Установить пакет CARET, выполнить команду names(getModelInfo()), ознакомиться со списком доступных методов выбора признаков. Выполните графический разведочный анализ данных с использование функции featurePlot() для набора данных из справочного файла пакета CARET:
x <- matrix(rnorm(50*5),ncol=5)
y <- factor(rep(c(“A”, “B”), 25))
Сохранить полученные графики в *.jpg файлы. Сделать выводы.
install.packages('caret')
##
## The downloaded binary packages are in
## /var/folders/cw/0tnx84ts0y5bhshpvf6glzf40000gn/T//RtmpzWxttj/downloaded_packages
library(caret)
## Loading required package: ggplot2
## Loading required package: lattice
x <- matrix(rnorm(50*5),ncol=5)
y <- factor(rep(c("A", "B"), 25))
featurePlot(x, y)
# install.packages('FSelector')
# library(FSelector)
Это должна быть функция, однако использовать ее невозможно, так как библиотека имеет ряд проблем, которые не позволяют использовать ее оптимально.
С использованием функции discretize() из пакета arules выполните преобразование непрерывной переменной в категориальную [3] различными методами: «interval» (равная ширина интервала), «frequency» (равная частота), «cluster» (кластеризация) и «fixed» (категории задают границы интервалов). Используйте набор данных iris. Сделайте выводы
install.packages("arules")
##
## The downloaded binary packages are in
## /var/folders/cw/0tnx84ts0y5bhshpvf6glzf40000gn/T//RtmpzWxttj/downloaded_packages
library(arules)
## Loading required package: Matrix
##
## Attaching package: 'arules'
## The following objects are masked from 'package:base':
##
## abbreviate, write
data("iris")
iris_interval <- discretize(iris$Sepal.Length, method = "interval")
iris_frecuency <- discretize(iris$Sepal.Length, method = "frequency")
iris_cluster <- discretize(iris$Sepal.Length, method = "cluster")
iris_fixed <- discretize(iris$Sepal.Length, method = "fixed", breaks = c(4,5,6,7,8))
print("Irirs Interval")
## [1] "Irirs Interval"
print(iris_interval)
## [1] [4.3,5.5) [4.3,5.5) [4.3,5.5) [4.3,5.5) [4.3,5.5) [4.3,5.5) [4.3,5.5)
## [8] [4.3,5.5) [4.3,5.5) [4.3,5.5) [4.3,5.5) [4.3,5.5) [4.3,5.5) [4.3,5.5)
## [15] [5.5,6.7) [5.5,6.7) [4.3,5.5) [4.3,5.5) [5.5,6.7) [4.3,5.5) [4.3,5.5)
## [22] [4.3,5.5) [4.3,5.5) [4.3,5.5) [4.3,5.5) [4.3,5.5) [4.3,5.5) [4.3,5.5)
## [29] [4.3,5.5) [4.3,5.5) [4.3,5.5) [4.3,5.5) [4.3,5.5) [5.5,6.7) [4.3,5.5)
## [36] [4.3,5.5) [5.5,6.7) [4.3,5.5) [4.3,5.5) [4.3,5.5) [4.3,5.5) [4.3,5.5)
## [43] [4.3,5.5) [4.3,5.5) [4.3,5.5) [4.3,5.5) [4.3,5.5) [4.3,5.5) [4.3,5.5)
## [50] [4.3,5.5) [6.7,7.9] [5.5,6.7) [6.7,7.9] [5.5,6.7) [5.5,6.7) [5.5,6.7)
## [57] [5.5,6.7) [4.3,5.5) [5.5,6.7) [4.3,5.5) [4.3,5.5) [5.5,6.7) [5.5,6.7)
## [64] [5.5,6.7) [5.5,6.7) [6.7,7.9] [5.5,6.7) [5.5,6.7) [5.5,6.7) [5.5,6.7)
## [71] [5.5,6.7) [5.5,6.7) [5.5,6.7) [5.5,6.7) [5.5,6.7) [5.5,6.7) [6.7,7.9]
## [78] [6.7,7.9] [5.5,6.7) [5.5,6.7) [5.5,6.7) [5.5,6.7) [5.5,6.7) [5.5,6.7)
## [85] [4.3,5.5) [5.5,6.7) [6.7,7.9] [5.5,6.7) [5.5,6.7) [5.5,6.7) [5.5,6.7)
## [92] [5.5,6.7) [5.5,6.7) [4.3,5.5) [5.5,6.7) [5.5,6.7) [5.5,6.7) [5.5,6.7)
## [99] [4.3,5.5) [5.5,6.7) [5.5,6.7) [5.5,6.7) [6.7,7.9] [5.5,6.7) [5.5,6.7)
## [106] [6.7,7.9] [4.3,5.5) [6.7,7.9] [6.7,7.9] [6.7,7.9] [5.5,6.7) [5.5,6.7)
## [113] [6.7,7.9] [5.5,6.7) [5.5,6.7) [5.5,6.7) [5.5,6.7) [6.7,7.9] [6.7,7.9]
## [120] [5.5,6.7) [6.7,7.9] [5.5,6.7) [6.7,7.9] [5.5,6.7) [6.7,7.9] [6.7,7.9]
## [127] [5.5,6.7) [5.5,6.7) [5.5,6.7) [6.7,7.9] [6.7,7.9] [6.7,7.9] [5.5,6.7)
## [134] [5.5,6.7) [5.5,6.7) [6.7,7.9] [5.5,6.7) [5.5,6.7) [5.5,6.7) [6.7,7.9]
## [141] [6.7,7.9] [6.7,7.9] [5.5,6.7) [6.7,7.9] [6.7,7.9] [6.7,7.9] [5.5,6.7)
## [148] [5.5,6.7) [5.5,6.7) [5.5,6.7)
## attr(,"discretized:breaks")
## [1] 4.3 5.5 6.7 7.9
## attr(,"discretized:method")
## [1] interval
## Levels: [4.3,5.5) [5.5,6.7) [6.7,7.9]
print("Irirs Frecuency")
## [1] "Irirs Frecuency"
print(iris_frecuency)
## [1] [4.3,5.4) [4.3,5.4) [4.3,5.4) [4.3,5.4) [4.3,5.4) [5.4,6.3) [4.3,5.4)
## [8] [4.3,5.4) [4.3,5.4) [4.3,5.4) [5.4,6.3) [4.3,5.4) [4.3,5.4) [4.3,5.4)
## [15] [5.4,6.3) [5.4,6.3) [5.4,6.3) [4.3,5.4) [5.4,6.3) [4.3,5.4) [5.4,6.3)
## [22] [4.3,5.4) [4.3,5.4) [4.3,5.4) [4.3,5.4) [4.3,5.4) [4.3,5.4) [4.3,5.4)
## [29] [4.3,5.4) [4.3,5.4) [4.3,5.4) [5.4,6.3) [4.3,5.4) [5.4,6.3) [4.3,5.4)
## [36] [4.3,5.4) [5.4,6.3) [4.3,5.4) [4.3,5.4) [4.3,5.4) [4.3,5.4) [4.3,5.4)
## [43] [4.3,5.4) [4.3,5.4) [4.3,5.4) [4.3,5.4) [4.3,5.4) [4.3,5.4) [4.3,5.4)
## [50] [4.3,5.4) [6.3,7.9] [6.3,7.9] [6.3,7.9] [5.4,6.3) [6.3,7.9] [5.4,6.3)
## [57] [6.3,7.9] [4.3,5.4) [6.3,7.9] [4.3,5.4) [4.3,5.4) [5.4,6.3) [5.4,6.3)
## [64] [5.4,6.3) [5.4,6.3) [6.3,7.9] [5.4,6.3) [5.4,6.3) [5.4,6.3) [5.4,6.3)
## [71] [5.4,6.3) [5.4,6.3) [6.3,7.9] [5.4,6.3) [6.3,7.9] [6.3,7.9] [6.3,7.9]
## [78] [6.3,7.9] [5.4,6.3) [5.4,6.3) [5.4,6.3) [5.4,6.3) [5.4,6.3) [5.4,6.3)
## [85] [5.4,6.3) [5.4,6.3) [6.3,7.9] [6.3,7.9] [5.4,6.3) [5.4,6.3) [5.4,6.3)
## [92] [5.4,6.3) [5.4,6.3) [4.3,5.4) [5.4,6.3) [5.4,6.3) [5.4,6.3) [5.4,6.3)
## [99] [4.3,5.4) [5.4,6.3) [6.3,7.9] [5.4,6.3) [6.3,7.9] [6.3,7.9] [6.3,7.9]
## [106] [6.3,7.9] [4.3,5.4) [6.3,7.9] [6.3,7.9] [6.3,7.9] [6.3,7.9] [6.3,7.9]
## [113] [6.3,7.9] [5.4,6.3) [5.4,6.3) [6.3,7.9] [6.3,7.9] [6.3,7.9] [6.3,7.9]
## [120] [5.4,6.3) [6.3,7.9] [5.4,6.3) [6.3,7.9] [6.3,7.9] [6.3,7.9] [6.3,7.9]
## [127] [5.4,6.3) [5.4,6.3) [6.3,7.9] [6.3,7.9] [6.3,7.9] [6.3,7.9] [6.3,7.9]
## [134] [6.3,7.9] [5.4,6.3) [6.3,7.9] [6.3,7.9] [6.3,7.9] [5.4,6.3) [6.3,7.9]
## [141] [6.3,7.9] [6.3,7.9] [5.4,6.3) [6.3,7.9] [6.3,7.9] [6.3,7.9] [6.3,7.9]
## [148] [6.3,7.9] [5.4,6.3) [5.4,6.3)
## attr(,"discretized:breaks")
## [1] 4.3 5.4 6.3 7.9
## attr(,"discretized:method")
## [1] frequency
## Levels: [4.3,5.4) [5.4,6.3) [6.3,7.9]
print("Irirs Cluster")
## [1] "Irirs Cluster"
print(iris_cluster)
## [1] [4.3,5.33) [4.3,5.33) [4.3,5.33) [4.3,5.33) [4.3,5.33) [5.33,6.27)
## [7] [4.3,5.33) [4.3,5.33) [4.3,5.33) [4.3,5.33) [5.33,6.27) [4.3,5.33)
## [13] [4.3,5.33) [4.3,5.33) [5.33,6.27) [5.33,6.27) [5.33,6.27) [4.3,5.33)
## [19] [5.33,6.27) [4.3,5.33) [5.33,6.27) [4.3,5.33) [4.3,5.33) [4.3,5.33)
## [25] [4.3,5.33) [4.3,5.33) [4.3,5.33) [4.3,5.33) [4.3,5.33) [4.3,5.33)
## [31] [4.3,5.33) [5.33,6.27) [4.3,5.33) [5.33,6.27) [4.3,5.33) [4.3,5.33)
## [37] [5.33,6.27) [4.3,5.33) [4.3,5.33) [4.3,5.33) [4.3,5.33) [4.3,5.33)
## [43] [4.3,5.33) [4.3,5.33) [4.3,5.33) [4.3,5.33) [4.3,5.33) [4.3,5.33)
## [49] [4.3,5.33) [4.3,5.33) [6.27,7.9] [6.27,7.9] [6.27,7.9] [5.33,6.27)
## [55] [6.27,7.9] [5.33,6.27) [6.27,7.9] [4.3,5.33) [6.27,7.9] [4.3,5.33)
## [61] [4.3,5.33) [5.33,6.27) [5.33,6.27) [5.33,6.27) [5.33,6.27) [6.27,7.9]
## [67] [5.33,6.27) [5.33,6.27) [5.33,6.27) [5.33,6.27) [5.33,6.27) [5.33,6.27)
## [73] [6.27,7.9] [5.33,6.27) [6.27,7.9] [6.27,7.9] [6.27,7.9] [6.27,7.9]
## [79] [5.33,6.27) [5.33,6.27) [5.33,6.27) [5.33,6.27) [5.33,6.27) [5.33,6.27)
## [85] [5.33,6.27) [5.33,6.27) [6.27,7.9] [6.27,7.9] [5.33,6.27) [5.33,6.27)
## [91] [5.33,6.27) [5.33,6.27) [5.33,6.27) [4.3,5.33) [5.33,6.27) [5.33,6.27)
## [97] [5.33,6.27) [5.33,6.27) [4.3,5.33) [5.33,6.27) [6.27,7.9] [5.33,6.27)
## [103] [6.27,7.9] [6.27,7.9] [6.27,7.9] [6.27,7.9] [4.3,5.33) [6.27,7.9]
## [109] [6.27,7.9] [6.27,7.9] [6.27,7.9] [6.27,7.9] [6.27,7.9] [5.33,6.27)
## [115] [5.33,6.27) [6.27,7.9] [6.27,7.9] [6.27,7.9] [6.27,7.9] [5.33,6.27)
## [121] [6.27,7.9] [5.33,6.27) [6.27,7.9] [6.27,7.9] [6.27,7.9] [6.27,7.9]
## [127] [5.33,6.27) [5.33,6.27) [6.27,7.9] [6.27,7.9] [6.27,7.9] [6.27,7.9]
## [133] [6.27,7.9] [6.27,7.9] [5.33,6.27) [6.27,7.9] [6.27,7.9] [6.27,7.9]
## [139] [5.33,6.27) [6.27,7.9] [6.27,7.9] [6.27,7.9] [5.33,6.27) [6.27,7.9]
## [145] [6.27,7.9] [6.27,7.9] [6.27,7.9] [6.27,7.9] [5.33,6.27) [5.33,6.27)
## attr(,"discretized:breaks")
## [1] 4.300000 5.332732 6.272161 7.900000
## attr(,"discretized:method")
## [1] cluster
## Levels: [4.3,5.33) [5.33,6.27) [6.27,7.9]
print("Irirs Fixed")
## [1] "Irirs Fixed"
print(iris_fixed)
