##用R分析白葡萄酒（数据来源：http://archive.ics.uci.edu/ml/datasets/Wine+Quality）
##用R分析白葡萄酒
数据：葡萄酒http://archive.ics.uci.edu/ml/datasets/Wine+Quality
用R分析白葡萄酒：
w=read.csv('winequality-white.csv',header=T) #读入数据
head(w) #看前几行数据
w[,12]=factor(w[,12]) #因子化
summary(w) #看数据的总结（分位数、均值、中位数）
names(w)#共有4898个观测，12个变量
[1] “fixed.acidity” “volatile.acidity” “citric.acid”
[4] “residual.sugar” “chlorides” “free.sulfur.dioxide”
[7] “total.sulfur.dioxide” “density” “pH”
[10] “sulphates” “alcohol” “quality”
名词解释：1-固定酸度2-挥发性酸度3-柠檬酸4-残糖5-氯化物6-游离二氧化硫7-总二氧化硫8-密度9酸碱度10-硫酸盐11-酒精 12-质量（分数在0到10之间）
葡萄酒质量的分布情况：
普通的葡萄酒比好的或差的葡萄酒多得多（如图所示：分数为6的葡萄酒数量最多，低分和高分的葡萄酒数量都很少，最低分为3，最高分为9）
summary(w1$quality)
chlorides（氯化物） 与白葡萄酒质量得分：
3-9分分别用’red’,‘blue’,‘green’,‘black’,‘purple’,‘yellow’,'orange’颜色表示
图显示：氯化物中等含量时（大约0.047左右）质量得分较高。
httchlorides（氯化物） 与白葡萄酒质量得分
酒精度与质量得分：
3-9分分别用’red’,‘blue’,‘green’,‘black’,‘purple’,‘yellow’,'orange’颜色表示
大部分白葡萄酒的质量都落在5-7间。
看较低浓度的白葡萄酒，绿色部分（5分）占比比较大；看较高浓度的白葡萄酒，紫色占比较大，且黄色占比也比低浓度的白葡萄酒大
counts=table(w1$quality,w1$alcohol)
barplot(counts,main = "test",xlab = "alcohol",ylab = "frequency",col = c('red','blue','green','black','purple','yellow','orange'))
summary(w1$quality,w1$alcohol)
Q：评估葡萄酒质量，找出高品质的葡萄酒具体与什么性质密切相关；葡萄酒质量的分布情况；性质如何影响葡萄酒的质量；根据现有数据预测新的葡萄酒的质量。
#下载所需包
install.packages("foreach")
install.packages("itertools")
install.packages("iterators")
install.packages("randomForest")
#载入
library(randomForest)
library(foreach)
library(itertools)
library(iterators)
library(missForest)
mode(w)
#决策树
install.packages("rpart")
install.packages("rpart.plot")
library(rpart)
library(rpart.plot)
a=rpart(quality~.,w) #以quality作为因变量，其余作为自变量
a #决策树细节，观测值有398个；偏差=SST；因变量均值
rpart.plot(a,type = 1,extra = 1,digits = 22)#此处type参数为0~5
#使用决策树来预测
new.data=data.frame(fixed.acidity=6.8,volatile.acidity=0.3,citric.acid=0.32,residual.sugar=8,chlorides=0.048,free.sulfur.dioxide=28,total.sulfur.dioxide=132,density=0.99,pH=3.2,sulphates=0.475,alcohol=10)#新的数据，没有因变量
new.data
w=read.csv('winequality-white.csv',header=T)
w[,12]=factor(w[,12])
library(rpart)
a=rpart(quality~., method="class",w)
predict(a,new.data)
install.packages("mice") #对于缺失数据的检验
library(mice) #用mice包中的md.pattern(data)
md.pattern(w) #
#bagging回归
w=read.csv('winequality-white.csv',header=T)
w[,12]=factor(w[,12])
nrow(w)->n
library(ipred)
set.seed(100)
b=bagging(quality~.,w,coob=T)
b$err
plot(b$mtrees[[20]][[2]])
text(b$mtrees[[20]][[2]])
new.data=data.frame(fixed.acidity=6.8,volatile.acidity=0.3,citric.acid=0.32,residual.sugar=8,chlorides=0.048,free.sulfur.dioxide=28,total.sulfur.dioxide=132,density=0.99,pH=3.2,sulphates=0.475,alcohol=10)#新的数据，没有因变量
new.data
predict(b,new.data)
#随机森林
w=read.csv('winequality-white.csv',header=T)
w[,12]=factor(w[,12])
library(randomForest)
set.seed(100)
d=randomForest(quality~.,w,importance=T,localImp=T,proximity=T)
d$forest
names(d)
treesize(d)
a1=treesize(d,terminal = F)
hist(a1)
d$rsq
d$mse
d$importance
varImpPlot(d)
layout(matrix(c(1,2,3,3),nrow = 2,b=T))
for(i in 1:2){
barplot(d$importance[,i],horiz = T)
title(colnames(d$importance)[i])}
