数据挖掘(R语言)

关联规则算法：揭秘数据中的隐藏关系，从理论到实战

关联规则算法作为数据挖掘领域的重要工具，能够帮助我们发现数据中隐藏的关联关系，从而为决策提供支持。无论是电商平台的商品推荐，还是医疗领域的疾病诊断，关联规则算法都展现出了强大的应用潜力。

秋声studio·2025-03-11 14:39

R语言学习实例：使用R进行数据可视化

R语言学习实例：使用R进行数据可视化R语言是一种功能强大且广泛使用的统计分析和数据可视化工具。在本实例中，我们将使用R语言来创建一些常见的数据可视化图表，包括散点图、柱状图和折线图。

PixelCoder·2025-03-11 11:15

探索R语言：经典案例解析与源代码

探索R语言：经典案例解析与源代码引言：R语言是一种流行的数据分析和统计建模工具，具有丰富的功能和广泛的应用领域。在本文中，我们将通过经典案例来探索R语言的一些重要功能和技术。

翠绿探寻·2025-03-11 10:12

R语言dataframe数据索引、访问: 使用attach函数绑定dataframe数据、这样可以直接使用列名称访问dataframe的列数据

R语言dataframe数据索引、访问:使用attach函数绑定dataframe数据、这样可以直接使用列名称访问dataframe的列数据目录R语言dataframe数据索引、访问:使用attach函数绑定

omhdxgb·2025-03-11 05:35

R语言向量vector数据类型元素索引、访问：使用中括号[]和:符号以及乘法符号获取向量中指定范围内的偶数索引元素

R语言向量vector数据类型元素索引、访问：使用中括号[]和:符号以及乘法符号获取向量中指定范围内的偶数索引元素目录R语言向量vector数据类型元素索引、访问：使用中括号[]和:符号以及乘法符号获取向量中指定范围内的偶数索引元素

omhdxgb·2025-03-11 05:35

OLAP与OLTP：数据处理系统的两种核心架构

它是一种基于多维数据模型的分析处理技术，用于从不同的角度进行数据挖掘和分析，以帮助用户快速发现数据之间的相关性和趋势。

思静鱼·2025-03-11 02:35

数据分析在宇宙观测中的重要性

数据分析在宇宙观测中的重要性关键词：数据分析、宇宙观测、数据预处理、数据挖掘、数据可视化摘要：本文将探讨数据分析在宇宙观测中的重要性，从数据分析在宇宙观测中的应用背景、重要性、面临的挑战与机遇以及未来发展趋势等方面进行深入分析

AI天才研究院·2025-03-10 23:46

R语言安装github包出现的错误，object "XXX" is not exported by "namespace:viridisLite"

下图借用以为博主的图（https://blog.csdn.net/yw_vine/article/details/79631042）原连接R语言安装github包出现的错误，ob

momo酱豆是沃·2025-03-10 17:32

R语言 ggplot2 可视化生成高分辨率图片实战

R语言ggplot2可视化生成高分辨率图片实战在数据分析和可视化领域，R语言一直是研究人员和数据科学家们的首选工具。其中，ggplot2包是R语言中最受欢迎和强大的可视化工具之一。

PixelEnigma·2025-03-10 15:21

Java 中操作 R：深度整合与高效应用

Java中操作R：深度整合与高效应用引言随着大数据和机器学习的快速发展，R语言在数据分析和可视化方面扮演着越来越重要的角色。

froginwe11·2025-03-10 15:18

k-Shape：高效准确的聚类方法

聚类是最流行的数据挖掘方法之一，不仅因为它的探索性，而且作为其他技术的预处理步骤或子程序。常用的有-means聚类算法。本文介绍了一种新的时间序列聚类算法k-Shape。

优化算法侠Swarm-Opti·2025-03-10 12:26

R语言对高频交易订单流进行建模分析 4

一、实验介绍--订单流模型拟合1.1实验知识点指数核hawkes过程拟合正反馈强度分析订单量影响分析1.2实验环境R3.4.1Rstudio二、订单流模型拟合在上节中我们对订单流数据做了一些统计分析，对交易的一些特征有了一些粗浅的理解，在本节中我们要做的是利用实际数据来拟合hawkes过程，看一看真实数据的订单流动力学中有什么特征。首先我们仍是选出交易时间内的数据：library(tidyvers

