lab2
2025-02-17
options(repos = c(CRAN = "https://cloud.r-project.org"))
install.packages("caret")## пакет 'caret' успешно распакован, MD5-суммы проверены##
## Скачанные бинарные пакеты находятся в
## C:\Users\egorg\AppData\Local\Temp\RtmpqmJqzX\downloaded_packagesinstall.packages("FSelector")## пакет 'FSelector' успешно распакован, MD5-суммы проверены
##
## Скачанные бинарные пакеты находятся в
## C:\Users\egorg\AppData\Local\Temp\RtmpqmJqzX\downloaded_packagesinstall.packages("arules")## пакет 'arules' успешно распакован, MD5-суммы проверены##
## Скачанные бинарные пакеты находятся в
## C:\Users\egorg\AppData\Local\Temp\RtmpqmJqzX\downloaded_packagesinstall.packages("Boruta")## пакет 'Boruta' успешно распакован, MD5-суммы проверены
##
## Скачанные бинарные пакеты находятся в
## C:\Users\egorg\AppData\Local\Temp\RtmpqmJqzX\downloaded_packagesinstall.packages("mlbench")## пакет 'mlbench' успешно распакован, MD5-суммы проверены##
## Скачанные бинарные пакеты находятся в
## C:\Users\egorg\AppData\Local\Temp\RtmpqmJqzX\downloaded_packageslibrary(caret)
library(FSelector)
library(arules)
library(Boruta)
library(mlbench)Задание 1
графический разведочный анализ данных
model_methods <- names(getModelInfo())
print(model_methods)## [1] "ada" "AdaBag" "AdaBoost.M1"
## [4] "adaboost" "amdai" "ANFIS"
## [7] "avNNet" "awnb" "awtan"
## [10] "bag" "bagEarth" "bagEarthGCV"
## [13] "bagFDA" "bagFDAGCV" "bam"
## [16] "bartMachine" "bayesglm" "binda"
## [19] "blackboost" "blasso" "blassoAveraged"
## [22] "bridge" "brnn" "BstLm"
## [25] "bstSm" "bstTree" "C5.0"
## [28] "C5.0Cost" "C5.0Rules" "C5.0Tree"
## [31] "cforest" "chaid" "CSimca"
## [34] "ctree" "ctree2" "cubist"
## [37] "dda" "deepboost" "DENFIS"
## [40] "dnn" "dwdLinear" "dwdPoly"
## [43] "dwdRadial" "earth" "elm"
## [46] "enet" "evtree" "extraTrees"
## [49] "fda" "FH.GBML" "FIR.DM"
## [52] "foba" "FRBCS.CHI" "FRBCS.W"
## [55] "FS.HGD" "gam" "gamboost"
## [58] "gamLoess" "gamSpline" "gaussprLinear"
## [61] "gaussprPoly" "gaussprRadial" "gbm_h2o"
## [64] "gbm" "gcvEarth" "GFS.FR.MOGUL"
## [67] "GFS.LT.RS" "GFS.THRIFT" "glm.nb"
## [70] "glm" "glmboost" "glmnet_h2o"
## [73] "glmnet" "glmStepAIC" "gpls"
## [76] "hda" "hdda" "hdrda"
## [79] "HYFIS" "icr" "J48"
## [82] "JRip" "kernelpls" "kknn"
## [85] "knn" "krlsPoly" "krlsRadial"
## [88] "lars" "lars2" "lasso"
## [91] "lda" "lda2" "leapBackward"
## [94] "leapForward" "leapSeq" "Linda"
## [97] "lm" "lmStepAIC" "LMT"
## [100] "loclda" "logicBag" "LogitBoost"
## [103] "logreg" "lssvmLinear" "lssvmPoly"
## [106] "lssvmRadial" "lvq" "M5"
## [109] "M5Rules" "manb" "mda"
## [112] "Mlda" "mlp" "mlpKerasDecay"
## [115] "mlpKerasDecayCost" "mlpKerasDropout" "mlpKerasDropoutCost"
## [118] "mlpML" "mlpSGD" "mlpWeightDecay"
## [121] "mlpWeightDecayML" "monmlp" "msaenet"
## [124] "multinom" "mxnet" "mxnetAdam"
## [127] "naive_bayes" "nb" "nbDiscrete"
## [130] "nbSearch" "neuralnet" "nnet"
## [133] "nnls" "nodeHarvest" "null"
## [136] "OneR" "ordinalNet" "ordinalRF"
## [139] "ORFlog" "ORFpls" "ORFridge"
## [142] "ORFsvm" "ownn" "pam"
## [145] "parRF" "PART" "partDSA"
## [148] "pcaNNet" "pcr" "pda"
## [151] "pda2" "penalized" "PenalizedLDA"
## [154] "plr" "pls" "plsRglm"
## [157] "polr" "ppr" "pre"
## [160] "PRIM" "protoclass" "qda"
## [163] "QdaCov" "qrf" "qrnn"
## [166] "randomGLM" "ranger" "rbf"
## [169] "rbfDDA" "Rborist" "rda"
## [172] "regLogistic" "relaxo" "rf"
## [175] "rFerns" "RFlda" "rfRules"
## [178] "ridge" "rlda" "rlm"
## [181] "rmda" "rocc" "rotationForest"
## [184] "rotationForestCp" "rpart" "rpart1SE"
## [187] "rpart2" "rpartCost" "rpartScore"
## [190] "rqlasso" "rqnc" "RRF"
## [193] "RRFglobal" "rrlda" "RSimca"
