene dos…
Validación de datos condicional en Excel Los campos de entrada del usuario en la figura son en realidad listas de validación de datos. El usuario puede hacer selecciones de un cuadro desplegable en lugar de escribir en los valores. La validación de datos en la celda E3 utiliza una…
Cómo agregar facetas, báscula y opciones en ggplot2 en r Además de los datos, GEOMs y estadísticas, la especificación completa de un ggplot2 en I incluye facetas y escalas. Facetas permiten visualizar diferentes subconjuntos de datos en una sola parcela. Escalas incluyen no sólo el X-eje y y-eje, sino…
Cómo convertir tablas a una trama de datos en r Cuando usted está tratando de crear tablas a partir de una matriz en la R, usted termina con trial.table. El objeto trial.table miradas exactamente la misma que la matriz ensayo, pero realmente no lo es. La diferencia se hace evidente cuando a…
¿Cómo crear una trama de datos desde cero en r La conversión de una matriz para una trama de datos en R no puede ser usado para construir una trama de datos con diferentes tipos de valores. Si se combinan ambos datos numéricos y de caracteres en una matriz, por ejemplo, todo se convierte en…
¿Cómo crear una trama reticular en r Para explorar enrejado gráficos en R, primero miren el conjunto de datos integrada mtcars. Este conjunto de datos contiene 32 observaciones de los automóviles y la información sobre el motor, como el número de cilindros, automático frente a la…
Cómo corregir errores de lectura de datos en r Es probable que los errores más comunes en R se realizan durante la lectura de datos en archivos de texto utilizando read.table () o read.csv (). Muchos errores resultan en errores R de lanzamiento, pero a veces sólo se notan algo salió mal…
Cómo ver la estructura de un factor en la r R tiene una estructura de datos especial para los datos categóricos, llamados factores. Los factores están estrechamente relacionados con personajes porque cualquier vector carácter puede ser representado por un factor. Para mirar un poco debajo…
Cómo preparar datos en r Con R a su alcance, usted puede formar rápidamente sus datos exactamente como usted lo desee. Eso es bueno porque en muchos casos de la vida real, se obtiene un montón de datos en un archivo grande, y preferiblemente en un formato que no se puede…
Cómo establecer los contrastes de sus datos con r Antes de poder utilizar R AOV () función con sus datos, había puesto mejor la contrastes que vas a utilizar. Contrastes son muy a menudo olvidados cuando se hace ANOVA (análisis de variables), pero por lo general ayudan a la interpretación del…
Cómo resumir un conjunto de datos en r Si necesita una descripción rápida de su conjunto de datos, se puede, por supuesto, siempre use el comando R str () y mirar la estructura. Pero esto te dice algo sólo acerca de las clases de sus variables y el número de observaciones. Además,…
Cómo usar factores o datos numéricos en r Antes de intentar describir sus datos en R, usted tiene que asegurarse de que sus datos están en el formato correcto. Esto significaAsegurarse de que todos sus datos están contenidos en una trama de datos (o en un vector de si se trata de una sola…