版權(quán)說明:本文檔由用戶提供并上傳,收益歸屬內(nèi)容提供方,若內(nèi)容存在侵權(quán),請進(jìn)行舉報(bào)或認(rèn)領(lǐng)
文檔簡介
1、 r語言在數(shù)據(jù)挖掘中的應(yīng)用及其算法分析 王星摘要;開源中的r語言具有很好的擴(kuò)展性,它具有可視算法及多種數(shù)據(jù)分析。該文將通過對于r語言中的相關(guān)算法和技術(shù)進(jìn)行分析,分析一些實(shí)際應(yīng)用案例,探討一下r語言中在數(shù)據(jù)挖掘中的優(yōu)勢。關(guān)鍵詞:r語言;數(shù)據(jù)挖掘;算法:tp311 :a :1009-3044(2017)07-0209-02現(xiàn)今很多企業(yè)都采用“用數(shù)據(jù)決策”,以及“用數(shù)據(jù)說話”等方式對自身的企業(yè)進(jìn)行改革以及轉(zhuǎn)變發(fā)展方向。但是利用傳統(tǒng)的數(shù)據(jù)隨機(jī)抽取、或是全樣抽取等數(shù)據(jù)收集方式,具有嚴(yán)重的實(shí)效差,已經(jīng)滿足不了人們對于信息需求的實(shí)時(shí)性,而且嚴(yán)重地影響了數(shù)據(jù)
2、的準(zhǔn)確度。如何在大量的數(shù)據(jù)中收集到準(zhǔn)確度度較高的信息,是一個(gè)企業(yè)提高競爭力的重要內(nèi)容。1在數(shù)據(jù)挖掘中的r語言技術(shù)1.1kmeans技術(shù)kmeans自定義算法編寫流程可以看圖1,先是進(jìn)行繪制p.kmeans相關(guān)的函數(shù),之后就是對每個(gè)數(shù)據(jù)中的樣本設(shè)置相應(yīng)的id號,其中mid是中心數(shù)據(jù),c.core主要就是對數(shù)據(jù)進(jìn)行集中分類。對于每個(gè)聚類的中心坐標(biāo)是用mid.core函數(shù)進(jìn)行位置計(jì)算的,通過對多個(gè)中心進(jìn)行計(jì)算,如果每次的計(jì)算結(jié)果都是相同的,那么就停止進(jìn)行函數(shù)循環(huán)計(jì)算。否則就要繼續(xù)進(jìn)行計(jì)算,指導(dǎo)每個(gè)中線點(diǎn)值都是相同的。1.2igraph技術(shù)igraph常用于電商平臺和社交網(wǎng)站等平臺,它主要是將每個(gè)站點(diǎn)
3、的圖片等相關(guān)信息進(jìn)行分析,然后獲得具有價(jià)值的數(shù)據(jù)決策。它是經(jīng)過對結(jié)點(diǎn)和線段進(jìn)行圖片構(gòu)建,然后給予兩者進(jìn)行賦值:比如對于線段的無方向權(quán)重,或是有向權(quán)重是多少。而且igraph自身就具備多種圖片建設(shè)策略。比如圖1中的“隨機(jī)算法”可以將隨意兩點(diǎn)進(jìn)行連線,構(gòu)成圖片,對于圖片的生成也可以利用數(shù)據(jù)中“最小生成樹算法”,這樣可以構(gòu)成最小連線權(quán)重。其中將兩個(gè)結(jié)點(diǎn)的連線穿透到第三個(gè)結(jié)點(diǎn)可以使用“穿插算法”,對于那種帶方向的圖片,想要對兩個(gè)結(jié)點(diǎn)進(jìn)行連通就需要m指向n的必要條件作為支持,對于無方向的圖片,只有m與n是相互指向的才能稱為是連通的。在對圖片進(jìn)行創(chuàng)建是經(jīng)常使用的就是“最短路徑算法”,如果圖片中出現(xiàn)負(fù)數(shù)的權(quán)
