Bagaimana Menyiapkan Data dalam Klasifikasi R Model Prediktif Analytics - dummies

Video: Age of Deceit (2) - Hive Mind Reptile Eyes Hypnotism Cults World Stage - Multi - Language 2024

Untuk menjalankan analisis prediktif, Anda harus memasukkan data ke dalam bentuk yang dapat digunakan algoritma untuk membuat model. Untuk melakukan itu, Anda harus meluangkan waktu untuk memahami datanya dan mengetahui strukturnya. Ketik fungsi untuk mengetahui struktur data. Inilah yang tampak seperti: >> str (seed) 'data. bingkai ': 210 usang dari 8 variabel: $ V1: num 15. 3 14. 9 14. 3 13. 8 16. 1 … $ V2: num 14. 8 14. 6 14. 1 13. 9 15 … $ V3: num 0. 871 0 881 0. 905 0. 895 0. 903 … $ V4: num 5. 76 5. 55 5. 29 5. 32 5. 66 … $ V5: num 3. 31 3. 33 3. 34 3. 38 3. 56 … $ V6: num 2. 22 1. 02 2. 7 2. 26 1. 35 … $ V7: num 5. 22 4. 96 4. 83 4. 8 5. 17 … $ V8: int 1 1 1 1 1 1 1 1 1 1 …

Dari melihat strukturnya, Anda dapat mengetahui bahwa data memerlukan satu langkah pra-pemrosesan dan satu langkah mudah:

Ubah nama nama kolom.

Ini tidak benar-benar diperlukan, namun untuk keperluan contoh ini, lebih mudah menggunakan nama kolom yang dapat Anda pahami dan ingat. Ubah atribut dengan nilai kategoris menjadi faktor.
Label memiliki tiga kategori yang mungkin. Untuk mengganti nama kolom, ketik kode berikut: >> colnames (seed) <-

c ("area", "perimeter", "compactness", "length", "width", " asimetri "," length2 "," seedType ")

Selanjutnya, ubah atribut yang memiliki nilai kategoris ke suatu faktor. Kode berikut mengubah tipe data menjadi faktor: 







 >> seed $ seedType <- factor (seed $ seedType)

Perintah ini menyelesaikan persiapan data untuk proses pemodelan. Berikut ini adalah tampilan struktur setelah data-proses persiapan: >> str (gulma) 'data. bingkai ': 210 usang dari 8 variabel: $ area: num 15. 3 14. 9 14. 3 13. 8 16. 1 … $ perimeter: num 14. 8 14. 6 14. 1 13. 9 15 … $ kekompakan: num 0. 871 0 881 0. 905 0. 895 0. 903 … $ panjang: num 5. 76 5. 55 5. 29 5. 32 5. 66 … $ width: num 3. 31 3. 33 3. 34 3. 38 3. 56 … $ asimetri: num 2. 22 1. 02 2. 7 2. 26 1. 35 … $ length2: num 5. 22 4. 96 4. 83 4. 8 5. 17 … $ seedType: Factor w / 3 level "1", "2", "3": 1 1 1 1 1 1 1 1 1 …