R语言ablone数据集数据挖掘预测分析报告

R语言ablone数据集数据挖掘预测分析报告

●介绍

●数据集描述

●检测异常值并构建清洁数据集

●清洁数据分析

●结论

介绍

鲍鱼是铁和泛酸的极佳来源，是澳大利亚，美国和东亚地区的营养食品资源和农业。100克鲍鱼每日摄取这些营养素的量超过20％。鲍鱼的经济价值与年龄呈正相关。因此，准确检测鲍鱼的年龄对于农民和消费者确定其价格非常重要。然而，目前用来决定年龄的技术是相当昂贵和低效的。农民通常通过显微镜切割贝壳并计数环以估计鲍鱼的年龄。这种复杂的方法增加了成本并限制了它的普及。我们的目标是找出预测戒指的最佳指标，然后找出鲍鱼的年龄。

数据集描述

数据集描述在这个项目中，数据集Abalone是从UCI Machine Learning Repository（1995）获得的。该数据集包含1995年12月由澳大利亚塔斯马尼亚州主要工业和渔业部海洋研究实验室Taroona记录的4177只鲍鱼的物理测量结果。有9个变量，分别是性别，长度，直径和身高，体重，体重，内脏重量，外壳重量和戒指。随着年龄等于戒指数量，变量戒指与鲍鱼年龄呈线性相关加1.5。

检测异常值并构建清洁数据集

library(ggplot2)

library(plyr)

library(nnet)

library(MASS)

library(gridExtra)

## Loading required package: grid

library(lattice)

library(RColorBrewer)

library(xtable)

Data = read.csv("abalone.csv")# Import Data

print(str(Data))# Structure of the Data

## 'data.frame': 4177 obs. of 9 variables:

## $ Sex : Factor w/ 3 levels "F","I","M": 3 3 1 3 2 2 1 1 3 1 ...

## $ Length : num 0.455 0.35 0.53 0.44 0.33 0.425 0.53 0.545 0.475 0.55 ...

## $ Diameter : num 0.365 0.265 0.42 0.365 0.255 0.3 0.415 0.425 0.37 0.44 ...

## $ Height : num 0.095 0.09 0.135 0.125 0.08 0.095 0.15 0.125 0.125 0.15 ...

## $ Whole.weight : num 0.514 0.226 0.677 0.516 0.205 ...

## $ Shucked.weight: num 0.2245 0.0995 0.2565 0.2155 0.0895 ...

## $ Viscera.weight: num 0.101 0.0485 0.1415 0.114 0.0395 ...

## $ Shell.weight : num 0.15 0.07 0.21 0.155 0.055 0.12 0.33 0.26 0.165 0.32 ...

## $ Rings : int 15 7 9 10 7 8 20 16 9 19 ...

## NULL

有4种不同的体重衡量标准，即Whole.weight，Shucked.weight，Viscera.weight

和Shell.weight。Whole.weight应该是最容易测量的。所以我放弃了所有其他措施。Data = subset(Data, select =-c(Shucked.weight, Viscera.weight, Shell.weight))

绘制不同戒指的鲍鱼数量。

ggplot(Data, aes(x = Rings, fill = Sex))+ geom_bar(binwidth =1, color ="blue",

origin = min(Data$Rings), position ="identity")+ scale_x_continuous(name ="Rings", breaks = seq(0, 30, by =2))+ theme(axis.text.x = element_text(angle =90))+

scale_fill_brewer("Location", type ="qual", palette =3)+ ylab("Number of abalone")

+

ggtitle("Number of abalone with different Rings")+ facet_wrap(~Sex, ncol =3)

从上面的图表中，我们可以看到戒指的范围是从1到29，这可能太多以至于无法衡量。实际上，人们可能不需要这么详细的类别。因此，我们将小于6环（<7.5岁），6至

13环（7.5至14.5岁）和13环（> 14.5岁）的鲍鱼进行分组，相应地表明年轻，成

年和老年鲍鱼，将它们标记为1,2,3。

Age = c(rep(0, nrow(Data)))

for(i in1:nrow(Data)){

if(Data[i, ]$Rings <7)

Age[i]=1

if(Data[i, ]$Rings >=7& Data[i, ]$Rings <=13)

Age[i]=2

if(Data[i, ]$Rings >13)

Age[i]=3

}

gData = cbind(Data, Age)

粗略地绘制图表，并获得关于数据的小尝试

ggplot(gData, aes(x = Height, y = factor(Rings), colour = factor(Sex)))+

geom_jitter(position = position_jitter(width =0.3))+