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")

​​