getwd() #获取当前工作路径## [1] "/Users/huanghuilin/Desktop/360安全云盘同步版/2022/2022年数据挖掘课程/上机/第一次上机：R数据类型和抽样技术/演示"data(iris)
head(iris)## Sepal.Length Sepal.Width Petal.Length Petal.Width Species
## 1 5.1 3.5 1.4 0.2 setosa
## 2 4.9 3.0 1.4 0.2 setosa
## 3 4.7 3.2 1.3 0.2 setosa
## 4 4.6 3.1 1.5 0.2 setosa
## 5 5.0 3.6 1.4 0.2 setosa
## 6 5.4 3.9 1.7 0.4 setosasummary(iris)## Sepal.Length Sepal.Width Petal.Length Petal.Width
## Min. :4.300 Min. :2.000 Min. :1.000 Min. :0.100
## 1st Qu.:5.100 1st Qu.:2.800 1st Qu.:1.600 1st Qu.:0.300
## Median :5.800 Median :3.000 Median :4.350 Median :1.300
## 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
## Species
## setosa :50
## versicolor:50
## virginica :50
##
##
## dim(iris)## [1] 150 51、数值型向量和整数型向量创建
x <- c(1,2,3,4) #构造元素依次为1,2,3,4的向量x
x ## [1] 1 2 3 4class ( x ) # 显示向量x的数据类型 ## [1] "numeric"x1 = as.integer ( x )
x1 ## [1] 1 2 3 4class ( x1 ) ## [1] "integer"x= c (0,1,2,3,4)
x## [1] 0 1 2 3 4class(x)## [1] "numeric"x[4]## [1] 3x==2 # 判断向量x中等于2的元素## [1] FALSE FALSE TRUE FALSE FALSE! ( x<2 ) #判断向量x中大于等于2的元素 ## [1] FALSE FALSE TRUE TRUE TRUEwhich ( x<2 ) # 选择向量x中小于2的元素的位置 ## [1] 1 2x[which ( x<2 )]## [1] 0 1is.logical ( x ) # 判断向量x是否为逻辑性数据## [1] FALSE2、字符串型数据
y = c ( "I", "love", "R" )
# 构造元素依次为字符串“I”，“love”，“R”的向量y
y ## [1] "I" "love" "R"class ( y ) ## [1] "character"length ( y ) # 显示向量y的维度，即元素个数## [1] 3nchar ( y ) # 显示向量y中每个元素的字符个数## [1] 1 4 1y=="R" # 判断向量y中为“R”的元素## [1] FALSE FALSE TRUEwhich ( y=="love" )## [1] 2y[which ( y=="love" )]## [1] "love"y[3]## [1] "R"y[1]## [1] "I"y[2]## [1] "love"3、因子型数据
# 设置因子型数据sex
sex = factor ( c(1,1,0,0,1), levels=c(0,1),
labels=c("male","female") )
sex # 输出sex的值 ## [1] female female male male female
## Levels: male femaleclass ( sex ) # 显示sex的数据类型 ## [1] "factor"# 调换标签（labels）的取值，得到因子型数据sex1
sex1 = factor ( c(1,1,0,0,1), levels=c(0,1), labels=c("female","male") )
sex1 # 输出sex1的值 ## [1] male male female female male
## Levels: female male # 调换水平（levels）的取值，得到因子型数据sex2
sex2 = factor (c(1,1,0,0,1), levels=c(1,0),
labels=c("male","female") )
sex2 # 输出sex2的值 ## [1] male male female female male
## Levels: male female# 设置因子型变量num
num = factor ( c("a","b","c","d") )
num## [1] a b c d
## Levels: a b c dclass(num)## [1] "factor"#将因子型数据num转换为数值型数据
as.numeric(num) ## [1] 1 2 3 4# 调换num中元素顺序，构造因子型变量num1
num1 = factor ( c("b","a","d","c") )
as.numeric ( num1 ) ## [1] 2 1 4 3# 将因子型数据num1转换为数值型数据
num + 1 # 因子型数据不可进行数值运算 ## Warning in Ops.factor(num, 1): '+' not meaningful for factors## [1] NA NA NA NA# 转换为数值型数据后可参与运算
as.numeric ( num ) + 1 ## [1] 2 3 4 5library ( MASS ) ## Warning: package 'MASS' was built under R version 4.1.2data (Insurance) # 获取数据集Insurance
summary(Insurance)## District Group Age Holders Claims
## 1:16 <1l :16 <25 :16 Min. : 3.00 Min. : 0.00
## 2:16 1-1.5l:16 25-29:16 1st Qu.: 46.75 1st Qu.: 9.50
## 3:16 1.5-2l:16 30-35:16 Median : 136.00 Median : 22.00
## 4:16 >2l :16 >35 :16 Mean : 364.98 Mean : 49.23
## 3rd Qu.: 327.50 3rd Qu.: 55.50
## Max. :3582.00 Max. :400.00write.table(Insurance,"Insurance.txt")
write.csv(Insurance,"Insurance.csv")
Insurance[1:10, ]## District Group Age Holders Claims
## 1 1 <1l <25 197 38
## 2 1 <1l 25-29 264 35
## 3 1 <1l 30-35 246 20
## 4 1 <1l >35 1680 156
## 5 1 1-1.5l <25 284 63
## 6 1 1-1.5l 25-29 536 84
## 7 1 1-1.5l 30-35 696 89
## 8 1 1-1.5l >35 3582 400
## 9 1 1.5-2l <25 133 19
## 10 1 1.5-2l 25-29 286 52head(Insurance)## District Group Age Holders Claims
## 1 1 <1l <25 197 38
## 2 1 <1l 25-29 264 35
## 3 1 <1l 30-35 246 20
## 4 1 <1l >35 1680 156
## 5 1 1-1.5l <25 284 63
## 6 1 1-1.5l 25-29 536 84tail(Insurance)## District Group Age Holders Claims
## 59 4 1.5-2l 30-35 68 16
## 60 4 1.5-2l >35 344 63
## 61 4 >2l <25 3 0
## 62 4 >2l 25-29 16 6
## 63 4 >2l 30-35 25 8
## 64 4 >2l >35 114 33dim (Insurance) ## [1] 64 5dim (Insurance[1:10, ]) #获取数据集前10条数据的维度## [1] 10 5# 获取数据集仅含第2、3、4个变量部分的维度
dim (Insurance[ ,2:4]) ## [1] 64 3# 获取数据集维度向量的第一个元素，即行数
dim ( Insurance ) [1] ## [1] 64# 获取数据集维度向量的第二个元素，即列数
dim ( Insurance ) [2] ## [1] 5# 构造含有“District”和“Age”两个元素的字符向量vars
vars = c ( "District", "Age" )
Insurance [ 20:25, vars ] #筛选出District及Age变量的第20-25行数据 ## District Age
## 20 2 >35
## 21 2 <25
## 22 2 25-29
## 23 2 30-35
## 24 2 >35
## 25 2 <25names(Insurance) # 输出Insurance数据集变量名 ## [1] "District" "Group" "Age" "Holders" "Claims"head(names(Insurance), n=2) # 仅输出前2个变量名 ## [1] "District" "Group"tail(names(Insurance), n=2) # 仅输出后2个变量名 ## [1] "Holders" "Claims"head(Insurance$Age) ## [1] <25 25-29 30-35 >35 <25 25-29
## Levels: <25 < 25-29 < 30-35 < >35Insurance$Age## [1] <25 25-29 30-35 >35 <25 25-29 30-35 >35 <25 25-29 30-35 >35
## [13] <25 25-29 30-35 >35 <25 25-29 30-35 >35 <25 25-29 30-35 >35
## [25] <25 25-29 30-35 >35 <25 25-29 30-35 >35 <25 25-29 30-35 >35
## [37] <25 25-29 30-35 >35 <25 25-29 30-35 >35 <25 25-29 30-35 >35
## [49] <25 25-29 30-35 >35 <25 25-29 30-35 >35 <25 25-29 30-35 >35
## [61] <25 25-29 30-35 >35
## Levels: <25 < 25-29 < 30-35 < >35str(Insurance)## 'data.frame': 64 obs. of 5 variables:
## $ District: Factor w/ 4 levels "1","2","3","4": 1 1 1 1 1 1 1 1 1 1 ...
## $ Group : Ord.factor w/ 4 levels "<1l"<"1-1.5l"<..: 1 1 1 1 2 2 2 2 3 3 ...
## $ Age : Ord.factor w/ 4 levels "<25"<"25-29"<..: 1 2 3 4 1 2 3 4 1 2 ...
## $ Holders : int 197 264 246 1680 284 536 696 3582 133 286 ...
## $ Claims : int 38 35 20 156 63 84 89 400 19 52 ...class(Insurance$District) #显示District的变量类型 ## [1] "factor"class ( Insurance[,1]) ## [1] "factor"Insurance[,c(1,5)] ## District Claims
## 1 1 38
## 2 1 35
## 3 1 20
## 4 1 156
## 5 1 63
## 6 1 84
## 7 1 89
## 8 1 400
## 9 1 19
## 10 1 52
## 11 1 74
## 12 1 233
## 13 1 4
## 14 1 18
## 15 1 19
## 16 1 77
## 17 2 22
## 18 2 19
## 19 2 22
## 20 2 87
## 21 2 25
## 22 2 51
## 23 2 49
## 24 2 290
## 25 2 14
## 26 2 46
## 27 2 39
## 28 2 143
## 29 2 4
## 30 2 15
## 31 2 12
## 32 2 53
## 33 3 5
## 34 3 11
## 35 3 10
## 36 3 67
## 37 3 10
## 38 3 24
## 39 3 37
## 40 3 187
## 41 3 8
## 42 3 19
## 43 3 24
## 44 3 101
## 45 3 3
## 46 3 2
## 47 3 8
## 48 3 37
## 49 4 2
## 50 4 5
## 51 4 4
## 52 4 36
## 53 4 7
## 54 4 10
## 55 4 22
## 56 4 102
## 57 4 5
## 58 4 7
## 59 4 16
## 60 4 63
## 61 4 0
## 62 4 6
## 63 4 8
## 64 4 33data.frame(Insurance$District,Insurance$Claims)## Insurance.District Insurance.Claims
## 1 1 38
## 2 1 35
## 3 1 20
## 4 1 156
## 5 1 63
## 6 1 84
## 7 1 89
## 8 1 400
## 9 1 19
## 10 1 52
## 11 1 74
## 12 1 233
## 13 1 4
## 14 1 18
## 15 1 19
## 16 1 77
## 17 2 22
## 18 2 19
## 19 2 22
## 20 2 87
## 21 2 25
## 22 2 51
## 23 2 49
## 24 2 290
## 25 2 14
## 26 2 46
## 27 2 39
## 28 2 143
## 29 2 4
## 30 2 15
## 31 2 12
## 32 2 53
## 33 3 5
## 34 3 11
## 35 3 10
## 36 3 67
## 37 3 10
## 38 3 24
## 39 3 37
## 40 3 187
## 41 3 8
## 42 3 19
## 43 3 24
## 44 3 101
## 45 3 3
## 46 3 2
## 47 3 8
## 48 3 37
## 49 4 2
## 50 4 5
## 51 4 4
## 52 4 36
## 53 4 7
## 54 4 10
## 55 4 22
## 56 4 102
## 57 4 5
## 58 4 7
## 59 4 16
## 60 4 63
## 61 4 0
## 62 4 6
## 63 4 8
## 64 4 33class ( Insurance$Age ) # 显示Age的变量类型 ## [1] "ordered" "factor"class ( Insurance$Holders ) #显示Holders的变量类型 ## [1] "integer"levels ( Insurance$Age ) # 显示Age变量的4个水平值 ## [1] "<25" "25-29" "30-35" ">35"levels(Insurance$Age)[1] #显示Age变量的第1个水平值 ## [1] "<25"# 将Age变量的第1个水平值修改为“young”
levels ( Insurance$Age ) [1] = "young"
head ( Insurance$Age ) #回看修改后Age变量前若干个取值 ## [1] young 25-29 30-35 >35 young 25-29
## Levels: young < 25-29 < 30-35 < >35is.character ( Insurance$Age ) #判断Age是否为字符型变量## [1] FALSEclass ( Insurance$Claims ) #显示Claims的变量类型 ## [1] "integer"class ( as.integer (Insurance$Claims) ) ## [1] "integer"#将Claims的数据类型强制转换为数值型
dim(Insurance)## [1] 64 5set.seed(2)
#从Insurance数据集中有放回的随机抽取10个观测样本
sub1=sample(nrow(Insurance),10,replace=T)
sub1 #显示所抽取的行序号 ## [1] 21 15 6 6 32 8 17 29 17 12Insurance[sub1,] #显示所抽取的10条观测样本 ## District Group Age Holders Claims
## 21 2 1-1.5l young 149 25
## 15 1 >2l 30-35 99 19
## 6 1 1-1.5l 25-29 536 84
## 6.1 1 1-1.5l 25-29 536 84
## 32 2 >2l >35 322 53
## 8 1 1-1.5l >35 3582 400
## 17 2 <1l young 85 22
## 29 2 >2l young 9 4
## 17.1 2 <1l young 85 22
## 12 1 1.5-2l >35 1640 233sub2=sample(nrow(Insurance),10,replace=T,
prob=c(rep(0,nrow(Insurance)-1),1))
#设置除了最后一条样本的抽样概率为1外，其他样本被抽到的概率为都为0
Insurance[sub2,] #显示所抽取的10条观测样本 ## District Group Age Holders Claims
## 64 4 >2l >35 114 33
## 64.1 4 >2l >35 114 33
## 64.2 4 >2l >35 114 33
## 64.3 4 >2l >35 114 33
## 64.4 4 >2l >35 114 33
## 64.5 4 >2l >35 114 33
## 64.6 4 >2l >35 114 33
## 64.7 4 >2l >35 114 33
## 64.8 4 >2l >35 114 33
## 64.9 4 >2l >35 114 33#无放回随机抽取10个观测样本
sub3=sample(nrow(Insurance),10)
sub3 #显示所抽取的行序号 ## [1] 51 55 8 39 33 54 41 48 36 43Insurance[sub3,] #显示抽样结果## District Group Age Holders Claims
## 51 4 <1l 30-35 40 4
## 55 4 1-1.5l 30-35 122 22
## 8 1 1-1.5l >35 3582 400
## 39 3 1-1.5l 30-35 240 37
## 33 3 <1l young 35 5
## 54 4 1-1.5l 25-29 81 10
## 41 3 1.5-2l young 24 8
## 48 3 >2l >35 245 37
## 36 3 <1l >35 648 67
## 43 3 1.5-2l 30-35 121 24加载软件包sampling，该软件包提供strata(）和cluster(）函数
library (sampling)
#按街区District进行分层，且1-4街区中分别无放回抽取4个样本.
sub4=strata(Insurance,stratanames="District",size=c(4,4,4,4),method="srswor")
sub4 #显示分层抽样结果## District ID_unit Prob Stratum
## 6 1 6 0.25 1
## 8 1 8 0.25 1
## 9 1 9 0.25 1
## 14 1 14 0.25 1
## 22 2 22 0.25 2
## 29 2 29 0.25 2
## 30 2 30 0.25 2
## 32 2 32 0.25 2
## 35 3 35 0.25 3
## 39 3 39 0.25 3
## 40 3 40 0.25 3
## 41 3 41 0.25 3
## 50 4 50 0.25 4
## 54 4 54 0.25 4
## 61 4 61 0.25 4
## 64 4 64 0.25 4getdata(Insurance,sub4) #获取分层抽样所得的数据集## Group Age Holders Claims District ID_unit Prob Stratum
## 6 1-1.5l 25-29 536 84 1 6 0.25 1
## 8 1-1.5l >35 3582 400 1 8 0.25 1
## 9 1.5-2l young 133 19 1 9 0.25 1
## 14 >2l 25-29 71 18 1 14 0.25 1
## 22 1-1.5l 25-29 313 51 2 22 0.25 2
## 29 >2l young 9 4 2 29 0.25 2
## 30 >2l 25-29 48 15 2 30 0.25 2
## 32 >2l >35 322 53 2 32 0.25 2
## 35 <1l 30-35 89 10 3 35 0.25 3
## 39 1-1.5l 30-35 240 37 3 39 0.25 3
## 40 1-1.5l >35 1635 187 3 40 0.25 3
## 41 1.5-2l young 24 8 3 41 0.25 3
## 50 <1l 25-29 33 5 4 50 0.25 4
## 54 1-1.5l 25-29 81 10 4 54 0.25 4
## 61 >2l young 3 0 4 61 0.25 4
## 64 >2l >35 114 33 4 64 0.25 4#按街区District进行分层，且1-4街区中分别无放回抽取1-4个样本，
#并输出由description控制的各层基本信息
sub5=strata(Insurance,stratanames="District",size=c(1,2,3,4),description=TRUE) ## Warning in strata(Insurance, stratanames = "District", size = c(1, 2, 3, : the
## method is not specified; by default, the method is srswor## Stratum 1
##
## Population total and number of selected units: 16 1
## Stratum 2
##
## Population total and number of selected units: 16 2
## Stratum 3
##
## Population total and number of selected units: 16 3
## Stratum 4
##
## Population total and number of selected units: 16 4
## Number of strata 4
## Total number of selected units 10sub5 #显示分层抽样结果## District ID_unit Prob Stratum
## 7 1 7 0.0625 1
## 18 2 18 0.1250 2
## 19 2 19 0.1250 2
## 33 3 33 0.1875 3
## 35 3 35 0.1875 3
## 36 3 36 0.1875 3
## 49 4 49 0.2500 4
## 55 4 55 0.2500 4
## 57 4 57 0.2500 4
## 61 4 61 0.2500 4getdata(Insurance,sub5) #获取分层抽样所得的数据集## Group Age Holders Claims District ID_unit Prob Stratum
## 7 1-1.5l 30-35 696 89 1 7 0.0625 1
## 18 <1l 25-29 139 19 2 18 0.1250 2
## 19 <1l 30-35 151 22 2 19 0.1250 2
## 33 <1l young 35 5 3 33 0.1875 3
## 35 <1l 30-35 89 10 3 35 0.1875 3
## 36 <1l >35 648 67 3 36 0.1875 3
## 49 <1l young 20 2 4 49 0.2500 4
## 55 1-1.5l 30-35 122 22 4 55 0.2500 4
## 57 1.5-2l young 18 5 4 57 0.2500 4
## 61 >2l young 3 0 4 61 0.2500 4#选择系统抽样方法systematic，并以Insurance中Claims变量控制各层内的抽样概率
sub6=strata(Insurance,stratanames="District",
size=c(1,2,3,4),method="systematic",
pik=Insurance$Claims)## Warning in inclusionprobabilities(pik[y], size[i]): there are zero values in the initial vector asub6 #显示分层抽样结果## District ID_unit Prob Stratum
## 12 1 12 0.1687183 1
## 24 2 24 0.6509540 2
## 28 2 28 0.3209877 2
## 36 3 36 0.3661202 3
## 40 3 40 1.0000000 3
## 44 3 44 0.5519126 3
## 55 4 55 0.2946429 4
## 56 4 56 1.0000000 4
## 60 4 60 0.8437500 4
## 64 4 64 0.4419643 4getdata(Insurance,sub6) #获取分层抽样所得的数据集## Group Age Holders Claims District ID_unit Prob Stratum
## 12 1.5-2l >35 1640 233 1 12 0.1687183 1
## 24 1-1.5l >35 2443 290 2 24 0.6509540 2
## 28 1.5-2l >35 1110 143 2 28 0.3209877 2
## 36 <1l >35 648 67 3 36 0.3661202 3
## 40 1-1.5l >35 1635 187 3 40 1.0000000 3
## 44 1.5-2l >35 692 101 3 44 0.5519126 3
## 55 1-1.5l 30-35 122 22 4 55 0.2946429 4
## 56 1-1.5l >35 724 102 4 56 1.0000000 4
## 60 1.5-2l >35 344 63 4 60 0.8437500 4
## 64 >2l >35 114 33 4 64 0.4419643 4#整群抽样
sub7=cluster(Insurance,clustername="District",
size=2,method="srswor",
description=TRUE)## Number of selected clusters: 2
## Number of units in the population and number of selected units: 64 32#按照District变量的不同取值划分群，并无放回地抽取其中两个群中的所有样本
sub7## District ID_unit Prob
## 1 2 19 0.5
## 2 2 17 0.5
## 3 2 18 0.5
## 4 2 23 0.5
## 5 2 24 0.5
## 6 2 25 0.5
## 7 2 26 0.5
## 8 2 27 0.5
## 9 2 28 0.5
## 10 2 29 0.5
## 11 2 30 0.5
## 12 2 31 0.5
## 13 2 32 0.5
## 14 2 20 0.5
## 15 2 21 0.5
## 16 2 22 0.5
## 17 4 49 0.5
## 18 4 50 0.5
## 19 4 51 0.5
## 20 4 52 0.5
## 21 4 53 0.5
## 22 4 54 0.5
## 23 4 55 0.5
## 24 4 56 0.5
## 25 4 57 0.5
## 26 4 58 0.5
## 27 4 59 0.5
## 28 4 60 0.5
## 29 4 61 0.5
## 30 4 62 0.5
## 31 4 63 0.5
## 32 4 64 0.5getdata(Insurance,sub7) ## Group Age Holders Claims District ID_unit Prob
## 19 <1l 30-35 151 22 2 19 0.5
## 17 <1l young 85 22 2 17 0.5
## 18 <1l 25-29 139 19 2 18 0.5
## 23 1-1.5l 30-35 419 49 2 23 0.5
## 24 1-1.5l >35 2443 290 2 24 0.5
## 25 1.5-2l young 66 14 2 25 0.5
## 26 1.5-2l 25-29 175 46 2 26 0.5
## 27 1.5-2l 30-35 221 39 2 27 0.5
## 28 1.5-2l >35 1110 143 2 28 0.5
## 29 >2l young 9 4 2 29 0.5
## 30 >2l 25-29 48 15 2 30 0.5
## 31 >2l 30-35 72 12 2 31 0.5
## 32 >2l >35 322 53 2 32 0.5
## 20 <1l >35 931 87 2 20 0.5
## 21 1-1.5l young 149 25 2 21 0.5
## 22 1-1.5l 25-29 313 51 2 22 0.5
## 49 <1l young 20 2 4 49 0.5
## 50 <1l 25-29 33 5 4 50 0.5
## 51 <1l 30-35 40 4 4 51 0.5
## 52 <1l >35 316 36 4 52 0.5
## 53 1-1.5l young 31 7 4 53 0.5
## 54 1-1.5l 25-29 81 10 4 54 0.5
## 55 1-1.5l 30-35 122 22 4 55 0.5
## 56 1-1.5l >35 724 102 4 56 0.5
## 57 1.5-2l young 18 5 4 57 0.5
## 58 1.5-2l 25-29 39 7 4 58 0.5
## 59 1.5-2l 30-35 68 16 4 59 0.5
## 60 1.5-2l >35 344 63 4 60 0.5
## 61 >2l young 3 0 4 61 0.5
## 62 >2l 25-29 16 6 4 62 0.5
## 63 >2l 30-35 25 8 4 63 0.5
## 64 >2l >35 114 33 4 64 0.5#抽取训练集和测试集#
train_sub=sample(nrow(Insurance),3/4*nrow(Insurance)) #随机无放回抽取3/4样本
train_data=Insurance[train_sub,] #将相应3/4样本集作为训练集
test_data=Insurance[-train_sub,] #将另外的1/4样本集作为测试集
dim(train_data);dim(test_data) #显示训练集与测试集的维度## [1] 48 5## [1] 16 5train_data## District Group Age Holders Claims
## 37 3 1-1.5l young 53 10
## 60 4 1.5-2l >35 344 63
## 34 3 <1l 25-29 73 11
## 21 2 1-1.5l young 149 25
## 54 4 1-1.5l 25-29 81 10
## 13 1 >2l young 24 4
## 7 1 1-1.5l 30-35 696 89
## 50 4 <1l 25-29 33 5
## 38 3 1-1.5l 25-29 155 24
## 44 3 1.5-2l >35 692 101
## 20 2 <1l >35 931 87
## 28 2 1.5-2l >35 1110 143
## 4 1 <1l >35 1680 156
## 9 1 1.5-2l young 133 19
## 42 3 1.5-2l 25-29 78 19
## 47 3 >2l 30-35 43 8
## 6 1 1-1.5l 25-29 536 84
## 32 2 >2l >35 322 53
## 15 1 >2l 30-35 99 19
## 59 4 1.5-2l 30-35 68 16
## 35 3 <1l 30-35 89 10
## 8 1 1-1.5l >35 3582 400
## 49 4 <1l young 20 2
## 45 3 >2l young 7 3
## 17 2 <1l young 85 22
## 5 1 1-1.5l young 284 63
## 56 4 1-1.5l >35 724 102
## 51 4 <1l 30-35 40 4
## 46 3 >2l 25-29 29 2
## 40 3 1-1.5l >35 1635 187
## 16 1 >2l >35 452 77
## 61 4 >2l young 3 0
## 11 1 1.5-2l 30-35 355 74
## 64 4 >2l >35 114 33
## 36 3 <1l >35 648 67
## 10 1 1.5-2l 25-29 286 52
## 14 1 >2l 25-29 71 18
## 39 3 1-1.5l 30-35 240 37
## 57 4 1.5-2l young 18 5
## 55 4 1-1.5l 30-35 122 22
## 12 1 1.5-2l >35 1640 233
## 18 2 <1l 25-29 139 19
## 63 4 >2l 30-35 25 8
## 1 1 <1l young 197 38
## 52 4 <1l >35 316 36
## 48 3 >2l >35 245 37
## 53 4 1-1.5l young 31 7
## 58 4 1.5-2l 25-29 39 7write.csv(train_data,"train.csv")
test_data## District Group Age Holders Claims
## 2 1 <1l 25-29 264 35
## 3 1 <1l 30-35 246 20
## 19 2 <1l 30-35 151 22
## 22 2 1-1.5l 25-29 313 51
## 23 2 1-1.5l 30-35 419 49
## 24 2 1-1.5l >35 2443 290
## 25 2 1.5-2l young 66 14
## 26 2 1.5-2l 25-29 175 46
## 27 2 1.5-2l 30-35 221 39
## 29 2 >2l young 9 4
## 30 2 >2l 25-29 48 15
## 31 2 >2l 30-35 72 12
## 33 3 <1l young 35 5
## 41 3 1.5-2l young 24 8
## 43 3 1.5-2l 30-35 121 24
## 62 4 >2l 25-29 16 6write.csv(test_data,"test.csv")