r語言關聯分析演算法步驟

① 如何用r語言把關聯分析中數據做成ld圖

： 主要介紹R語言繪制圖琢磨思路繪制圖步驟三： 需要繪制圖；（約等於廢） 要繪制圖理信息經緯度啊邊界啊等等； 利用2數據R畫 步驟目前關鍵2r語言編寫數據用關系圖展示前端頁面

② 基於R語言實現Lasso回歸分析

基於R語言實現Lasso回歸分析
主要步驟：
將數據存成csv格式，逗號分隔
在R中，讀取數據，然後將數據轉成矩陣形式
載入lars包，先安裝
調用lars函數
確定Cp值最小的步數
確定篩選出的變數，並計算回歸系數
具體代碼如下：

需要注意的地方：
1、數據讀取的方法，這里用的file.choose( )，這樣做的好處是，會彈出窗口讓你選擇你要載入進來的文件，免去了輸入路徑的苦惱。
2、數據要轉為矩陣形式
3、（la） 可以看到R方，這里為0.66，略低
4、圖如何看？ summary的結果里，第1步是Cp最小的，在圖里，看到第1步與橫軸0.0的交界處，只有變數1是非0的。所以篩選出的是nongyangungun
Ps: R語言只學習了數據輸入，及一些簡單的處理，圖形可視化部分尚未學習，等論文寫完了，再把這部分認真學習一下~~在這里立個flag

③ 如何用R語言做線性相關回歸分析

cor()函數可以提供雙變數之間的相關系數，還可以用scatterplotMatrix()函數生成散點圖矩陣

不過R語言沒有直接給出偏相關的函數；
我們要是做的話，要先調用cor.test()對變數進行Pearson相關性分析，
得到簡單相關系數，然後做t檢驗，判斷顯著性。