4、重值,那么就要使用bellman-ford這種算法,如果圖片中出現(xiàn)相同的權(quán)重值,或是值都是正數(shù)的話,就要用到dijkstra這個(gè)算法。對大量的圖片進(jìn)行連線和結(jié)點(diǎn)處理,然后通過處理就可以得到所有圖片包含的信息。比如,一些圖片相關(guān)的連線與結(jié)點(diǎn)數(shù)量、圖片中結(jié)點(diǎn)之間的距離、圖片對稱程度、圖片的每個(gè)結(jié)點(diǎn)是否是孤立的、每個(gè)圖片相關(guān)結(jié)點(diǎn)分布等信息,都可以成為根據(jù)圖片特征進(jìn)行分類統(tǒng)計(jì)的依據(jù),比如對圖片中的結(jié)點(diǎn)密集度,以及方向分布特征進(jìn)行分析,找出圖片之間的關(guān)聯(lián)性等。1.3holt-winters技術(shù)holt-winters是一種基于時(shí)間序列指數(shù),屬于數(shù)據(jù)挖掘中的平常算法,它是指在某個(gè)時(shí)間段形成的趨勢數(shù)據(jù),比如
5、是數(shù)據(jù)的上升、保持以及下降等趨勢,通過這些數(shù)據(jù)我們可以分析一下未來數(shù)據(jù)的發(fā)展形勢。它的主要算法是通過一次和二次指數(shù)進(jìn)行平滑算法,然后與預(yù)測未來數(shù)據(jù)的走向。有關(guān)一次指數(shù)的平滑計(jì)算遞推關(guān)系為:mx=cbi+(1-c)mx-1,公式中的c表示的是平滑參數(shù),而mx是表示x個(gè)數(shù)據(jù)中的平滑值,如果c的值接近1的話,那么計(jì)算出的數(shù)據(jù)結(jié)果就會越接近當(dāng)前值,通過兩次的指數(shù)確定,既可以對坐標(biāo)位置進(jìn)行記錄了,最后可以通過三次的指數(shù)累計(jì)對季節(jié)性數(shù)據(jù)的發(fā)展趨勢進(jìn)行保存,如果將三次數(shù)據(jù)進(jìn)行相乘,這樣所得到的數(shù)據(jù)信息就更加準(zhǔn)確了。1.4weka技術(shù)在1992年的新西蘭關(guān)于一個(gè)機(jī)器人的項(xiàng)目中發(fā)展了weka技術(shù),其中涉及很多機(jī)
6、器學(xué)習(xí)算法,還要很多圖片可視化環(huán)境編程,這為以后的編程人員學(xué)習(xí)提供了大量資源。首先,他可以通過知識流功能對相關(guān)多個(gè)數(shù)據(jù)進(jìn)行整合,其中有數(shù)據(jù)的初始化和處理、數(shù)據(jù)的關(guān)聯(lián)設(shè)置、數(shù)據(jù)的輸出和輸入、數(shù)據(jù)的回歸和分類、數(shù)據(jù)的可視化、以及數(shù)據(jù)的聚類和評估等操作,然后,就是實(shí)現(xiàn)用命令去執(zhí)行其他命令的功能。其中的數(shù)據(jù)初始化是對數(shù)據(jù)特征進(jìn)行分析的,賦予數(shù)據(jù)統(tǒng)一化的格式。其中將會用到的數(shù)據(jù)有discretize(),normalize(),他們分別是對離散型和標(biāo)準(zhǔn)化數(shù)據(jù)進(jìn)行管理的。classifer是進(jìn)行數(shù)據(jù)分類的,它可以通過測試數(shù)據(jù)集、交叉校驗(yàn)、訓(xùn)練數(shù)據(jù)集等方式對數(shù)據(jù)模型進(jìn)行建設(shè),之后可以利用result lis
