비디오: 베이지안 사후 확율 분포(posterior probability distribution) 분석은 '백선생 김치 볶음밥 간맞추기'이다 | 최프란의 비유 - 측정 통계 데이터 분석 2024
알고리즘이 예측 분석 모델을 작성하는 데 사용할 수있는 양식으로 데이터를 가져와야합니다. 그렇게하려면 데이터를 이해하고 데이터 구조를 파악하는 데 시간이 필요합니다. 함수를 입력하여 데이터의 구조를 찾습니다. 명령과 출력은 >> str (autos) '데이터와 같습니다. 프레임 ': 398 obs. 9 개의 변수 중 $ V1: 숫자 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: num 3504 3693 3436 3433 3449 … $ V6: num 12 11. 5 11 12 10. 10 10 9 8. 5 10 8. 5 … $ V7: int 70 70 70 70 70 70 70 70 70 70 … $ V8: int 1 1 1 1 1 1 1 1 1 1 … $ V9: 305 레벨의 요소 "amc ambassador brougham", …:
50 37 232 15 162 142 55 224 242 2 …구조를 보면 데이터 준비 및 정리 작업이 있음을 알 수 있습니다. 필요한 작업 목록은 다음과 같습니다.
-
이것은 꼭 필요한 것은 아니지만이 예제의 목적 상 이해하고 기억할 수있는 열 이름을 사용하는 것이 좋습니다.
V4 (
-
마력 )의 데이터 유형을 숫자 데이터 유형으로 변경하십시오. 이 예에서 마력은 문자 데이터 유형이 아닌 연속적인 숫자 값입니다.
누락 된 값을 처리합니다.
-
여기 마력은 6 개의 빠진 값이 있습니다.불연속 값을 갖는 속성을 요인으로 변경합니다.
-
여기서 실린더, 모델 연도 및 원점은 개별 값을가집니다.
V9 (
-
자동차 이름 ) 특성을 삭제합니다. 여기서 자동차 이름은 생성하려는 모델에 가치를 추가하지 않습니다. 원점 속성을 지정하지 않으면 자동차 이름 속성에서 원점을 파생시킬 수 있습니다.
colnames (autos) <-
c ("mpg", "cylinders", "displacement", "horsepower"
autos $ horsepower <- "weight", "acceleration", "modelYear", "origin","carName")
다음으로 마력의 데이터 유형을 숫자로 변경합니다. 같이. 숫자 (자동차 $ 마력)
마력의 모든 값이 숫자의 문자열 표현이 아니기 때문에 프로그램에서 불평 할 것입니다. "?"로 표현 된 누락 된 값이있었습니다. " 캐릭터. R은 각 인스턴스를 변환하기 때문에 지금은 괜찮습니까? NA로
연속 변수의 누락 된 값을 처리하는 일반적인 방법은 누락 된 각 값을 전체 열의 평균으로 바꾸는 것입니다. 다음 코드는 그 일을합니다: >> autos $ horsepower [is.na (autos $ horsepower)] <- 평균 (autos $ 마력, na. rm = TRUE)
na를 갖는 것이 중요합니다. 평균 함수에서 rm-TRUE. 이 함수는 계산시 Null 값을 가진 열을 사용하지 않도록 함수에 지시합니다. 그것이 없으면 함수가 반환됩니다.
다음으로 불연속 값을 갖는 속성을 인자로 변경합니다. 세 가지 속성이 분리되어 식별되었습니다. 다음 세 줄의 코드는 속성을 변경합니다. >> autos $ originars $ modelYear autos $ cylinders <- factor (autos $ cylinders)
마지막으로이 코드 줄을 사용하여 데이터 프레임에서 속성을 제거합니다. >> autos $ carName <- nULL < 이 시점에서 모델링 프로세스의 데이터를 준비했습니다. 다음은 데이터 준비 프로세스 후의 구조를 나타낸 것입니다: >> str (autos) '데이터. 프레임 ': 398 obs. 8 개의 변수 중: $ mpg: num 18 15 18 16 17 15 14 14 14 15 … $ cylinders: Factor w / 5 레벨 "3", "4", "5", "6", …:
5 5 5 5 5 5 5 5 5 5 … $ displacement: num 307 350 318 304 302 429 454 440 455 390 … $ 마력: num 130 165 150 150 140 198 220 215 225 190 … $ 중량: num 3504 3693 3436 3433 3449 … $ 가속도: num 12 11. 5 11 12 10. 5 10 9 8. 5 10 8. 5 … $ modelYear: 13 레벨 "70", "71", "72", …:
1 1 1 1 1 1 1 1 1 1 1 … $ 원점: 3 레벨 "1", "2", "3": 1 1 1 1 1 1 1 1 1 …
