Hoe de gegevens in een R-classificatie te laden Predictive Analytics Model - dummies

De dataset die we analyseren om een ​​voorspelling te maken, is de Seeds-dataset, die te vinden is in de UCI machine-learning repository. Deze dataset heeft 210 waarnemingen en 7 kenmerken plus het label. Het label is het verwachte resultaat en wordt gebruikt om de nauwkeurigheid van het voorspellingsmodel te trainen en evalueren.

Het resultaat dat u probeert te voorspellen, is het type zaad dat het is (kenmerk 8), gegeven de waarden van de zeven kenmerken. De drie mogelijke waarden voor het zaadtype zijn gelabeld 1, 2 en 3 en vertegenwoordigen de Kama, Rosa en Canadese tarwevariëteiten.

De kenmerken in de kolomvolgorde waarin ze worden aangeboden:

1. oppervlakte

2. perimeter

3. compactheid

4. lengte van kernel

5. breedte van kernel

6. asymmetriecoëfficiënt > lengte van kernelgroef

7. klasse van tarwe

8. Typ de volgende opdracht in de console:

>> zaden <-

lezen. csv (" // archive.ics. edu / ml / machine -learning-databases / 00236 / seeds_dataset. txt", header = FALSE, sep = ", as. is = TRUE)

U ziet dat de dataset is in het geheugen geladen als de dataframegrootte 

zaden,

door naar je werkruimtepaneel te kijken (de rechterbovenhoek) Klik op de seeds -variabele om de gegevenswaarden in de bron te bekijken deelvenster (linksboven). Zo zien de gegevens eruit in het bronvenster.

U kunt meer informatie over de gegevens die u zojuist hebt geladen, vinden met behulp van de samenvatting () functie. >> samenvatting (zaden) V1 V2 V3 min.: 10. 59 min.: 12. 41 min.: 0. 8081 1e kw.: 12. 27 1e kw.: 13. 45 1e kw.: 0 8569 Mediaan: 14. 36 Mediaan: 14. 32 Mediaan: 0. 8734 Gemiddelde: 14.85 Gemiddelde: 14. 56 Gemiddelde: 0.8710 3e Reeks: 17.30 3eV.: 15. 71 Derde Kw.: 0. 8878 Max.: 21. 18 Max.: 17. 25 Max.: 0. 9183 …