7、t所提供的可視化圖片檢查歷史的數(shù)據(jù)分類,然后就可以利用classifer輸出所要的分類結(jié)果,最后對結(jié)果進(jìn)行檢驗(yàn),這樣就可以看到錯(cuò)誤和正確的分類數(shù)據(jù)信息,該過程有運(yùn)用到幾個(gè)算法:決策樹算法j48()、提取源數(shù)據(jù)樣本bagging()、向量分類smoo、相鄰分類ibk()。對數(shù)據(jù)進(jìn)行聚類中相關(guān)的算法有:(1)cobweb();是構(gòu)建聚類的,它通過查找與這個(gè)聚類相適應(yīng)的數(shù)據(jù),對大型的數(shù)據(jù)庫是不適用的。(2)xmeans():屬于k均值優(yōu)化法,它主要是完成自定義類別數(shù)。(3)simplekmeans、farthesteirst():屬于均值算法。(4)dbscan():主要是對數(shù)據(jù)庫中具有噪音的每種形
8、狀進(jìn)行聚類。在數(shù)據(jù)聯(lián)系中最主要的算法是aprioh(),它是對少量數(shù)據(jù)進(jìn)行處理。predict算法在評估和預(yù)測中是通過聚類和分類結(jié)果進(jìn)行新數(shù)據(jù)預(yù)測。table()主要是對每兩個(gè)對象實(shí)行比較,其中執(zhí)行評估和預(yù)估模型的算法是evaluate_weka_dassifler()。2r語言在數(shù)據(jù)挖掘中的應(yīng)用分析不管是在門戶網(wǎng)站、在線游戲網(wǎng)站、商務(wù)網(wǎng)站,還是社交網(wǎng)站,關(guān)于訪問網(wǎng)站的人群、訪問目的和時(shí)間、以及網(wǎng)站流量、跳出網(wǎng)站比例、網(wǎng)站投入產(chǎn)出比等都可以通過后期匯總進(jìn)行了解。這樣一來網(wǎng)站就可以為客戶進(jìn)行針對性的服務(wù),同樣也可以幫助網(wǎng)站維護(hù)人員及時(shí)發(fā)現(xiàn)問題。將搜集到的信息進(jìn)行再一次的詳細(xì)分類。這時(shí)就可以利用a
9、nalylics進(jìn)行專門的數(shù)據(jù)分析,他可以對流量的類型(免費(fèi)或付費(fèi))和來源、推薦鏈接或是自主搜尋的流量等進(jìn)行詳細(xì)的報(bào)告,它還可以根據(jù)關(guān)鍵詞對數(shù)據(jù)進(jìn)行詳細(xì)分類報(bào)告,而且對搜索的關(guān)鍵詞頻率有著非常清晰的認(rèn)識。對不同訪問網(wǎng)站的用戶進(jìn)行詳細(xì)分類。其中包含新用戶的增加率,以及老用戶的回訪率。同時(shí)還可以進(jìn)行自動創(chuàng)建用戶類別,不用通過用戶的學(xué)歷、行業(yè)、年齡性別等進(jìn)行分類。類別不同的比率對于開拓新市場有著很大的影響。評估網(wǎng)站的有效流量。如果在不同的時(shí)間區(qū)間里訪問量是相同的,就需要分析流量的有效性了。有效信息就是老用戶的回訪量,以及多個(gè)用戶的新訪問量。通過這樣的分析將會對網(wǎng)站的宣傳決策具有很大的幫助。在r語言中
10、有一種對質(zhì)量圖進(jìn)行控制的方法,它被稱為p控制圖,該方法主要用于具有分類的數(shù)據(jù)分析,通過“yes/no”的方式進(jìn)行判斷,比如詢問在某時(shí)間區(qū)問是否有老用戶、流量是否是老用戶的回訪造成當(dāng)控制圖完成后,將其表現(xiàn)的狀態(tài)對以上這些類型進(jìn)行比率判斷是否正常,如果有異常出現(xiàn)就需要找出關(guān)鍵問題。利用該方法時(shí)要有足夠多的數(shù)據(jù)作為支撐,關(guān)鍵問題是對于每組提供的數(shù)據(jù)記性上、下限設(shè)置。其中p圖的控制公式為:分析用戶訪問目的。