R语言-数据分析实战(数据预处理&决策树cart算法)

数据来源:

http://archive.ics.uci.edu/ml/datasets/Bank+Marketing

数据预处理:

导入数据:

getwd()
setwd("d:/Rdata/bank")
getwd()
bankdata<-read.csv("bank-additional-full.csv",sep=";")
sum(is.na(bankdata))

查看原始数据状态

summary(bankdata)

用众数插补

table(bankdata=="unknown")
max(table(bankdata$job))
max(table(bankdata$education))
bankdata$marital[which(bankdata$marital=="unknown")]<-"married"
bankdata$default[which(bankdata$default=="unknown")]<-"no"
bankdata$housing[which(bankdata$housing=="unknown")]<-"yes"
bankdata$loan[which(bankdata$loan=="unknown")]<-"no"
bankdata$education[which(bankdata$education=="unknown")]<-"university.degree"
bankdata$job[which(bankdata$job=="unknown")]<-"admin."

1对age进行重编码

attach(bankdata)
lab<-c("younge","wrinkly","elder")
bankdata$age_cat=cut(age,breaks = c(0,35,55,100),right = FALSE,labels = lab)
table(bankdata$age_cat)

2对job进行重编码

c1<-c("admin.","blue-collar","entrepreneur")
c2<-c("housemaid","management","self-employed","services","technician")
c3<-c("retired","student","unemployed")
bankdata<-within(bankdata,{
job_cat<-NA
job_cat[job %in% c1]<-"high-income"
job_cat[job %in% c2]<-"middle-income"
job_cat[job %in% c3]<-"low-income"
})

table(bankdata$job_cat)

3对education进行重编码

c4<-c("basic.4y","basic.6y","basic.9y")
c5<-c("high.school","professional.course","university.degree")
bankdata<-within(bankdata,{
edu_cat<-NA
edu_cat[education %in% "illiterate"]<-"high-income"
edu_cat[education %in% c4]<-"middle-income"
edu_cat[education %in% c5]<-"low-income"
})
table(bankdata$edu_cat)

4对month进行重编码

c6<-c("jan","feb","mar")
c7<-c("apr","may","jun")
c8<-c("jul","aug","sep")
c9<-c("oct","nov","dec")
bankdata<-within(bankdata,{
mon_cat<-NA
mon_cat[month %in% c6]<-"q1"
mon_cat[month %in% c7]<-"q2"
mon_cat[month %in% c8]<-"q3"
mon_cat[month %in% c9]<-"q4"
})
table(bankdata$mon_cat)

5查看pdays的数据情况并对pdays进行重编码

table(bankdata$pdays)
bankdata<-within(bankdata,{
pdays_cat<-NA
pdays_cat[pdays<28]<-"long"
pdays_cat[pdays<8]<-"short"
pdays_cat[pdays==999]<-"never"
})
detach(bankdata)

将字符型的字段改为因子型的

bankdata$job_cat<-factor(bankdata$job_cat)
bankdata$edu_cat<-factor(bankdata$edu_cat)
bankdata$mon_cat<-factor(bankdata$mon_cat)
bankdata$pdays_cat<-factor(bankdata$pdays_cat)

查看数据状态

summary(bankdata)

进行标准正态化

tosacle<-function(x){
return (scale(x,center = TRUE,scale=TRUE))
}
bankdata$camp<-scale(bankdata$campaign,center = TRUE,scale=TRUE)
bankdata$pre<-scale(bankdata$previous,center = TRUE,scale=TRUE)
bankdata[,16:20]<-apply(bankdata[,16:20], 2, tosacle)

筛选字段形成新的数据框,用于相关性分析

attach(bankdata)
c10<-c("age_cat","job_cat","marital","edu_cat","default",
"housing","loan,contact","mon_cat","day_of_week","camp",
"pdays_cat","pre","poutcome",
"emp.var.rate","cons.price.idx",
"cons.conf.idx","euribor3m","nr.employed","y")
newdata<-temp[which(names(temp)%in%c10)]
newdata<-bankdata[which(names(bankdata)%in%c10)]
detach(bankdata)
summary(newdata)
str(newdata[,1:18])

相关性分析
将数据集中的每个列的相关系数统计出来并保存在一个corr的参数中

newtmp<-data.frame(newdata[,6:10],newdata[,17:18])
corr <- cor(newtmp)
install.packages("corrplot",dependencies = T)
corrplot(corr)

选取变量

c11<-c("euribor3m","nr.employed","emp.var.rate")
tmp<-names(newdata)%in%c11
newdata2<-newdata[,!tmp]
summary(newdata2)

==========================================================

建立模型:

数据分区,按照变量accept变量进行等比抽样,80%为训练集,20%为测试集

library(caret)
ind <- createDataPartition(newdata2$y,times=1,p=0.8,list=F)
train <- newdata2[ind,] # 训练集
test <- newdata2[-ind,] # 测试集
prop.table(table(newdata2$y))
prop.table(table(train$y))
prop.table(table(test$y))

