R:机器学习实战
2013-05-20 22:30
417 查看
参考:/article/8532099.html
nnet包
2.1 线性回归树(决策树):
CART:Classification and Regression Trees
数据集:stagec
数目:146
属性:pgtime pgstat age eet g2 grade gleason ploidy
R code:
结果:
![](http://scm.3g.d.xiaonei.com/wiki/download/attachments/4883334/plot_zoom_png.png?version=2&modificationDate=1368162764000)
2.2 随机森林
随机森林是一个包含多个决策树的分类器, 并且其输出的类别是由个别树输出的类别的众数而定。(http://baike.baidu.com/view/5021113.htm)
randomForest包官网:http://www.stat.berkeley.edu/~breiman/RandomForests/cc_home.htm
e1071包
1 神经网络
nnet包分类器:
# weights: 19 initial value 82.459767 iter 10 value 27.862946 iter 20 value 7.244425 iter 30 value 3.255549 iter 40 value 3.169972 iter 50 value 2.792178 iter 60 value 1.766152 iter 70 value 1.272564 iter 80 value 0.852201 iter 90 value 0.681699 iter 100 value 0.531267 iter 110 value 0.489096 iter 120 value 0.470457 iter 130 value 0.464765 iter 140 value 0.461259 iter 150 value 0.457745 iter 160 value 0.457484 iter 170 value 0.457441 iter 180 value 0.457428 iter 190 value 0.457425 final value 0.457424 converged
结果:
c s v c 24 0 1 s 0 25 0 v 3 0 22
2 回归
2.1 线性回归树(决策树):
CART:Classification and Regression Trees
数据集:stagec
数目:146
属性:pgtime pgstat age eet g2 grade gleason ploidy
R code:
1) root 146 54 No (0.6301370 0.3698630) 2) grade< 2.5 61 9 No (0.8524590 0.1475410) * 3) grade>=2.5 85 40 Prog (0.4705882 0.5294118) 6) g2< 13.2 40 17 No (0.5750000 0.4250000) 12) ploidy=diploid,tetraploid 31 11 No (0.6451613 0.3548387) 24) g2>=11.845 7 1 No (0.8571429 0.1428571) * 25) g2< 11.845 24 10 No (0.5833333 0.4166667) 50) g2< 11.005 17 5 No (0.7058824 0.2941176) * 51) g2>=11.005 7 2 Prog (0.2857143 0.7142857) * 13) ploidy=aneuploid 9 3 Prog (0.3333333 0.6666667) * 7) g2>=13.2 45 17 Prog (0.3777778 0.6222222) 14) g2>=17.91 22 8 No (0.6363636 0.3636364) 28) age>=62.5 15 4 No (0.7333333 0.2666667) * 29) age< 62.5 7 3 Prog (0.4285714 0.5714286) * 15) g2< 17.91 23 3 Prog (0.1304348 0.8695652) *
![](http://scm.3g.d.xiaonei.com/wiki/download/attachments/4883334/plot_zoom_png.png?version=2&modificationDate=1368162764000)
2.2 随机森林
随机森林是一个包含多个决策树的分类器, 并且其输出的类别是由个别树输出的类别的众数而定。(http://baike.baidu.com/view/5021113.htm)
randomForest包官网:http://www.stat.berkeley.edu/~breiman/RandomForests/cc_home.htm
2 SVM
e1071包![](http://scm.3g.d.xiaonei.com/wiki/download/attachments/4883334/plot_zoom_png.png?version=2&modificationDate=1368162764000)
相关文章推荐
- 机器学习实战精读--------主成分分析(PCA)
- 机器学习实战精读--------Apriori算法
- 机器学习实战学习笔记4——奇异值分解(SVD)
- 机器学习实战--K近邻法
- 福利丨网友授课视频分享:机器学习实战-KNN-第一部分
- 机器学习实战_09树回归
- 机器学习实战——kNN算法
- 机器学习实战python版第三章决策树代码理解
- 机器学习实战笔记(1)机器学习基础
- 免费课程 | 云脑机器学习实战训练营,中美大咖携手带你飞!
- 机器学习实战 - 读书笔记(10) - 利用K-均值聚类算法对未标注数据分组
- 机器学习实战:python算法代码汇总
- 机器学习实战之kNN算法
- 机器学习实战--KNN代码解析
- 机器学习实战——机器学习基础
- 机器学习实战-学习笔记-第十四章
- 机器学习实战—决策树(python3+spyder)
- 机器学习实战学习笔记2——决策树算法
- Python 学习笔记(Machine Learning In Action)K-近邻算法(KNN)机器学习实战
- 机器学习实战——第一章:机器学习基础