## [1] [5,6) [4,5) [4,5) [4,5) [5,6) [5,6) [4,5) [5,6) [4,5) [4,5) [5,6) [4,5)
## [13] [4,5) [4,5) [5,6) [5,6) [5,6) [5,6) [5,6) [5,6) [5,6) [5,6) [4,5) [5,6)
## [25] [4,5) [5,6) [5,6) [5,6) [5,6) [4,5) [4,5) [5,6) [5,6) [5,6) [4,5) [5,6)
## [37] [5,6) [4,5) [4,5) [5,6) [5,6) [4,5) [4,5) [5,6) [5,6) [4,5) [5,6) [4,5)
## [49] [5,6) [5,6) [7,8] [6,7) [6,7) [5,6) [6,7) [5,6) [6,7) [4,5) [6,7) [5,6)
## [61] [5,6) [5,6) [6,7) [6,7) [5,6) [6,7) [5,6) [5,6) [6,7) [5,6) [5,6) [6,7)
## [73] [6,7) [6,7) [6,7) [6,7) [6,7) [6,7) [6,7) [5,6) [5,6) [5,6) [5,6) [6,7)
## [85] [5,6) [6,7) [6,7) [6,7) [5,6) [5,6) [5,6) [6,7) [5,6) [5,6) [5,6) [5,6)
## [97] [5,6) [6,7) [5,6) [5,6) [6,7) [5,6) [7,8] [6,7) [6,7) [7,8] [4,5) [7,8]
## [109] [6,7) [7,8] [6,7) [6,7) [6,7) [5,6) [5,6) [6,7) [6,7) [7,8] [7,8] [6,7)
## [121] [6,7) [5,6) [7,8] [6,7) [6,7) [7,8] [6,7) [6,7) [6,7) [7,8] [7,8] [7,8]
## [133] [6,7) [6,7) [6,7) [7,8] [6,7) [6,7) [6,7) [6,7) [6,7) [6,7) [5,6) [6,7)
## [145] [6,7) [6,7) [6,7) [6,7) [6,7) [5,6)
## attr(,"discretized:breaks")
## [1] 4 5 6 7 8
## attr(,"discretized:method")
## [1] fixed
## Levels: [4,5) [5,6) [6,7) [7,8]
Результаты этого задания позволят проследить, как каждый метод дискретизации влияет на распределение данных и как значения присваиваются различным категориям. Это может дать полезную информацию для дальнейшего анализа данных.
Установите пакет Boruta и проведите выбор признаков для набора данных data(“Ozone”) [4, 5, 6]. Построить график boxplot, сделать выводы
install.packages("Boruta")
##
## The downloaded binary packages are in
## /var/folders/cw/0tnx84ts0y5bhshpvf6glzf40000gn/T//RtmpzWxttj/downloaded_packages
library(Boruta)
data("airquality")
airquality <- na.omit(airquality)
set.seed(1235)
boruta_result <- Boruta(Ozone ~ ., data = airquality)
print(boruta_result)
## Boruta performed 69 iterations in 0.82656 secs.
## 5 attributes confirmed important: Day, Month, Solar.R, Temp, Wind;
## No attributes deemed unimportant.
boxplot(airquality[, boruta_result$finalDecision == "Confirmed"],
main = "Boxplot Boruta",
xlab = "Характеристики",
ylab = "значение",
col = "lightblue",
border = "blue")
К сожалению, использовать пакет Ozone напрямую не удалось, так как база
данных не была распознана используемым мной интерпретатором R. Вместо
этого, чтобы продолжить ту же идею, я использовал набор данных о
качестве воздуха.
В этом случае и в соответствии с тем, как работает алгоритм Боруты, сохраняемыми характеристиками будут в основном Ozone, Solar.R, поскольку они являются наиболее значимыми из всех. Wind и Month будут отброшены, и, наконец, Day и Temp будут слабыми характеристиками, которые будут проанализированы, стоит ли их сохранять или нет.