构建分类模型cart

library(rpart)
mod <- rpart(train$y~.,data=train)

对测试集数据进行预测

pred <- predict(mod,test,type="class")
pred

构建混淆矩阵,查看预测效果
查看训练集的误差率

(a <- table(train$y,predict(mod,train,type="class")))
paste0(round((sum(a)-sum(diag(a)))/sum(a),4)*100,"%")

查看测试集的误差率

(b <- table(test$y,predict(mod,test,type="class")))
paste0(round((sum(b)-sum(diag(b)))/sum(b),4)*100,"%")

最后编辑于
©著作权归作者所有,转载或内容合作请联系作者
  • 序言:七十年代末,一起剥皮案震惊了整个滨河市,随后出现的几起案子,更是在滨河造成了极大的恐慌,老刑警刘岩,带你破解...
    沈念sama阅读 206,602评论 6 481
  • 序言:滨河连续发生了三起死亡事件,死亡现场离奇诡异,居然都是意外死亡,警方通过查阅死者的电脑和手机,发现死者居然都...
    沈念sama阅读 88,442评论 2 382
  • 文/潘晓璐 我一进店门,熙熙楼的掌柜王于贵愁眉苦脸地迎上来,“玉大人,你说我怎么就摊上这事。” “怎么了?”我有些...
    开封第一讲书人阅读 152,878评论 0 344
  • 文/不坏的土叔 我叫张陵,是天一观的道长。 经常有香客问我,道长,这世上最难降的妖魔是什么? 我笑而不...
    开封第一讲书人阅读 55,306评论 1 279
  • 正文 为了忘掉前任,我火速办了婚礼,结果婚礼上,老公的妹妹穿的比我还像新娘。我一直安慰自己,他们只是感情好,可当我...
    茶点故事阅读 64,330评论 5 373
  • 文/花漫 我一把揭开白布。 她就那样静静地躺着,像睡着了一般。 火红的嫁衣衬着肌肤如雪。 梳的纹丝不乱的头发上,一...
    开封第一讲书人阅读 49,071评论 1 285
  • 那天,我揣着相机与录音,去河边找鬼。 笑死,一个胖子当着我的面吹牛,可吹牛的内容都是我干的。 我是一名探鬼主播,决...
    沈念sama阅读 38,382评论 3 400
  • 文/苍兰香墨 我猛地睁开眼,长吁一口气:“原来是场噩梦啊……” “哼!你这毒妇竟也来了?” 一声冷哼从身侧响起,我...
    开封第一讲书人阅读 37,006评论 0 259
  • 序言:老挝万荣一对情侣失踪,失踪者是张志新(化名)和其女友刘颖,没想到半个月后,有当地人在树林里发现了一具尸体,经...
    沈念sama阅读 43,512评论 1 300
  • 正文 独居荒郊野岭守林人离奇死亡,尸身上长有42处带血的脓包…… 初始之章·张勋 以下内容为张勋视角 年9月15日...
    茶点故事阅读 35,965评论 2 325
  • 正文 我和宋清朗相恋三年,在试婚纱的时候发现自己被绿了。 大学时的朋友给我发了我未婚夫和他白月光在一起吃饭的照片。...
    茶点故事阅读 38,094评论 1 333
  • 序言:一个原本活蹦乱跳的男人离奇死亡,死状恐怖,灵堂内的尸体忽然破棺而出,到底是诈尸还是另有隐情,我是刑警宁泽,带...
    沈念sama阅读 33,732评论 4 323
  • 正文 年R本政府宣布,位于F岛的核电站,受9级特大地震影响,放射性物质发生泄漏。R本人自食恶果不足惜,却给世界环境...
    茶点故事阅读 39,283评论 3 307
  • 文/蒙蒙 一、第九天 我趴在偏房一处隐蔽的房顶上张望。 院中可真热闹,春花似锦、人声如沸。这庄子的主人今日做“春日...
    开封第一讲书人阅读 30,286评论 0 19
  • 文/苍兰香墨 我抬头看了看天上的太阳。三九已至,却和暖如春,着一层夹袄步出监牢的瞬间,已是汗流浃背。 一阵脚步声响...
    开封第一讲书人阅读 31,512评论 1 262
  • 我被黑心中介骗来泰国打工, 没想到刚下飞机就差点儿被人妖公主榨干…… 1. 我叫王不留,地道东北人。 一个月前我还...
    沈念sama阅读 45,536评论 2 354
  • 正文 我出身青楼,却偏偏与公主长得像,于是被迫代替她去往敌国和亲。 传闻我的和亲对象是个残疾皇子,可洞房花烛夜当晚...
    茶点故事阅读 42,828评论 2 345