R Notebook

Iris データセットは R で非常にpopular です。 Iris データセットには、 iris 種の特性値 (Sepal.Length, Sepal.Width, Petal.Length, Petal.Width) と種のラベ ル (species) が含まれています。以下は Iris データを解析するための基本的なス テップです。

1. R Studio で Iris データセットを読み込みます。

    data("iris")

      # RStudioでIrisデータセットを読み込む
      data("iris")

2. データの最初の few 行を表示します。

    head(iris)

      # データの最初の数行を表示する
      head(iris)

3. データの summary を表示します。summary() は、データの平均値、標準偏差、 最大値、最小値を計算して、データの分布状況を示します。

     summary(iris)

      # データのsummaryを表示する
      summary(iris)

  Sepal.Length    Sepal.Width     Petal.Length    Petal.Width          Species  
 Min.   :4.300   Min.   :2.000   Min.   :1.000   Min.   :0.100   setosa    :50  
 1st Qu.:5.100   1st Qu.:2.800   1st Qu.:1.600   1st Qu.:0.300   versicolor:50  
 Median :5.800   Median :3.000   Median :4.350   Median :1.300   virginica :50  
 Mean   :5.843   Mean   :3.057   Mean   :3.758   Mean   :1.199                  
 3rd Qu.:6.400   3rd Qu.:3.300   3rd Qu.:5.100   3rd Qu.:1.800                  
 Max.   :7.900   Max.   :4.400   Max.   :6.900   Max.   :2.500                  

4. データの平均と標準偏差を表示します。

      mean(iris$Sepal.Length)
      sd(iris$Sepal.Length)

      # データの平均と標準偏差を表示する
      mean(iris$Sepal.Length)

[1] 5.843333

      sd(iris$Sepal.Length)

[1] 0.8280661

5. データの散布図を作成します。scatterplot() は、2つの列間の関係を視覚化す るのに使用されます。

     scatterplot(iris$Sepal.Length ~ iris$Petal.Length)

      # データのscatterplotを作成する
      scatterplot(iris$Sepal.Length ~ iris$Petal.Length)

Error in scatterplot(iris$Sepal.Length ~ iris$Petal.Length) : 
  could not find function "scatterplot"

エラーのためggplotで

library(ggplot2)
ggplot(iris, aes(x = Sepal.Length, y = Petal.Length)) + geom_point()

library(ggplot2)
ggplot(iris, aes(x = Sepal.Length, y = Petal.Length)) + geom_point()

6. データの特性値の配列を分析します。summary() は、データの平均、標準偏差、 最大値、最小値を計算して、データの分布状況を示します。

     summary(iris[, c("Sepal.Length", "Petal.Length")])

      # データの配列を分析する
      summary(iris[, c("Sepal.Length", "Petal.Length")])

  Sepal.Length    Petal.Length  
 Min.   :4.300   Min.   :1.000  
 1st Qu.:5.100   1st Qu.:1.600  
 Median :5.800   Median :4.350  
 Mean   :5.843   Mean   :3.758  
 3rd Qu.:6.400   3rd Qu.:5.100  
 Max.   :7.900   Max.   :6.900  

7. データの特性値と種のラベルとの関係を分析します。summary() は、データの平 均、標準偏差、最大値、最小値を計算して、データの分布状況を示します。

      summary(iris[, c("Sepal.Length", "Petal.Width")],by = iris$Species)

      # データの特性値と種のラベルの関係を分析する
      summary(iris[, c("Sepal.Length", "Petal.Width")],by = iris$Species)

  Sepal.Length    Petal.Width   
 Min.   :4.300   Min.   :0.100  
 1st Qu.:5.100   1st Qu.:0.300  
 Median :5.800   Median :1.300  
 Mean   :5.843   Mean   :1.199  
 3rd Qu.:6.400   3rd Qu.:1.800  
 Max.   :7.900   Max.   :2.500  

8. データの特性値がどのように変化するかを探索します。 plot() は、2つの列間 の関係を視覚化するのに使用されます。

      plot(iris$Sepal.Length ~ iris$Petal.Length)

      # データの特性値の変化を探索する
      plot(iris$Sepal.Length ~ iris$Petal.Length)

9. データの特性値と種のラベルとの関係に基づいて、 decision tree を作成しま す。 rpart() は、 decision tree を作成してデータの特性を推論するために使用さ れます。

      library(rpart)
      rpart(iris$Species ~ iris$Sepal.Length + iris$Petal.Length)

      # データの特性値と種のラベルの関係に基づいてdecision treeを作成する
      library(rpart)
      rpart(iris$Species ~ iris$Sepal.Length + iris$Petal.Length)

n= 150 

node), split, n, loss, yval, (yprob)
      * denotes terminal node

1) root 150 100 setosa (0.33333333 0.33333333 0.33333333)  
  2) iris$Petal.Length< 2.45 50   0 setosa (1.00000000 0.00000000 0.00000000) *
  3) iris$Petal.Length>=2.45 100  50 versicolor (0.00000000 0.50000000 0.50000000)  
    6) iris$Petal.Length< 4.75 45   1 versicolor (0.00000000 0.97777778 0.02222222) *
    7) iris$Petal.Length>=4.75 55   6 virginica (0.00000000 0.10909091 0.89090909) *

上記は Irisデータセットを解析するための基本的なステップです。 R Studio の GUI を使用して、簡単にデータの分析を実行できます。また、R コマンドラインイン ターフェイスで、簡単にデータを解析し、特定のタスクを実行できます。