oxuzhenyi·2025-03-10 11:54

R语言对高频交易订单流进行建模分析 3

一、实验介绍--订单流数据描述分析1.1实验知识点订单流数据表示订单间隔分析订单信息率平稳性研究订单流动性研究限价单相对价格分析1.2实验环境R3.4.1Rstudio二、订单流数据描述分析2.1订单流数据表示当我们在金融市场上做交易时，可以看到一个委托单簿，上面陈列着买价和卖价以及它们对应的量，举个例子，比特币市场的订单簿：可以看到红色代表的是卖价，或者说是ask,而绿色代表的是买价，或者说是b

oxuzhenyi·2025-03-10 11:53

【自学笔记】R语言基础知识点总览-持续更新

提示：文章写完后，目录可以自动生成，如何生成可参考右边的帮助文档文章目录R语言基础知识点总览1.R语言简介2.R语言安装与环境配置3.R语言基础语法3.1数据类型3.2向量与矩阵3.3数据框与列表4.控制结构

Long_poem·2025-03-10 09:37

信号处理应用：电力系统中的信号处理_（9）.基于电力系统信号的数据挖掘技术

基于电力系统信号的数据挖掘技术1.引言电力系统中的信号处理是一个重要的研究领域，涉及电力系统的监测、故障诊断、状态评估等多个方面。

kkchenkx·2025-03-10 08:27

语义检索-BAAI Embedding语义向量模型深度解析[1-详细版]：预训练至精通、微调至卓越、评估至精准、融合提升模型鲁棒性

语义检索-BAAIEmbedding语义向量模型深度解析[1-详细版]：预训练至精通、微调至卓越、评估至精准、融合提升模型鲁棒性语义向量模型（EmbeddingModel）已经被广泛应用于搜索、推荐、数据挖掘等重要领域

汀、人工智能·2025-03-10 01:36

知识图谱与金融——基于知识图谱的风险监控与决策支持

AI天才研究院·2025-03-09 17:21

R语言决策树、svm支持向量机、随机森林

本人正在学习R语言，想利用这个平台记录自己一些自己的学习情况，方便以后查找，也想分享出来提供一些资料给同样学习R语言的同学们。

别叫我名字20·2025-03-09 01:08

决策树、朴素贝叶斯、随机森林、支持向量机、XGBoost 和 LightGBM算法的R语言实现

基本逻辑（1）使用rnorm函数生成5个特征变量x1到x5，并根据这些特征变量的线性组合生成一个二分类的响应变量y；（2）将生成的数据存储在数据框中，处理缺失值，并将响应变量转换为因子类型；（3）使用决策树、朴素贝叶斯、随机森林、支持向量机、XGBoost和LightGBM六种机器学习模型算法对数据进行训练和评估；（4）将各个模型的准确率和AUC值存储在结果数据框中，并通过柱状图展示结果。1.R包

生信与基因组学·2025-03-09 00:18

数据挖掘实战-基于Catboost算法的艾滋病数据可视化与建模分析

‍♂️个人主页：@艾派森的个人主页✍作者简介：Python学习者希望大家多多支持，我们一起进步！如果文章对你有帮助的话，欢迎评论点赞收藏加关注+目录1.项目背景2.数据集介绍

艾派森·2025-03-08 16:23

【数据仓库与数据挖掘基础】第一章概论/基础知识

知识点复习：事务（关于事务的一些知识点可以点这里）一、数据仓库的一些基本的知识1.从数据库到数据仓库1.1数据库用于事务处理1.1.1定义：事务处理是指对数据库中数据的操作，这些操作通常包括插入、更新、删除和查询等。事务处理的核心是确保数据的一致性和完整性。事务的定义：事务是数据库操作的基本单位，包含一组逻辑上相关的操作。事务要么全部成功，要么全部失败。ACID特性：原子性（Atomicity）：

精神病不行计算机不上班·2025-03-08 16:24

R语言2——数据类型和基本运算

R语言2——数据类型和基本运算目录R语言2——数据类型和基本运算1.R的数据类型1.R的数据类型（1）Logical（逻辑型）：只有两个值TRUE,FALSE（2）Numeric（数字）：整数、小数等（

朝荣·2025-03-08 03:04

特征缩放：统一量纲，提高模型性能

特征缩放：统一量纲，提高模型性能1.背景介绍在机器学习和数据挖掘领域，我们经常会遇到不同特征之间量纲差异很大的情况。

AI天才研究院·2025-03-08 03:04

R语言获取数据——手工输入数据

在R语言中获取数据集的方法有多种，例如读取Excel文件、数据库中的文件，而当我们没有这些渠道能够获取到数据集时，也可以手工输入数据，即通过键盘输入数据，它是获取数据集的最简单方法。

