R语言数据挖掘利器：Rattle包

玉渊潭进入樱花季，晒几张我出门玩耍的照片

书接上回：上一期我介绍了R语言交互式图形界面R commander（传送门），这一期介绍数据挖掘可视化工具Rattle包，是一个用于数据挖掘的R语言图形交互界面，可以快速处理常见的数据挖掘问题。安装、载入Rattle包并调出Rattle界面的命令是：

install.packages("RGtk2")

install.packages("rattle")

library(rattle)

rattle()

可以看到Rattle提供的数据挖掘流程：导入数据Data-数据探索Explore-统计检验Test-预处理Transform-数据挖掘Cluster、Associate、Model-模型评估Evaluate：

1

导入数据Data

通过Data选项卡可导入R自带示例数据，txt、csv、Excel等格式的外部数据，通过ODBC连接SQL Server、MySQL等数据库等等。以导入Rattle自带的天气数据weather.csv文件为例：

2

数据探索与统计检验Explore/Test

通过Explore/Test选项卡可对数据进行汇总Summary，分布Distributions，相关分析Correlation，主成分分析Principal Components，t检验，F检验，K-S正态性检验，Wilcoxon检验等。以RainTomorrow为分组变量，画出MaxTemp变量的箱线图、直方图、累积分布图和benford图为例，并做weather数据的描述性统计：

3

预处理Transform

通过Transform选项卡可对数据进行标准化Rescale，数据插值Impute，数据重排列Recode，数据清理Cleanup操作。这里不再演示。

4

数据挖掘Cluster、Associate、Model

通过Cluster选项卡可实现数据聚类的K均值聚类法KMean，自适应的软子空间聚类算法 Ewkm，层次聚类法 Hierarchical，双聚类算法BiCluster；通过Associate选项可实现Apriori算法：默认最小支持度阈值min-sup是0.100，最小置信度阈值min-conf是0.100，每个项集所含项数的最小值是2，可根据实际情况进行调整参数设置；通过Model选项卡可评估数据模型的决策树模型Tree，随机森林模型Forest，自适应选择模型Boost，支持向量机分类模型SVM，普通线性回归模型Linear，单隐藏层人工神经网络模型Neural Net。以weather数据为例，分别建立K-Means聚类模型、随机森林模型：

5

模型评估Evaluate

通过Evaluate选项卡可以看到一系列模型评估标准：混淆矩阵Error Matrix，模型风险表Risk，模型ROC图像ROC，模型得分数据集Score。这里不再演示。