คุณต้องได้รับข้อมูลในรูปแบบที่อัลกอริทึมสามารถใช้เพื่อสร้างแบบจำลองการวิเคราะห์คาดการณ์ได้ ในการทำเช่นนี้คุณต้องใช้เวลาในการทำความเข้าใจข้อมูลและรู้โครงสร้างข้อมูล พิมพ์ฟังก์ชันเพื่อหาโครงสร้างของข้อมูล คำสั่งและผลลัพธ์ของไฟล์มีลักษณะดังนี้: >> str (autos) 'data กรอบ ': 398 obs. จาก 9 ตัวแปร: $ V1: จำนวน 18 15 18 16 17 15 14 14 14 15 … $ V2: int 8 8 8 8 8 8 8 8 8 8 … $ V3: num 307 350 318 304 302 429 454 440 455 390 … $ V4: chr "130. 0" "165. 0" "150. 0" "150. 0" … $ V5: จำนวน 3504 3693 3436 3433 3449 … $ V6: เลข 12 11 5 11 12 10. 5 10 9 8 5 10 8. 5 … $ V7: int 70 70 70 70 70 70 70 70 70 … $ V8: int 1 1 1 1 1 1 1 1 1 … $ V9: ปัจจัยที่มี 305 ระดับ "amc Ambassador Brougham", …:
50 37 232 15 162 142 55 224 242 2 …จากการดูโครงสร้างคุณสามารถบอกได้ว่ามีการเตรียมข้อมูลและทำความสะอาดข้อมูลให้ทำ นี่คือรายการงานที่จำเป็น:
-
นี่ไม่ใช่สิ่งจำเป็นอย่างยิ่ง แต่สำหรับวัตถุประสงค์ของตัวอย่างนี้คุณควรใช้ชื่อคอลัมน์ที่สามารถเข้าใจและจดจำได้ดียิ่งขึ้น
เปลี่ยนชนิดข้อมูลของ V4 (
-
horsepower ) เป็น ตัวเลข ประเภทข้อมูล ในตัวอย่างนี้แรงม้าเป็นค่าตัวเลขที่ต่อเนื่องไม่ใช่ประเภทข้อมูลอักขระ
จัดการค่าที่ขาดหายไป
-
ที่นี่มีแรงม้าหกค่าที่ขาดหายไปเปลี่ยนแอตทริบิวต์ที่มีค่าไม่ต่อเนื่องไปเป็นปัจจัยต่างๆ
-
กระบอกสูบรุ่นปีและต้นกำเนิดที่นี่มีค่าไม่ต่อเนื่อง
ยกเลิกแอตทริบิวต์ V9 (
-
ชื่อรถ ) ชื่อรถที่นี่ไม่ได้เพิ่มมูลค่าให้กับรุ่นที่คุณสร้างขึ้น หากไม่ได้ระบุแอตทริบิวต์ต้นทางคุณอาจได้รับต้นกำเนิดจากแอตทริบิวต์ car name
จากนั้นให้เปลี่ยนข้อมูลประเภทของแรงม้าเป็นตัวเลขด้วยรหัสต่อไปนี้:
autos $ horsepower <-> เช่น. ตัวเลข (autos $ horsepower)
โปรแกรมจะบ่นเพราะค่าทั้งหมดในแรงม้าไม่ได้เป็นตัวแทนของสตริง มีค่าที่หายไปบางส่วนที่แสดงเป็น "? "ตัวอักษร ที่ดีตอนนี้เพราะ R แปลงตัวอย่างของ? ลงใน NAวิธีทั่วไปในการจัดการค่าที่ขาดหายไปของตัวแปรแบบต่อเนื่องคือการแทนที่แต่ละค่าที่ขาดหายไปด้วยค่าเฉลี่ยของคอลัมน์ทั้งหมด บรรทัดต่อไปนี้ของรหัสไม่ว่า:
autos $ แรงม้า [คือna (autos $ horsepower)] <- mean (autos $ horsepower, na. rm = TRUE)
สิ่งสำคัญคือต้องมี na rm-TRUE ในฟังก์ชันค่าเฉลี่ย บอกฟังก์ชันไม่ให้ใช้คอลัมน์ที่มีค่า null ในการคำนวณ ถ้าไม่มีฟังก์ชั่นจะกลับมา
จากนั้นให้เปลี่ยนแอตทริบิวต์ด้วยค่าที่ไม่ต่อเนื่องเป็นปัจจัย มีการระบุแอตทริบิวต์สามอย่างโดยสิ้นเชิง สามบรรทัดต่อไปนี้ของรหัสเปลี่ยนแอตทริบิวต์
autos $ origin autos $ modelYear autos $ cylinders <- factor (autos $ cylinder)
สุดท้ายลบแอตทริบิวต์ออกจากกรอบข้อมูลโดยใช้รหัสบรรทัดต่อไปนี้:
autos $ carName <- nULL < ณ จุดนี้คุณได้จัดเตรียมข้อมูลสำหรับการสร้างแบบจำลองเรียบร้อยแล้ว ข้อมูลต่อไปนี้คือมุมมองโครงสร้างหลังจากขั้นตอนการเตรียมข้อมูล:
ข้อมูล STR (autos) กรอบ ': 398 obs. จาก 8 ตัวแปร: $ mpg: num 18 15 18 16 17 15 14 14 14 15 … $ กระบอกสูบ: Factor w / 5 ระดับ "3", "4", "5", "6", …:
5 5 5 5 5 5 5 5 5 5 … $ การบรรทุก: จำนวน 307 350 318 304 302 429 454 440 455 390 … $ แรงม้า: จำนวน 130 165 150 150 140 198 220 215 225 190 … $ น้ำหนัก: จำนวน 3504 3693 3436 3433 3449 … $ การเร่งความเร็ว: num 12 11. 5 11 12 10. 5 10 9 8. 5 10 8. 5 … $ model รุ่นปี: Factor w / 13 ระดับ "70", "71", "72", …:
1 1 1 1 1 1 1 1 1 1 … $ ต้นกำเนิด: Factor w / 3 ระดับ "1", "2", "3":
1 1 1 1 1 1 1 1 1 …