對于單一的網(wǎng)站訪問量來說,沒有較大的參考價(jià)值,比如放量為1萬次,既可以說是咨詢量,也可以說是購買量,兩者的分析結(jié)果迥然不同。所以,也要對客戶的訪問目的進(jìn)行分析,首先要對主要的訪問信息進(jìn)行分析,然后就是對搜索的關(guān)鍵詞進(jìn)行分析,通過對兩者進(jìn)行結(jié)合,最后進(jìn)行網(wǎng)站開設(shè)新服務(wù)或是改版等情況進(jìn)行合理決策。對網(wǎng)站產(chǎn)出比實(shí)施分析。產(chǎn)出比就是流量成本和產(chǎn)生價(jià)值之間的比值,通過成本的控制,提高流量使用產(chǎn)生的最大價(jià)值。3結(jié)束語高效的數(shù)據(jù)采
溫馨提示
- 1. 本站所有資源如無特殊說明,都需要本地電腦安裝OFFICE2007和PDF閱讀器。圖紙軟件為CAD,CAXA,PROE,UG,SolidWorks等.壓縮文件請下載最新的WinRAR軟件解壓。
- 2. 本站的文檔不包含任何第三方提供的附件圖紙等,如果需要附件,請聯(lián)系上傳者。文件的所有權(quán)益歸上傳用戶所有。
- 3. 本站RAR壓縮包中若帶圖紙,網(wǎng)頁內(nèi)容里面會有圖紙預(yù)覽,若沒有圖紙預(yù)覽就沒有圖紙。
- 4. 未經(jīng)權(quán)益所有人同意不得將文件中的內(nèi)容挪作商業(yè)或盈利用途。
- 5. 人人文庫網(wǎng)僅提供信息存儲空間,僅對用戶上傳內(nèi)容的表現(xiàn)方式做保護(hù)處理,對用戶上傳分享的文檔內(nèi)容本身不做任何修改或編輯,并不能對任何下載內(nèi)容負(fù)責(zé)。
- 6. 下載文件中如有侵權(quán)或不適當(dāng)內(nèi)容,請與我們聯(lián)系,我們立即糾正。
- 7. 本站不保證下載資源的準(zhǔn)確性、安全性和完整性, 同時(shí)也不承擔(dān)用戶因使用這些下載資源對自己和他人造成任何形式的傷害或損失。
最新文檔
- 物聯(lián)網(wǎng)智能農(nóng)業(yè)系統(tǒng)運(yùn)營合同
- 西醫(yī)急性冠脈綜合征
- 蘇州市立醫(yī)院招聘工作人員 考試試卷及答案
- 成都市錦江區(qū)考核招聘教師考試試卷及答案
- 2024年秋季學(xué)期新譯林版三年級上冊英語課件 Unit 3第1課時(shí) Cartoon time
- 幼兒園親子運(yùn)動會的安排與實(shí)施計(jì)劃
- 年度財(cái)務(wù)審計(jì)準(zhǔn)備工作計(jì)劃
- 減少職場壓力的技巧計(jì)劃
- 幼兒園課程內(nèi)容的多樣化探究計(jì)劃
- 內(nèi)陸水運(yùn)散貨運(yùn)輸配送協(xié)議三篇
- 2024年新華師大版數(shù)學(xué)七年級上冊全冊課件(新版教材)
- 2.1 認(rèn)識自己(教學(xué)課件) -2024-2025學(xué)年七年級道德與法治上冊 (統(tǒng)編版2024)
- 學(xué)校重點(diǎn)部位保安人員巡邏制度
- 工商局規(guī)定格式2024公司股權(quán)轉(zhuǎn)讓合同樣本
- 【微專題】2014-2024高考語文文言文挖空訓(xùn)練( I 卷、II 卷、甲卷、乙卷)教師版
- 2023年國家文物進(jìn)出境審核海南管理處招聘事業(yè)編制工作人員考試真題
- 普惠性民辦幼兒園申報(bào)表
- 《荷花淀》教學(xué)課件
- HG∕T 4528-2013 牙膏用重質(zhì)碳酸鈣
- DL∕T 516-2017 電力調(diào)度自動化運(yùn)行管理規(guī)程
- 近五年重慶中考數(shù)學(xué)真題及答案2024
評論
0/150
提交評論