数据分析 R语言机器学习各种算法作图(开坑，持续更新）

最新推荐文章于 2024-05-25 23:37:53 发布

chongminglun

最新推荐文章于 2024-05-25 23:37:53 发布

阅读量1.4k

点赞数 2

CC 4.0 BY-SA版权

分类专栏：数据分析数据可视化文章标签： R语言机器学习圆形树状图决策树相关性矩阵

本文链接：https://blog.youkuaiyun.com/chongminglun/article/details/86187555

本文介绍了如何使用R语言进行数据分析，包括绘制聚类的圆形树状图、构建决策树以及展示相关性矩阵。在进行这些分析时，强调了数据预处理的重要性，特别是处理缺失值。此外，还提及了网络关系图及其中心度计算的应用。

摘要生成于 C知道，由 DeepSeek-R1 满血版支持，前往体验 >

聚类：圆形树状图

    library(ape)
    hc = hclust(dist(mtcars))
    plot(as.phylo(hc), type = "fan")

在这里插入图片描述

决策树

library(rpart)           
library(rpart.plot)
model<- rpart(label ~ sd+Q25+IQR+sp.ent+sfm+meanfun+mode, data = tree,method="class",parms=list(split="information"))
fancyRpartPlot(model)  #画图

在这里插入图片描述

相关性矩阵
注意：如果元数据中有NA这类缺失异常值，矩阵图是出不来的，请先做好数据清理
1、

#先画右上角部分图形
corrplot(corr = cor(data),type="upper",tl.pos="tp")
#再添加左下部分的数值
corrplot(corr = cor(data),add=T, type="lower", method="number",diag=T,tl.pos="n",cl.pos="n")