matplot(1:11,d$local,type = "l",xlab="variable",ylab = "local importance",main="local importance")
names(w)new.data=data.frame(fixed.acidity=6.8,volatile.acidity=0.3,citric.acid=0.32,residual.sugar=8,chlorides=0.048,free.sulfur.dioxide=28,total.sulfur.dioxide=132,density=0.99,pH=3.2,sulphates=0.475,alcohol=10)#新的数据，没有因变量
new.data
predict(d,new.data)
#对线性回归的交叉验证（若做线性回归，如果因变量是分类的，会出现错误？）w[,12]=factor(w[,12])#不要此行可以出结果
w=read.csv('winequality-white.csv',header=T)
n=4898;K=10
zz1=1:n
zz2=rep(1:5,ceiling(2182/5))[1:n]
set.seed(100)
zz2=sample(zz2,n) #有放回抽样
NMSE=rep(0,5)
NMSE0=NMSE
for(i in 1:5){m=zz1[zz2==i]a<-randomForest(quality~.,w,importance=T,localImp=T,proximity=T) #线性回归模型y0<-predict(a,w) #对训练集集预测y1=predict(a,w) #对测试集预测NMSE0[i]=mean((w$quality-y0)^2)/mean((w$quality-mean(w$quality))^2)NMSE[i]=mean((w$quality-y1)^2)/mean((w$quality-mean(w$quality))^2)
}
NMSE0=mean(NMSE0) #训练集的标准化均方误差
NMSE=mean(NMSE)
NMSE0
#CV函数
CV=function(n,Z=10,seed=888){z=rep(1:Z,ceiling(n/Z))[1:n]set.seed(seed);z=sample(z,n)mm=list();for(i in 1:Z) mm[[i]]=(1:n)[z==i]return(mm)}#对线性回归、决策树、bagging回归、随机森林的交叉验证
library(ipred);library(randomForest);library(rpart)
D=12;Z=10;mm=CV(nrow(w),Z,9999)
NMSE=matrix(0,Z,4);J=1
set.seed(1010);for(i in 1:Z)
{m=mm[[i]];M=mean((w[m,D]-mean(w[m,D]))^2)
a=lm(quality~.,data=w[-m,])
NMSE[i,J]=mean((w[m,D]-predict(a,w[m,]))^2)/M}
J=J+1;set.seed(1010);for(i in 1:Z)
{m=mm[[i]];M=mean((w[m,D]-mean(w[m,D]))^2)
a=rpart(quality~.,data=w[-m,])
NMSE[i,J]=mean((w[m,D]-predict(a,w[m,]))^2)/M}
J=J+1;set.seed(1010);for(i in 1:Z)
{m=mm[[i]];M=mean((w[m,D]-mean(w[m,D]))^2)
a=bagging(quality~.,data=w[-m,])
NMSE[i,J]=mean((w[m,D]-predict(a,w[m,]))^2)/M}
J=J+1;set.seed(1010);for(i in 1:Z)
{m=mm[[i]];M=mean((w[m,D]-mean(w[m,D]))^2)
a=randomForest(quality~.,data=w[-m,])
NMSE[i,J]=mean((w[m,D]-predict(a,w[m,]))^2)/M}
NMSE=data.frame(NMSE)
names(NMSE)=c('lm','decision tree','bagging','random forest')
(MNMSE=apply(NMSE,2,mean));NMSE
a=c(1,2,5,7,8)
b=c(3,5,4,8,2)
plot(a,b,type="b")
library(ggplot2)
p_line=ggplot(NMSE)+geom_line(aes(x=c(1,2,3,4,5,6,7,8,9,10),y=NMSE[,1]),color="red")+geom_line(aes(x=c(1,2,3,4,5,6,7,8,9,10),y=NMSE[,2]),color="blue")
p_line
决策树结果
bagging回归 打印出的第20颗决策树的图形
随机森林，上图为变量重要性图，可以看出：free.sulfur.dioxide、volatile.acidity、alcohol很显著右下图为局部重要性图。
交叉验证结果：对线性模型、决策树、bagging回归以及随机森林做交叉验证得到如下结果：
折 线性回归 决策树回归 bagging回归 随机森林回归
1 0.7778313 0.7792430 0.7453841 0.4573739
2 0.7054163 0.7164884 0.6893053 0.4191217
3 0.7158610 0.7087307 0.6904803 0.4309574
4 0.7606892 0.8116700 0.7825707 0.5166921
5 0.6931998 0.7288387 0.7041285 0.4580505
6 0.7137352 0.7292705 0.6855257 0.4470279
7 0.7561416 0.7765915 0.7408972 0.5037373
8 0.7612899 0.7445624 0.7300632 0.4590213
9 0.7188216 0.7171960 0.6793052 0.4618602
10 0.6644633 0.7003834 0.6721447 0.3937756
平均值为
lm decision tree bagging random forest
0.7267449 0.7412975 0.7119805 0.4547618
发现用随机森林比bagging回归、线性模型、决策树好很多。
##用R分析白葡萄酒（数据来源：http://archive.ics.uci.edu/ml/datasets/Wine+Quality）相关推荐
- R项目：使用R分析人力资源数据
一.分析背景 人力资源分析数据集汇聚了对大量员工的信息数据统计,包括企业因素(如部门).员工行为相关因素(如参与过项目数.每月工作时长.薪资水平等).以及工作相关因素(如绩效评估.工伤事故),这些因素 ...
- 数据分析的数据来源都有哪些？
数据的获取方式: 1.获取外部的公开数据集, UCI 加州大学欧文分校开放的经典数据集,被很多数据挖掘实验室采用 http://archive.ics.uci.edu/ml/datasets.ht ...
- 利用python决策树分析iris数据及树状图绘制
利用python决策树分析iris数据及树状图绘制 数据说明 数据划分 模型训练及评估 模型训练代码 模型大致评估 树状图绘制 Graphviz安装配置及入门 代码汇总 基地部门公众号 数据说明 数据 ...
- Python数据挖掘学习笔记】九.回归模型LinearRegression简单分析氧化物数据
#2018-03-23 16:26:20 March Friday the 12 week, the 082 day SZ SSMR [Python数据挖掘学习笔记]九.回归模型LinearRegre ...
- CSDN：借助工具对【本博客访问来源】进行数据图表可视化(网友主要来自美国、新加坡、日本、英德加澳等)——记录数据来源截止日期20200718晚上22点
CSDN:借助工具对[本博客访问来源]进行数据图表可视化(网友主要来自美国.新加坡.日本.英德加澳等) 目录 粉丝增量 记录数据来源截止日期20201210晚上24点 记录数据来源截止日期202007 ...
- UCL葡萄酒（red white wine quality）数据集字段解释、数据导入实战
UCL葡萄酒(red white wine quality)数据集字段解释.数据导入实战 目录 UCL葡萄酒(red white wine quality)数据集字段解释.数据导入实战 #数据字段说明 ...
- Dataset：White Wine Quality白葡萄酒品质数据集的简介、下载、使用方法之详细攻略
Dataset:White Wine Quality白葡萄酒品质数据集的简介.下载.使用方法之详细攻略 目录 White Wine Quality白葡萄酒品质数据集的简介 1.输入变量(基于物理化学测 ...
- 教你用R语言分析招聘数据，求职/转行不求人~(附代码、数据集)
来源:R语言中文社区 作者:Joffy Zhong 本文共4500字,建议阅读8分钟. 本文针对招聘网站的数据分析岗位的数据进行分析与挖掘实战. 项目背景 在学习数据分析的路上,少不了经常逛知乎,这也 ...
- R语言回归模型构建、回归模型基本假设（正态性、线性、独立性、方差齐性）、回归模型诊断、car包诊断回归模型、特殊观察样本分析、数据变换、模型比较、特征筛选、交叉验证、预测变量相对重要度
R语言回归模型构建.回归模型基本假设(正态性.线性.独立性.方差齐性).回归模型诊断.car包诊断回归模型.特殊观察样本分析.数据变换.模型比较.特征筛选.交叉验证.预测变量相对重要度 目录
最新文章
- IC/FPGA笔试/面试题分析（八）近期IC/FPGA笔试面试讨论群题目汇总解析
- 【Python】Numpy基础：数组和矢量运算
- Kubernetes 从懵圈到熟练：集群服务的三个要点和一种实现
- 在公司里，谁的不可代替性最强
- 树莓派C语言点灯,树莓派3 b GPIO 点亮小灯泡
- Javascript数据类型共有六种
- SQL HAVING 用法详解
- Java——抽象类和接口
- 动手学数据分析（三）- 数据重构
- 篮球c语言程序,源程序C代码：篮球比赛应用系统
- python天眼查爬虫_普通用户的天眼查爬取
- Codeforces Round #727 (Div. 2) B. Love Song
- php如何配置gii,PHP Framework YII的里的gii设置。
- 1968：Misspelling
- php 正则匹配中文
- 京东JD App签名/加密算法研究
- Flask实现JWS身份校验
- 华为手机无法安装ADB和HDB的处理
- 物料分拣系统matlab仿真,自动物料分拣机器人控制系统设计+Matlab源程序+图纸
- 神经网络性能评价指标