diabetes

数据集 2.1数据集概念 概念：通常是由数据构成的矩形数据 不同行业对数据集的行和列叫法不同 行业人 行 列 统计学家 观测（observation） 变量（variable） 数据库分析师 记录（record） 字段（field） 数据挖掘和机器学习研究中 示例（example） 属性（attribute） 可处理的数据类型（模式）：数值型、字符型、逻辑型、复数型、原生型（字节） 存储数据的结构：标量、向量、数据、数据框和列表 实例的标识符：rownames（行名）；实例的类别型：因子（factors） 2.2数据结构 这节讲了几个数据结构,向量、矩阵、数组、数据框，前三种分别是一维、二维、大于二维的，它们共同点是一个数据结构中，仅能用一种数据的模式，而数据框则可以多种模式。 一些定义 对象：可复制给变量的任何事物，包括常量、数据结构、函数、图形 模式：描述对象如何存储和某各类 数据框：存储数据的一种结构（列表示变量，行表示观测），一个数据框 可存储不同类型的变量 （如数值型、字符型） 2.2.1 向量（一维数据，数值型、字符型、逻辑型） a<- c(1,2,3) #数值型 b<-c("one","two","three")#字符型 c<-c(TRUE,TURE,FALSE) #逻辑型 注意： 1.字符型的向量，元素要加“ ”或者' ',数值型和逻辑型不需要。 2.同一向量

> #数据框可以包含不同模式（数值型、字符型、逻辑型等）的数据，是R中最常处理的数据结构。数据框可以通过函数data.frame()创建:mydata<-data.frame(coll,col2,col3,...) > #其中的列向量col1、col2、col3等可以为任何类型（如数值型、字符型或者逻辑型）每一列的名称可由函数names指定。实例如下： > #创建一个数据框 > patientID<-c(1,2,3,4) > age<-c(25,34,28,52) > diabetes<-c("Type1","Type2","Type1","Type1") > status<-c("Poor","Improved","Excellent","Poor") > patientdata<-data.frame(patientID,age,diabetes,status)#创建数据框patientdata > patientdata patientID age diabetes status 1 1 25 Type1 Poor 2 2 34 Type2 Improved 3 3 28 Type1 Excellent 4 4 52 Type1 Poor > #每一列数据的模必须唯一，可以将多个模式的不同列放到一起组成数据框。、 > #选取数据框中元素的方式有若干种，可以使用下标记号

　　支持向量机（Support Vector Machine，SVM）的基本模型是定义在特征空间上间隔最大的线性分类器。它是一种二类分类模型，当采用了核技巧之后，支持向量机可以用于非线性分类。 　　1）线性可分支持向量机（也称硬间隔支持向量机）：当训练数据线性可分是，通过硬间隔最大化，学得一个线性可分支持向量机 　　2）线性支持向量机（也称为软间隔支持向量机）：当训练数据近似线性可分时，通过软间隔最大化，学得一个线性支持向量机 　　3）非线性支持向量机：当训练数据不可分时，通过使用核技巧以及软间隔最大化，学得一个非线性支持向量机。 1、线性可分支持向量机 　　输入：线性可分训练数据集T 　　输出：最大几何间隔的分离超平面和分类决策函数 　　算法步骤： 　　　　1）构造并且求解约束优化问题,求得最优解w*，b* 　　　　2）由此得到分离超平面，以及分类决策函数 　　若训练数据集T线性可分，最大间隔分离超平面存在且唯一 　　下面是线性可分支持向量机学习算法的对偶算法： 　　输入：线性可分训练数据集T 　　输出：最大集合间隔的分离超平面和分类决策函数 　　算法步骤： 　　　　1）构造并且求解约束最优化问题，求得最优解α* 　　　　2）计算w*，同时选择α*的一个正的分量αj*>0，计算b* 　　　　3）由此得到最大集合间隔分离超平面和分类决策函数 2、线性支持向量机 　

R可处理的数据类型（模式）包括数值型、字符型、逻辑型、复数型、原生型（字节），存储数据的结构包括标量、向量、矩阵、数组、数据框、列表。 1.向量 向量是一维数组，其中的元素必须是相同的类型。 1.1 向量的创建 1 a <- c(1,2,3,4,5) 2 b <- c('one','two') 1.2 向量的索引 从0开始，而不是从1开始。 1 > a <- c(1,2,3,4,5) 2 > a[3] 3 [1] 3 4 > a[1:3] 5 [1] 1 2 3 2.矩阵 矩阵是一个二维数组，其中的元素也都拥有相同的模式。 2.1 矩阵的创建 默认按列进行填充。 1 > cells <- c(1,4,6,9,3,5) 2 > rnames <- c('R1','R2') 3 > cnames <- c('C1','C2','C3') 4 > m <- matrix(cells,nrow = 2,ncol = 3,byrow = T,dimnames = list(rnames,cnames)) 5 > m 6 C1 C2 C3 7 R1 1 4 6 8 R2 9 3 5 2.2 矩阵的索引 1 > m 2 C1 C2 C3 3 R1 1 4 6 4 R2 9 3 5 5 > m[1,2] 6 [1] 4 7 > m[1,] 8 C1 C2 C3 9 1 4 6 10 > m[1,c

# -*- coding: utf-8 -*- """scikit-learn introduction Automatically generated by Colaboratory. Original file is located at https://colab.research.google.com/drive/1quaJafg43SN7S6cNwKFr0_WYn2ELt4Ph scikit-learn官方网站：https://scikit-learn.org/stable/ 模块引入 """ from sklearn import datasets from sklearn.metrics import mean_squared_error, r2_score import matplotlib.pyplot as plt import numpy as np """#分类： - SVM(support vector machine):支持向量机 - svm.SVC() ###iris数据集 - iris feature: 花萼长度，花萼宽度，花瓣长度，花瓣宽度 - iris lable： 山鸢尾，杂色鸢尾，维吉尼亚鸢尾 """ iris = datasets.load_iris() print('iris feature\n', iris.data[0:5])

一、R语言介绍 　　随着数据量的极剧增加，需要从海量的数据中收集有用的信息------>数据挖掘 　　数据分析科学逐渐火热。下图是典型的数据分析步骤 　　1.1、为什么要使用R？ 　　　　主要的总结几点就是： 　　　　　　1、R是完全免费的 　　　　　　2、拥有顶尖的制图水准 　　　　　　3、交互式的强大平台 　　　　　　4、有很多可以直接利用的数据库 　　1.2、R的安装和获取 　　　　在网址： http://cran.r-project.org ，进行免费下载，然后傻瓜式安装，如果出现相关问题，百度就可以很好解决。这里不过多介绍。 　　　　推荐使用Rstudio作为编译器，方便。 　　1.3、R的使用 　　　　 　　R是区分大小写的解释型语言。 　　　　数据类型：向量，矩阵，数据框，列表（各种对象的集合） 　　　　使用<-表示赋值和=，相同（不推荐使用等号赋值）　 age <- c(1,3,5,2,11,9,3,9,12,3)#向量age weight <- c(4.4,5.3,7.2,5.2,8.5,7.3,6.0,10.4,10.2,6.1)#向量weight mean(weight)#求平均值 sd(weight)#求标准差 cor(age,weight)#求相关度 plot(age,weight)#以图形的形式显示 注：后面会介绍自定义图形（修改图形参数）