Loading...
20150825
[學習筆記]
R與資料探勘
(2)
整理自
R軟體與資料探勘之開發與應用
--
決策樹、支援向量機
[ GitHub ]
https://github.com/shouzo/R-Programming/tree/master/R%E8%88%87%E8%B3%87%E6%96%99%E6%8E%A2%E5%8B%98
背景知識
R軟體與資料探勘之開發與應用
(內文資料來源)
:+1:
資料採礦十大經典演算法
[筆記] 利用R + Hadoop 來實作分類、群組、推薦
R統計分析與資料探勘入門—以鳶尾花資料集為例
學習內容
R 軟體安裝
(略過)
R Studio軟體安裝
(略過)
資料探勘方法
START : 訓練資料和測試資料
(完成)
分類演算法
(一)倒傳遞類神經網路(Back-Propagation Neural Network)
(完成)
(二)決策樹(Decision Tree)
(三)支援向量機(Support Vector Machine)
(四)貝式分類(Naïve Bayes)
(五)k位最近鄰居法(k-Nearest Neighbor)
分群演算法
(六)階層分群演算法(Hierarchical Clustering)
(七)k平均演算法(k-Means)
(八)模糊c平均演算法(Fuzzy c-Means)
(九)期望最大值演算法(Expectation-Maximization)
(十)自組織映射圖(Self Organizing Maps)
(二)決策樹(Decision Tree)
[前置作業] 基本概念
相關知識
决策树- 维基百科,自由的百科全书 - Wikipedia
決策樹- MBA智库百科
圖解機器學習
STAGE 1 : 訓練階段
1. 新增R程式 , 在R Script中撰寫 , 並將檔案另存為"
decision tree.R
":
install.packages('party')
library("party")
Please turn on JavaScript to use Paper in all of its awesomeness. ^_^
整理自 R軟體與資料探勘之開發與應用 -- 決策樹、支援向量機
R 軟體安裝(略過)R Studio軟體安裝(略過)START : 訓練資料和測試資料(完成)(一)倒傳遞類神經網路(Back-Propagation Neural Network)(完成)(二)決策樹(Decision Tree)
install.packages('party')
library("party")