《R语言数据挖掘：实用项目解析》——1.8　循环原理——for循环

前 言 随着数据规模和种类的增长,应用数据挖掘技术从大数据中提取有效信息变得至关重要.这是因为企业认为有必要从大规模数据的实施中获得相应的投资回报.实施数据挖掘的根本性原因是要从大型数据库中发现隐藏的商机,以便利益相关者能针对未来业务做出决策.数据挖掘不仅能够帮助企业降低成本以及提高收益,还能帮助他们发现新的发展途径. 本书将介绍使用R语言(一种开源工具)进行数据挖掘的基本原理.R是一门免费的程序语言,同时也是一个提供统计计算.图形数据可视化和预测建模的软件环境,并且可以与其他工具和平台相集成.

1.10 循环原理--while循环 R语言中的while循环很简单,它开始于一个用户预想的试验结果.当开始条件进入后,循环体会开始循环,然后一直运行下去直到满足条件.一个while循环体的框架结构包括一个用于起点的限制条件,示例如下: 如果比较R语言中不同类型的循环,就会发现for循环和while循环常被使用,repeat循环则因运行耗时而不常被使用.如果比较循环与apply函数族,就会发现后者在R语言中处理不同任务时都非常高效.让我们来看看apply函数族.

1.10 循环原理--while循环R语言中的while循环很简单,它开始于一个用户预想的试验结果.当开始条件进入后,循环体会开始循环,然后一直运行下去直到满足条件.一个while循环体的框架结构包括一个用于起点的限制条件,示例如下: 如果比较R语言中不同类型的循环,就会发现for循环和while循环常被使用,repeat循环则因运行耗时而不常被使用.如果比较循环与apply函数族,就会发现后者在R语言中处理不同任务时都非常高效.让我们来看看apply函数族.

数据分析与决策技术丛书 R语言数据挖掘 Learning Data Mining with R ［哈萨克斯坦］贝特·麦克哈贝尔(Bater Makhabel) 著 李洪成 许金炜 段力辉 译 图书在版编目(CIP)数据 R语言数据挖掘 / (哈)贝特·麦克哈贝尔(Bater Makhabel)著:李洪成,许金炜,段力辉译. -北京:机械工业出版社,2016.9 (数据分析与决策技术丛书) 书名原文:Learning Data Mining with R ISBN 978-7-111-54769-

本节书摘来自华章出版社<R语言数据挖掘>一书中的第2章,第2.1节,作者［哈萨克斯坦］贝特·麦克哈贝尔(Bater Makhabel),李洪成 许金炜 段力辉 译,更多章节内容可以访问"华章计算机"公众号查看. 第2章 频繁模式.关联规则和相关规则挖掘 本章中,我们将首先学习如何用R语言挖掘频繁模式.关联规则及相关规则.然后,我们将使用基准数据评估所有这些方法以便确定频繁模式和规则的兴趣度.本章内容主要涵盖以下几个主题: 关联规则和关联模式概述 购物篮分析 混合关联规则挖掘

本节书摘来自华章出版社<R语言数据挖掘>一书中的第2章,第2.2节,作者［哈萨克斯坦］贝特·麦克哈贝尔(Bater Makhabel),李洪成 许金炜 段力辉 译,更多章节内容可以访问"华章计算机"公众号查看. 2.2 购物篮分析 购物篮分析(Market basket analysis)是用来挖掘消费者已购买的或保存在购物车中物品组合规律的方法.这个概念适用于不同的应用,特别是商店运营.源数据集是一个巨大的数据记录,购物篮分析的目的发现源数据集中不同项之间的关联关系. 2

本节书摘来自华章出版社<R语言数据挖掘>一书中的第1章,第1.3节,作者［哈萨克斯坦］贝特·麦克哈贝尔(Bater Makhabel),李洪成 许金炜 段力辉 译,更多章节内容可以访问"华章计算机"公众号查看. 1.3 数据挖掘 数据挖掘就是在数据中发现一个模型,它也称为探索性数据分析,即从数据中发现有用的.有效的.意想不到的且可以理解的知识.有些目标与其他科学,如统计学.人工智能.机器学习和模式识别是相同的.在大多数情况下,数据挖掘通常被视为一个算法问题.聚类.分类.关联

本节书摘来自华章出版社<R语言数据挖掘>一书中的第1章,第1.6节,作者［哈萨克斯坦］贝特·麦克哈贝尔(Bater Makhabel),李洪成 许金炜 段力辉 译,更多章节内容可以访问"华章计算机"公众号查看. 1.6 网络数据挖掘 网络挖掘的目的是从网络超链接结构.网页和使用数据来发现有用的信息或知识.网络是作为数据挖掘应用输入的最大数据源之一. 网络数据挖掘基于信息检索.机器学习(Machine Learning,ML).统计学.模式识别和数据挖掘.尽管很多数据挖掘方法

本节书摘来自华章出版社<R语言数据挖掘>一书中的第1章,第1.9节,作者［哈萨克斯坦］贝特·麦克哈贝尔(Bater Makhabel),李洪成 许金炜 段力辉 译,更多章节内容可以访问"华章计算机"公众号查看. 1.9 机器学习 应用于机器学习算法的数据集称为训练集,它由一组成对的数据(x, y)构成,称为训练样本.成对的数据解释如下: x:这是一个值向量,通常称为特征向量.每个值或者特征,要么是分类变量(这些值来自一组离散值,比如{S, M, L}),要么是数值型. y: