R語言手冊（第三站 探索性資料分析）

標籤： r語言

houses

stringsasfactors = false, 
header = false)
names(houses)
#標準化變數
houses$minc_z
houses$hage_z
#同樣操作作用於其他變數
#隨機選取90%用於測試資料集
choose
test.house
train.house

#需要庫"psych"

library(psych)
pcal
c(10:17)], 
nfactors=8, 
rotate="none", 
scores=true)

#特徵值：

pcal$values
#負載矩陣
#解釋變異
pcal$loadings

輸出：

plot(pcalsvalues,

type="b", 
main="screeplotfor housesdata")

輸出：

pairs(~train.house$minc + train.house$hage + pcal$scores[.3],

labels=c("median income",
"housing median age",
"component 3 scores"))

輸出：

comm3

comm4
loadings(pcal)[2,4]2
comm3;comm4

輸出：

pca2

nfactors=4,
rotate="none", 
scores=true)
pca2sloadings

輸出：

adult

stringsasfactors =false)
adult$"capnet"
adult.s
#標準化資料：
adult.s$age_z
adult.s$dem_z
adult.s$educ_z
adult.s$capnet_z
adult.s$hours_z
#隨機選取測試集
choose
test.adult
train.adult=.1),c(6:10)]

#需要包psych

library(psych)
corrmatl 
cortest.bartlett(corrmatl, n=dim(train.adult)[1])

輸出：

#需要psych、gparotation

library(gparotation)
falfal$values     #特徵值
fal$loadings   #負載

輸出：

fa2

nfactors=2，
fm="pa"，
max.iter=200，
rotate="none")
fa2$values        #特徵值
fa2sloadings      #負載
fa2scommunality   #共性

輸出：

fa2v

nfactors=2, 
fm="pa", 
max.iter=200, 
rotate="varimax")
fa2v$loadings 
fa2v$communality

輸出：

EDA 探索性資料分析

引導資料科學從業者進行資料處理以及特徵工程的步驟,使資料集的結構和特徵集讓接下來的 問題更加可靠。值得注意的是,eda過程中是對原始資料的特徵 統計特徵 分布特徵 相關性等 進行挖掘,但是沒有刪除或構造任何特徵 花式查詢,不包括增 刪 改 1 載入各種資料科學以及視覺化庫 資料科學庫 pandas ...

EDA（探索性資料分析）

1 什麼是eda分析？exploratory data analysis 在特徵 資料處理的過程中，對資料進行探索，找到他們之間的更多潛在關係。2 怎麼去做eda分析？主要是通過資料視覺化來顯示資料之間的關聯，從而對資料進行處理。首先，我們應該思考的是是否會出現下列問題 1 資料是否缺失，有沒有離群...

01 探索性資料分析

資料競賽基本流程 美國國家標準與技術研究院 national institute of standards and technology，nist 提出探索性資料分析 eda 主要有如下功能 載入各種資料科學以及視覺化庫 載入資料 資料預覽 判斷資料缺失和異常 缺失值檢測 nan視覺化 missin...