④ 用R語言進行關聯分析

用R語言進行關聯分析
關聯是兩個或多個變數取值之間存在的一類重要的可被發現的某種規律性。關聯分析目的是尋找給定數據記錄集中數據項之間隱藏的關聯關系，描述數據之間的密切度。
幾個基本概念
1. 項集
這是一個集合的概念，在一籃子商品中的一件消費品即為一項（Item），則若干項的集合為項集，如{啤酒，尿布}構成一個二元項集。
2. 關聯規則
一般記為的形式，X為先決條件，Y為相應的關聯結果，用於表示數據內隱含的關聯性。如：，表示購買了尿布的消費者往往也會購買啤酒。
關聯性強度如何，由三個概念——支持度、置信度、提升度來控制和評價。
例：有10000個消費者購買了商品，其中購買尿布1000個，購買啤酒2000個，購買麵包500個，同時購買尿布和麵包800個，同時購買尿布和麵包100個。
3. 支持度（Support）
支持度是指在所有項集中{X, Y}出現的可能性，即項集中同時含有X和Y的概率：
該指標作為建立強關聯規則的第一個門檻，衡量了所考察關聯規則在「量」上的多少。通過設定最小閾值（minsup），剔除「出鏡率」較低的無意義規則，保留出現較為頻繁的項集所隱含的規則。
設定最小閾值為5%，由於{尿布，啤酒}的支持度為800/10000=8%，滿足基本輸了要求，成為頻繁項集，保留規則；而{尿布，麵包}的支持度為100/10000=1%，被剔除。
4. 置信度（Confidence）
置信度表示在先決條件X發生的條件下，關聯結果Y發生的概率：
這是生成強關聯規則的第二個門檻，衡量了所考察的關聯規則在「質」上的可靠性。相似的，我們需要對置信度設定最小閾值（mincon）來實現進一步篩選。
具體的，當設定置信度的最小閾值為70%時，置信度為800/1000=80%，而的置信度為800/2000=40%，被剔除。
5. 提升度（lift）
提升度表示在含有X的條件下同時含有Y的可能性與沒有X這個條件下項集中含有Y的可能性之比：
該指標與置信度同樣衡量規則的可靠性，可以看作是置信度的一種互補指標。
R中Apriori演算法
演算法步驟：
1. 選出滿足支持度最小閾值的所有項集，即頻繁項集；
2. 從頻繁項集中找出滿足最小置信度的所有規則。
> library(arules) #載入arules包
> click_detail =read.transactions("click_detail.txt",format="basket",sep=",",cols=c(1)) #讀取txt文檔（文檔編碼為ANSI）
> rules <- apriori(click_detail, parameter =list(supp=0.01,conf=0.5,target="rules")) #調用apriori演算法
> rules
set of419 rules
> inspect(rules[1:10]) #查看前十條規則
解釋
1) library(arules)：載入程序包arules，當然如果你前面沒有下載過這個包，就要先install.packages(arules)
2) click_detail =read.transactions("click_detail.txt",format="basket",sep=",",cols=c(1))：讀入數據
read.transactions(file, format =c("basket", "single"), sep = NULL,
cols = NULL, rm.plicates =FALSE, encoding = "unknown")
file:文件名，對應click_detail中的「click_detail.txt」
format:文件格式，可以有兩種，分別為「basket」,「single」，click_detail.txt中用的是basket。
basket: basket就是籃子，一個顧客買的東西都放到同一個籃子，所有顧客的transactions就是一個個籃子的組合結果。如下形式，每條交易都是獨立的。
文件形式：
item1,item2
item1
item2,item3
讀入後：
items
1 {item1,
item2}
2 {item1}
3 {item2,
item3}
single: single的意思，顧名思義，就是單獨的交易，簡單說，交易記錄為：顧客1買了產品1， 顧客1買了產品2，顧客2買了產品3……(產品1，產品2，產品3中可以是單個產品，也可以是多個產品)，如下形式：
trans1 item1
trans2 item1
trans2 item2
讀入後：
items transactionID
1 {item1} trans1
2 {item1,
item2} trans2
sep:文件中數據是怎麼被分隔的，默認為空格，click_detail裡面用逗號分隔
cols:對basket, col=1,表示第一列是數據的transaction ids(交易號)，如果col=NULL，則表示數據裡面沒有交易號這一列；對single，col=c(1,2)表示第一列是transaction ids，第二列是item ids
rm.plicates:是否移除重復項，默認為FALSE
encoding:寫到這里研究了encoding是什麼意思，發現前面txt可以不是」ANSI」類型，如果TXT是「UTF-8」，寫encoding=」UTF-8」，就OK了.
3) rules <- apriori(click_detail,parameter = list(supp=0.01,conf=0.5,target="rules"))：apriori函數
apriori(data, parameter = NULL, appearance = NULL, control = NULL)
data:數據
parameter：設置參數，默認情況下parameter=list(supp=0.1,conf=0.8,maxlen=10,minlen=1,target=」rules」)
supp:支持度（support）
conf:置信度（confidence）
maxlen,minlen:每個項集所含項數的最大最小值
target:「rules」或「frequent itemsets」（輸出關聯規則/頻繁項集）
apperence:對先決條件X（lhs），關聯結果Y（rhs）中具體包含哪些項進行限制，如：設置lhs=beer，將僅輸出lhs含有beer這一項的關聯規則。默認情況下，所有項都將無限制出現。
control：控制函數性能，如可以設定對項集進行升序sort=1或降序sort=-1排序，是否向使用者報告進程（verbose=F/T）
補充
通過支持度控制：rules.sorted_sup = sort(rules, by=」support」)
通過置信度控制：rules.sorted_con = sort(rules, by=」confidence」)
通過提升度控制：rules.sorted_lift = sort(rules, by=」lift」)
Apriori演算法
兩步法：
1. 頻繁項集的產生：找出所有滿足最小支持度閾值的項集，稱為頻繁項集；
2. 規則的產生：對於每一個頻繁項集l，找出其中所有的非空子集；然後，對於每一個這樣的子集a，如果support(l)與support(a)的比值大於最小可信度，則存在規則a==>(l-a)。
頻繁項集產生所需要的計算開銷遠大於規則產生所需的計算開銷
頻繁項集的產生
幾個概念：
1， 一個包含K個項的數據集，可能產生2^k個候選集

2，先驗原理：如果一個項集是頻繁的，則它的所有子集也是頻繁的（理解了頻繁項集的意義，這句話很容易理解的）；相反，如果一個項集是非頻繁的，則它所有子集也一定是非頻繁的。