蜗牛数据分析·2025-03-08 03:58

R语言——数据框

R语言——数据框data.table/data.frame1、数据框数据框是R的一个重要数据类型,用来存储表格数据2、可认为是特殊类型的列表,列表中每个元素(每类)都有同样的长度每一列3、可以是不同的类型

高现实·2025-03-08 02:23

R语言入门——数据类型和数据结构

变量基本说明R语言计算的过程中，通常需要使用变量来存放中间结果。变量相当于给定一个空间，只能保存一种数据结构，只保存最后一次被赋值的数据。无需事先声明。

Sean1014·2025-03-08 02:52

探索大数据分析的无限可能：R语言的应用与实践

探索大数据分析的无限可能：R语言的应用与实践随着数据时代的来临，大数据已经成为各行各业的重要资产。如何从海量数据中挖掘出有价值的信息，成为了企业和研究人员关注的焦点。

Echo_Wish·2025-03-08 02:16

利用R语言irr包计算ICC值（组内相关系数）

ICC值是一个较为陌生的概念，在统计学中应用较多，引用百度百科的介绍：组内相关系数(ICC)是衡量和评价观察者间信度(inter-observerreliability)和复测信度(test-retestreliability)的信度系数(reliabilitycoefficient)指标之一。它最先由Bartko于1966年用于测量和评价信度的大小。ICC等于个体的变异度除以总的变异度，故其值介

mlhylzqwxli·2025-03-08 01:04

80| Python可视化篇 —— Matplotlib数据可视化

数据可视化又跟数据挖掘和大数据分析紧密相关，而这些领域以及当下

小刘要努力。·2025-03-08 00:29

社会科学市场博弈和价格预测之时间序列挖掘（Datawhale AI 夏令营）

在现在的数据挖掘类比赛中，模型和方法选择空间往往很小，同时存在不少自动机

会飞的Anthony·2025-03-08 00:20

企业数据挖掘平台×DeepSeek强强联合，多种应用场景适用

企业数据挖掘建模平台简单易用，可提供代码方便定制，全面培训服务+丰富模型参考+专业建模人员支持服务。在科技飞速发展的今天，人工智能领域的每一次突破都如同投入湖面的巨石，激起层层波澜。

泰迪智能科技01·2025-03-07 17:08

2024年Python最新蓝桥杯基础练习全解答案+解析共17题 python，三年经验Python开发面经总结

学习Python门槛很低，但它的晋级路线很多，通过它你能进入机器学习、数据挖掘、大数据，CS等更加高级的领域。

2401_84139963·2025-03-07 16:26

【数据挖掘】Pandas之DataFrame

在Pandas中，DataFrame提供了丰富的数据操作功能，包括查询、编辑、分类和汇总。1.数据查询（Filtering&Querying）1.1按索引或列名查询importpandasaspddata={"ID":[101,102,103,104,105],"Name":["Alice","Bob","Charlie","David","Eva"],"Age":[25,30,35,40,28]

dundunmm·2025-03-07 16:54

学生行为习惯画像可视分析平台

学生行为习惯，画像分析，可视化，机器学习，数据挖掘，教育科技1.背景介绍随着教育信息化进程的不断加速，海量教育数据正在被生成和积累。

AI智能涌现深度研究·2025-03-07 11:12

R语言机器学习系列-随机森林回归代码解读

回归问题指的是因变量或者被预测变量是连续性变量的情形，比如预测身高体重的具体数值是多少的情形。整个代码大致可以分为包、数据、模型、预测评估4个部分，接下来逐一解读。1、包部分，也就是加载各类包，包括随机森林包randomForest，数据相关包tidyverse、skimr、DataExplorer，模型评估包caret。2、数据部分，主要是读取数据，处理缺失值，转换变量类型。3、模型部分。为了对

Mrrunsen·2025-03-07 09:33

用python制作简单的小游戏,用python设计一个小游戏

Python相对于其他语言来说比较简单，即使是零基础的普通人也能很快的掌握，在其他方面比如，处于灰色界的爬虫，要VIP的视频，小说，歌，没有爬虫解决不了的；数据挖掘及分析，淘宝就是例子，想开个淘宝店，需要获取相关商品信息

w12130826·2025-03-07 04:48

python和java的优缺点-java有哪些python没有的优点?

