R语言—Rattle包数据挖掘（5）

10467字▕ 17图▕ 预计阅读30分钟

Rattle包基于R语言开发的强大数据挖掘工具，图形交互式可视化界面，如同SPSS Modeler一样，可以让很多R初学者或R语言薄弱的同学完成数据挖掘工作。Rattle提供了数据清洗、简单统计检验、数据建模分析和模型评估。

数据建模包括：聚类、关联规则、决策树、随机森林、支持向量机、回归、神经网络和生存分析。

模型评估包括：混淆矩阵、风险图、Cost curve、Roc曲线、Hand图、Prv Ob图、Score等

数据建模或机器学习（算法）在医学数据挖掘领域应用具有一定空间，使用SPSS软件可以实现决策树、神经网络、回归分析、生存分析和聚类分析等建模，此外SPSS Modeler(即以前的SPSS Clementine，平时所说的SPPS是指SPSS statistics)也可以实现，R语言、Python语言的建模和机器学习发挥空间就更大了，下面是在CNKI数据库检索的10篇文献，均采用了数据建模（机器学习）完成。

(左右滑动查看)

1

Rattle建模选项卡介绍

前面学习了Rattle的入门、描述性统计、检验假设和数据转换，今天主要学习数据建模，Rattle的建模包括9大类，分别为：聚类（Cluster）、关联规则（Association）、决策树（Tree）、随机森林（Forest）、自适应选择（Boost）、支持向量机（SVM）、线性回归（Linear）、神经网络（Neural net）、生存分析（Cox回归），如下图所示：

图1 Rattle聚类分析

图2 Rattle关联规则模型

图3 Rattle决策树、随机森林、SVM、回归

ANN和生存分析建模

Rattle的Linear模型不单单只是简单线性回归，包括：简单线性回归、广义线性回归、泊松回归、Logistic回归、Probit回归、多项式回归。

图4 Rattle回归模型

Rattle模型选项卡中“XXXX”表示的是生存分析建模，即Cox回归。

图5 Rattle生存分析建模

2

Rattle聚类模型

Rattle的聚类模型有四种算法：KMeans、Ewkm、Hierarchical、BiCluster，每个算法下都有不同参数，以KMeans算法为例，如下图所示：Clusters表示聚类数量，Seed表示设置随机种子，Runs可以重复建模，寻找最优模型。Stats聚类模型统计量，包括Cluster sizes、Data means、Cluster centers、Cluster SS。Plots Data输出变量可视化图，Plots Discriminant输出判别式坐标图。

聚类统计量，如下所示：

(左右滑动查看)

Plots Data、Discriminant图如下所示，这两个图输出在RStudio里面。

Rattle的层次聚类参数设置包括模型度量、方法和进程，可视化可以输出树形图，这个在SPSS中比较常见，如下所示。以前有同学交流怎么看树形图聚类情况，我们可以拿一把尺子从右向左移动，看有几条线被尺子斩断就可以了。

3

Rattle关联规则

Rattle的关联规则是基于Apriori算法的，模型有非常重要的三个参数，分别为：Support、Confidence和Min Length，Freq Plot输出频繁项直方图、Show Rules Plot输出可视化规则图。

关联规则结果的描述、参数情况：

(左右滑动查看)

规则输出：

(左右滑动查看)

Interesting Measures:

(左右滑动查看)

频繁项直方图

规则图

今天先学习聚类、关联规则模型，后续继续学习其他模型，在学习过程中遇到困难可以随时查看“Help”或者将光标放在模型位置会给出一些提示。

学习Rattle一定要学会查看“Log”选项卡，会把每一步操作的代码以文本形式展现，我们直接将代码复制到R中运行即可，同时，每一行代码都有注释。Rattle的可视化图很酷，是基于ggplot2包，这个包的数据可视化功能值得学习，ggplot2包的作者是R语言大咖Hadley Wickham，并出版了《ggplot2:数据分析与图形艺术》，由统计之都翻译成中文，西安交通大学出版社出版，值得入手一本。

“Log”中的关联规则代码

(左右滑动查看)

“Log”中的可视化代码

(左右滑动查看)

参考文献：

1.https://rattle.togaware.com/

2.https://bit.ly/rattle_data_mining

3.https://bit.ly/essentials_data_science

—END—