3基於支持度（SUPPORT）度量的一個關鍵性質：一個項集的支持度不會超過它的子集的支持度（很好理解，支持度是共同發生的概率，假設項集{A,B,C}，{A,B}是它的一個自己，A,B,C同時發生的概率肯定不會超過A,B同時發生的概率）。
上面這條規則就是Apriori中使用到的，如下圖，當尋找頻繁項集時，從上往下掃描，當遇到一個項集是非頻繁項集（該項集支持度小於Minsup），那麼它下面的項集肯定就是非頻繁項集，這一部分就剪枝掉了。
一個例子（網路到的一個PPT上的）：
當我在理解頻繁項集的意義時，在R上簡單的復現了這個例子，這里採用了eclat演算法，跟apriori應該差不多：
代碼：
item <- list(
c("bread","milk"),
c("bread","diaper","beer","eggs"),
c("milk","diaper","beer","coke"),
c("bread","milk","diaper","beer"),
c("bread","milk","diaper","coke")
)
names(item) <- paste("tr",c(1:5),sep = "")
item
trans <- as(item,"transactions") #將List轉為transactions型
rules = eclat(trans,parameter = list(supp = 0.6,
target ="frequent itemsets"),control = list(sort=1))
inspect(rules) #查看頻繁項集
運行後結果：
>inspect(rules)
items support
1{beer,
diaper} 0.6
2{diaper,
milk} 0.6
3{bread,
diaper} 0.6
4{bread,
milk} 0.6
5{beer} 0.6
6{milk} 0.8
7{bread} 0.8
8{diaper} 0.8
以上就是該例子的所有頻繁項集，然後我發現少了{bread,milk,diaper}這個項集，回到例子一看，這個項集實際上只出現了兩次，所以是沒有這個項集的。
規則的產生
每個頻繁k項集能產生最多2k-2個關聯規則
將項集Y劃分成兩個非空的子集X和Y-X，使得X ->Y-X滿足置信度閾值
定理：如果規則X->Y-X不滿足置信度閾值，則X』->Y-X』的規則一定也不滿足置信度閾值，其中X』是X的子集
Apriori按下圖進行逐層計算，當發現一個不滿足置信度的項集後，該項集所有子集的規則都可以剪枝掉了。

⑤ R語言怎麼做時差相關分析

分析——預測——交叉相關性，將待分析的變數選入「變數」中，點擊「選項」，最大延期數框中輸入 你要延的期數

⑥ R語言相關性分析圖。想知道怎麼分析這些數據

框內的數字是行變數和列變數之間的相關系數R，相關系數R絕對值越大，顏色越深（紅正，藍負）。統計學中，P值越小相關性越顯著，一般來說 一個*代表顯著相關（P值為0.01，選取不同參數可能不一樣）、兩個**代表極顯著相關（P值為0.001）、三個***代表極極顯著相關（P值為0.0001）. 圖中還可以看出，相關系數R的絕對值0.67（變數P50與T之間）以上的都顯著相關，至少一個*。符合一般關於相關系數R值的顯著性統計。

⑦ R語言，怎麼把XML文件導入R中，導入之後怎麼操作數據，怎麼發現模式或者怎麼進行關聯分析

我覺得能用rodbc做這個事；同時，我也期待正確答案；
如果是我，我就用其他語言處理下，把這個xml處理成read.table能讀的表格；
關聯分析，可以線性回歸，可以聚類....
弄上來幾行給看看；

⑧ R語言做關聯分析

tr=read.transactions(file="apri.txt",format = "single",cols = c(2,1))

cols錯了

⑨ 大數據關聯規則分析怎麼做

1.可視化分析
大數據分析的使用者有大數據分析專家，同時還有普通用戶，但是他們二者對於大數據分析最基本的要求就是可視化分析，因為可視化分析能夠直觀的呈現大數據特點，同時能夠非常容易被讀者所接受，就如同看圖說話一樣簡單明了。
2. 數據挖掘演算法

大數據分析的理論核心就是數據挖掘演算法，各種數據挖掘的演算法基於不同的數據類型和格式才能更加科學的呈現出數據本身具備的特點，也正是因為這些被全世界統
計
學家所公認的各種統計方法（可以稱之為真理）才能深入數據內部，挖掘出公認的價值。另外一個方面也是因為有這些數據挖掘的演算法才能更快速的處理大數據，如
果一個演算法得花上好幾年才能得出結論，那大數據的價值也就無從說起了。
3. 預測性分析
大數據分析最終要的應用領域之一就是預測性分析，從大數據中挖掘出特點，通過科學的建立模型，之後便可以通過模型帶入新的數據，從而預測未來的數據。
4. 語義引擎
非結構化數據的多元化給數據分析帶來新的挑戰，我們需要一套工具系統的去分析，提煉數據。語義引擎需要設計到有足夠的人工智慧以足以從數據中主動地提取信息。
5.數據質量和數據管理。 大數據分析離不開數據質量和數據管理，高質量的數據和有效的數據管理，無論是在學術研究還是在商業應用領域，都能夠保證分析結果的真實和有價值。
大數據分析的基礎就是以上五個方面，當然更加深入大數據分析的話，還有很多很多更加有特點的、更加深入的、更加專業的大數據分析方法。