两者各有各的优势：Python的优势：1.学起来简单，开发效率高，同样的功能用Java开发可能需要写200条代码，但是用Python只需要30~50条;2.在大数据挖掘方面有突出优势，是大数据分析首选的编程语言

weixin_37988176·2025-03-07 03:37

r语言手动算两个C指数p值,如何用R语言进行Pvalue显著性标记？

作者：一只想飞的喵审稿：童蒙编辑：angelica箱线图是统计学中较常见的图形之一。这篇文章将讲述如何简单比较两组或多组的平均值，且添加显著性标记。通常情况根据显著性p值的数值大小，分为四类：(1)0.01≤p<0.05，*(2)0.001≤p<0.01，**(3)0.0001≤p<0.001，***(4)p<0.0001,****接下来会讲述三种添加显著性标记的方法。方法1-手动添加1：创建数据

蒲牢森·2025-03-07 01:45

使用geom_bracket函数为指定水平箱图之间添加假设检验名称以及显著性水平p值（R语言）

使用geom_bracket函数为指定水平箱图之间添加假设检验名称以及显著性水平p值（R语言）在R语言中，我们经常使用箱图（boxplot）来可视化数据的分布和比较不同组之间的差异。

认真写代码i·2025-03-07 00:38

R语言绘图：韦恩图

在R语言中，进行韦恩分析（Venn图绘制）可以通过多个不同的包来实现，常用的包括VennDiagram、venn和ggVenn等。本文案使用ggVen

善木科研·2025-03-07 00:38

在R语言中，要在图形中添加组间p值，可以使用`geom_bracket`函数

在R语言中，要在图形中添加组间p值，可以使用geom_bracket函数。geom_bracket函数可以用来创建一个带有括号标记的图形，用于表示组间的显著性差异。

ByteWhisper·2025-03-07 00:07

基于hive的电信离线用户的行为分析系统

通过收集电信用户的通话记录、上网行为、短信使用等多源数据，利用Hive数据仓库工具进行数据存储和处理，采用数据挖掘和机器学习算法对用户行为进行分析。实验结果表明，该系统

赵谨言·2025-03-06 17:29

从数据中挖掘洞见：初探数据挖掘的艺术与科学

从数据中挖掘洞见：初探数据挖掘的艺术与科学在当今信息爆炸的时代，我们每天都被海量数据所包围。这些数据不仅记录了我们每天的生活轨迹，还蕴含着无数潜在的模式和洞见。

Echo_Wish·2025-03-06 16:23

数据分析学习目录

在未来5个月里，将会陪伴大家一起来学习关于数据分析的相关内容，包括从数据思维，数据工具（Excel，Mysql，Hive，Python），数据方法论，数据展示（Tableau,BI），数据挖掘、数据实战项目一整套的内容

且行且安~·2025-03-06 14:35

【数据挖掘】异构图与同构图

在图论（GraphTheory）中，异构图（HeterogeneousGraph）和同构图（HomogeneousGraph）是两种不同的图结构概念，它们的主要区别在于节点和边的类型是否单一。1.异构图（HeterogeneousGraph）定义：异构图是指节点类型和/或边类型不同的图，通常用于建模具有多种实体和关系的复杂系统。例如，在社交网络、知识图谱、生物网络等领域，数据往往包含多个类别的实体

dundunmm·2025-03-06 14:32

机器学习笔记

（汤姆·米切尔（TomMitchell），1997，MachineLearning）1.2机器学习、人工智能、数据挖掘从本质上看，数据科学的目标是通过处理各

有涯小学生·2025-03-06 10:35

数据挖掘校招面经二

得物数据挖掘一、线性回归y=ax中参数a如何计算1.1.a是待学习参数在线性回归中，a是模型的权重（或斜率），需要通过数据来学习其最优值。

Y1nhl·2025-03-06 02:54

怎么做好备件管理？备件管理系统都包括哪些功能模块？

如何借助售后服务系统，加强整个备件管理链条清晰程度，沉淀管理数据，通过数据挖掘明确备件的损坏规律，对未来设备管理流程进行优化成为各大企业的关注点。

沃丰科技·2025-03-05 20:08

数据挖掘data mining

数据挖掘是从大量数据集中提取有用信息和知识的过程。它通常涉及使用算法和技术来分析数据，以发现数据中的模式、趋势和关联。数据挖掘可以帮助企业和组织理解客户行为，预测市场趋势，优化运营流程等。

Wlq0415·2025-03-05 16:30

【python数据挖掘之numpy】-数组及对象属性和数据转换

Numpy是一个Python库，用于处理多维数组和矩阵，以及针对这些数组执行数学运算的函数。它提供了高效的数组对象和相关的操作，可以用于快速处理大量数据。Numpy的主要功能包括：创建数组、数组运算、数组索引和切片、线性代数、随机数生成等。Numpy在科学计算、数据分析、机器学习等领域都广泛应用。tips：（本博文在jupyter中实训）目录一、创建数组对象1.array（）函数来创建数组的对象2

sc.溯琛·2025-03-05 15:55

推荐频道