15、R 语言中的数据可视化与特征工程

R 语言中的数据可视化与特征工程

1. 数据可视化

1.1 词云图

词云图是一种将单词频率与单词大小相关联的可视化方式。单词出现的频率越高，其在词云图中的显示尺寸就越大。通过词云图，我们可以快速识别文本数据中最突出的主题。

以下是创建词云图的具体步骤：
1. 加载文本文件：

job_desc <- readLines("Dataset/wordcloud.txt")

2. 加载必要的库：

library(tm)
library(SnowballC)
library(wordcloud)

3. 对文本数据进行预处理：

jeopCorpus <- Corpus(VectorSource(job_desc))
jeopCorpus <- tm_map(jeopCorpus, PlainTextDocument)
jeopCorpus <- tm_map(jeopCorpus, removePunctuation)
jeopCorpus <- tm_map(jeopCorpus, removeWords, (c("Data", "data", "Experi", "work", "develop", "use", "will", "can", "you", "busi", s