大數據的技術
數據採集： ETL工具負責將分布的、異構數據源中的數據如關系數據、平面數據文件等抽取到臨時中間層後進行清洗、轉換、集成，最後載入到數據倉庫或數據集市中，成為聯機分析處理、數據挖掘的基礎。
數據存取： 關系資料庫、NOSQL、SQL等。
基礎架構： 雲存儲、分布式文件存儲等。
數
據處理： 自然語言處理(NLP，Natural Language
Processing)是研究人與計算機交互的語言問題的一門學科。處理自然語言的關鍵是要讓計算機地理解地自然語言，所以自然語言處理又叫做自然語言理
解也稱為計算語言學。一方面它是語言信息處理的一個分支，另一方面它是人工智慧的核心課題之一。
統計分析：
假設檢驗、顯著性檢驗、差異分析、相關分析、T檢驗、 方差分析 、
卡方分析、偏相關分析、距離分析、回歸分析、簡單回歸分析、多元回歸分析、逐步回歸、回歸預測與殘差分析、嶺回歸、logistic回歸分析、曲線估計、
因子分析、聚類分析、主成分分析、因子分析、快速聚類法與聚類法、判別分析、對應分析、多元對應分析（最優尺度分析）、bootstrap技術等等。
數
據挖掘： 分類
（Classification）、估計（Estimation）、預測（Prediction）、相關性分組或關聯規則（Affinity
grouping or association rules）、聚類（Clustering）、描述和可視化、Description and
Visualization）、復雜數據類型挖掘(Text, Web ,圖形圖像，視頻，音頻等)
模型預測 ：預測模型、機器學習、建模模擬。
結果呈現： 雲計算、標簽雲、關系圖等。

大數據的處理
1. 大數據處理之一：採集
大
數據的採集是指利用多個資料庫來接收發自客戶端（Web、App或者感測器形式等）的
數據，並且用戶可以通過這些資料庫來進行簡單的查詢和處理工作。比如，電商會使用傳統的關系型資料庫MySQL和Oracle等來存儲每一筆事務數據，除
此之外，Redis和MongoDB這樣的NoSQL資料庫也常用於數據的採集。
在大數據的採集過程中，其主要特點和挑戰是並發數高，因為同時
有可能會有成千上萬的用戶
來進行訪問和操作，比如火車票售票網站和淘寶，它們並發的訪問量在峰值時達到上百萬，所以需要在採集端部署大量資料庫才能支撐。並且如何在這些資料庫之間
進行負載均衡和分片的確是需要深入的思考和設計。
2. 大數據處理之二：導入/預處理
雖然採集端本身會有很多資料庫，但是如果要對這些
海量數據進行有效的分析，還是應該將這
些來自前端的數據導入到一個集中的大型分布式資料庫，或者分布式存儲集群，並且可以在導入基礎上做一些簡單的清洗和預處理工作。也有一些用戶會在導入時使
用來自Twitter的Storm來對數據進行流式計算，來滿足部分業務的實時計算需求。
導入與預處理過程的特點和挑戰主要是導入的數據量大，每秒鍾的導入量經常會達到百兆，甚至千兆級別。
3. 大數據處理之三：統計/分析
統
計與分析主要利用分布式資料庫，或者分布式計算集群來對存儲於其內的海量數據進行普通
的分析和分類匯總等，以滿足大多數常見的分析需求，在這方面，一些實時性需求會用到EMC的GreenPlum、Oracle的Exadata，以及基於
MySQL的列式存儲Infobright等，而一些批處理，或者基於半結構化數據的需求可以使用Hadoop。
統計與分析這部分的主要特點和挑戰是分析涉及的數據量大，其對系統資源，特別是I/O會有極大的佔用。
4. 大數據處理之四：挖掘
與
前面統計和分析過程不同的是，數據挖掘一般沒有什麼預先設定好的主題，主要是在現有數
據上面進行基於各種演算法的計算，從而起到預測（Predict）的效果，從而實現一些高級別數據分析的需求。比較典型演算法有用於聚類的Kmeans、用於

統計學習的SVM和用於分類的NaiveBayes，主要使用的工具有Hadoop的Mahout等。該過程的特點和挑戰主要是用於挖掘的演算法很復雜，並
且計算涉及的數據量和計算量都很大，常用數據挖掘演算法都以單線程為主。

整個大數據處理的普遍流程至少應該滿足這四個方面的步驟，才能算得上是一個比較完整的大數據處理。

⑩ 如何按照對應分析的過程編寫r語言程序

cancor()
cancor(x,
y,
xcenter
=
TRUE,
ycenter
=
TRUE)
x，y為兩組變數的數據矩陣；xcenter和ycenter是邏輯值，表示是否中心化，實際中一般採用默認值TRUE
注意分析前要對數據進行標准化
scale():對數據進行標准化和中心化
scale（x,
center
=
TRUE,
scale
=
TRUE)
x是矩陣，提供數據；若center為數字或與x等長的向量，中心化時用x減去center對應的數值；
center=TRUE則減去x的平均值，默認為TRUE；scale為數字或與x等長的向量，則標准化用x除以scale，默認為TRUE，即除以標准差。