## [196] "rvmLinear" "rvmPoly" "rvmRadial"
## [199] "SBC" "sda" "sdwd"
## [202] "simpls" "SLAVE" "slda"
## [205] "smda" "snn" "sparseLDA"
## [208] "spikeslab" "spls" "stepLDA"
## [211] "stepQDA" "superpc" "svmBoundrangeString"
## [214] "svmExpoString" "svmLinear" "svmLinear2"
## [217] "svmLinear3" "svmLinearWeights" "svmLinearWeights2"
## [220] "svmPoly" "svmRadial" "svmRadialCost"
## [223] "svmRadialSigma" "svmRadialWeights" "svmSpectrumString"
## [226] "tan" "tanSearch" "treebag"
## [229] "vbmpRadial" "vglmAdjCat" "vglmContRatio"
## [232] "vglmCumulative" "widekernelpls" "WM"
## [235] "wsrf" "xgbDART" "xgbLinear"
## [238] "xgbTree" "xyf"# Генерация данных
set.seed(123)
x <- matrix(rnorm(50 * 5), ncol = 5)
y <- factor(rep(c("A", "B"), 25))
colnames(x) <- paste("Feature", 1:5)
# Графический разведочный анализ
featurePlot(x, y, plot = "box")
jpeg("feature_plot.jpg")
featurePlot(x, y, plot = "box")
dev.off()## png
## 2На предоставленном графике boxplot для 5 признаков (Feature 1 - Feature 5) видно, что:
- Признаки распределены примерно симметрично для классов A и B, но есть различия в медианах.
- В каждом из признаков присутствуют выбросы (маленькие кружки).
- Признаки 4 и 5 могут содержать полезную информацию для классификации, так как их распределения для A и B различаются.
Задание 2
Оценка важности признаков с пакетом FSelector
data(iris)
# Определение важности признаков методом информационного выигрыша
importance <- information.gain(Species ~ ., iris)
print(importance)## attr_importance
## Sepal.Length 0.4521286
## Sepal.Width 0.2672750
## Petal.Length 0.9402853
## Petal.Width 0.9554360При анализе важности признаков с FSelector (например, методом information.gain) мы выявили, какие признаки несут наибольшую информацию для классификации в наборе iris. Наиболее важными признаками стали длина и ширина лепестка (Petal.Length, Petal.Width). Длина и ширина чашелистика (Sepal.Length, Sepal.Width) оказались менее значимыми.
Задание 3
Дискретизация признаков с использованием arules
data(iris)
# Дискретизация признака Sepal.Length
iris$Sepal.Length_interval <- discretize(iris$Sepal.Length, method = "interval", categories = 3)
iris$Sepal.Length_frequency <- discretize(iris$Sepal.Length, method = "frequency", categories = 3)
iris$Sepal.Length_cluster <- discretize(iris$Sepal.Length, method = "cluster", categories = 3)
iris$Sepal.Length_fixed <- discretize(iris$Sepal.Length, method = "fixed", breaks = c(4, 5.5, 6.5, 8))
table(iris$Sepal.Length_interval)##
## [4.3,5.5) [5.5,6.7) [6.7,7.9]
## 52 70 28table(iris$Sepal.Length_frequency)##
## [4.3,5.4) [5.4,6.3) [6.3,7.9]
## 46 53 51table(iris$Sepal.Length_cluster)##
## [4.3,5.45) [5.45,6.46) [6.46,7.9]
## 52 63 35table(iris$Sepal.Length_fixed)##
## [4,5.5) [5.5,6.5) [6.5,8]
## 52 63 35Методы cluster и frequency показали себя лучше всего, так как учитывают структуру данных. Выбор метода зависит от задачи.
Задание 4
Выбор признаков с использованием Boruta
# Загрузка данных
data("Ozone", package = "mlbench")
# Удаление пропущенных значений
Ozone_clean <- na.omit(Ozone)
# Запуск Boruta
set.seed(123)
boruta_result <- Boruta(V4 ~ ., data = Ozone_clean, doTrace = 2)
print(boruta_result)## Boruta performed 24 iterations in 1.734709 secs.
## 9 attributes confirmed important: V1, V10, V11, V12, V13 and 4 more;
## 3 attributes confirmed unimportant: V2, V3, V6;# График значимости признаков
jpeg("boruta_boxplot.jpg")
plot(boruta_result)
dev.off()## png
## 2plot(boruta_result)
График показывает, что признаки V9, V12,
V7 и другие (зелёные) являются значимыми, а
V2, V5 и т. д. (красные) — нет. В модели стоит
оставить только значимые признаки, чтобы улучшить её качество и снизить
размерность.