郑连虎，在数学学院取得理学学位的文科生，中国人民大学硕博连读生在读，山东大学管理学学士、理学学士
个人公众号：阿虎定量笔记
前言：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。
精彩回顾
公众号后台回复关键字即可学习
回复 爬虫 爬虫三大案例实战
回复 Python 1小时破冰入门回复 数据挖掘 R语言入门及数据挖掘
回复 人工智能 三个月入门人工智能
回复 数据分析师 数据分析师成长之路
回复 机器学习 机器学习的商业应用
回复 数据科学 数据科学实战
回复 常用算法 常用数据挖掘算法