- 综合排序
- 最热优先
- 最新优先
- 来自专栏深度学习之tensorflow实战篇
hadoop-R语言-安装NLP自然语言分析包
自然语言处理包： Snowball， RWeka 文本挖掘： tm 分词工具： Rwordseg 2. 3.4 安装RWeka >> install.packages(c('RWeka')) ? ?
61530发布于 2019-02-14 - 来自专栏深度学习之tensorflow实战篇
hadoop-R语言-安装NLP自然语言分析包
自然语言处理包： Snowball， RWeka 文本挖掘： tm 分词工具： Rwordseg 2. 3.4 安装RWeka >> install.packages(c('RWeka')) ? ?
98070发布于 2018-03-16 - 来自专栏华章科技
与数据挖掘有关或有帮助的R包和函数的集合
缺失值：na.omit 变量标准化：scale 变量转置：t 抽样：sample 堆栈：stack,unstack 其他：aggregate,merge,reshape 9、与数据挖掘软件Weka做接口 RWeka
1.2K30发布于 2018-08-13 - 来自专栏机器学习AI算法工程
R语音与数据挖掘常用的包
当然，Rattle不是最好的，Rweka也很棒！ na.omit 变量标准化：scale 变量转置：t 抽样：sample 堆栈：stack, unstack 其他：aggregate, merge, reshape 9、与数据挖掘软件Weka做接口 RWeka
2.1K80发布于 2018-03-13 - 来自专栏数据饕餮
R语言数据挖掘相关包总结-转帖
变量标准化：scale 变量转置：t 抽样：sample 堆栈：stack, unstack 其他：aggregate, merge, reshape 9、与数据挖掘软件Weka做接口 RWeka
86340发布于 2019-01-14 - 来自专栏机器学习AI算法工程
R语言学习路线和常用数据挖掘包
当然，Rattle不是最好的，Rweka也很棒！ na.omit 变量标准化：scale 变量转置：t 抽样：sample 堆栈：stack, unstack 其他：aggregate, merge, reshape 9、与数据挖掘软件Weka做接口 RWeka
1.1K40发布于 2018-03-09 - 来自专栏数据饕餮
R语言学习路线图-转帖
当然，Rattle不是最好的，Rweka也很棒！ 变量标准化：scale 变量转置：t 抽样：sample 堆栈：stack, unstack 其他：aggregate, merge, reshape 9、与数据挖掘软件Weka做接口 RWeka
68530发布于 2019-01-14 - 来自专栏PPV课数据科学社区
【学习】干货：与数据挖掘有关或有帮助的R包和函数的集合
na.omit 变量标准化：scale 变量转置：t 抽样：sample 堆栈：stack, unstack 其他：aggregate, merge, reshape 9、与数据挖掘软件Weka做接口 RWeka
1.4K50发布于 2018-04-23 - 来自专栏二猫の家
R语言中的机器学习
Weka里也有这样的递归拆分法，如：J4.8, C4.5, M5，包Rweka提供了R与Weka的函数的接口（http://cran.r-project.org/web/packages/RWeka/index.html
42110编辑于 2023-12-02 - 来自专栏用户7627119的专栏
机器学习领域中最受欢迎的20个R语言包
RWeka R/Weka interface. 15. 关于R或Weka的接口。 16. ipred Improved Predictors. 16.基于bagging思想的改良模型。
1.6K21编辑于 2022-09-21 - 来自专栏PPV课数据科学社区
【学习】R语言书籍导读-入门到高级电子书下载推荐
Data Mining With Rattle and R_ The Art of Excavating Data for Knowledge Discovery - Graham Williams》、《RWeka
1.9K30发布于 2018-04-20 - 来自专栏机器学习之旅
R开发：常用R语言包介绍
函数，基于CART算法的分类回归树模型 adabag包bagging函数，基于rpart算法的集成算法；boosting函数，基于rpart算法的集成算法 party包ctree函数，条件分类树算法 RWeka
1.3K50发布于 2018-08-27 - 来自专栏机器学习AI算法工程
R语言学习路线和常用数据挖掘包
当然，Rattle不是最好的，Rweka也很棒！ na.omit 变量标准化：scale 变量转置：t 抽样：sample 堆栈：stack, unstack 其他：aggregate, merge,reshape 9、与数据挖掘软件Weka做接口 RWeka
83960发布于 2018-03-13 - 来自专栏机器学习AI算法工程
R语言学习路线和常用数据挖掘包
当然，Rattle不是最好的，Rweka也很棒！ na.omit 变量标准化：scale 变量转置：t 抽样：sample 堆栈：stack, unstack 其他：aggregate, merge,reshape 9、与数据挖掘软件Weka做接口 RWeka
1.1K60发布于 2018-03-09 - 来自专栏PPV课数据科学社区
目前数据科学和机器学习中使用的最多的20个包
15.Rweka: 关于R或Weka的接口（下载量：26973）。
78950发布于 2018-04-20 - 来自专栏CDA数据分析师
R语言中的情感分析与机器学习
在过去，Rweka包提供了函数来处理它，感兴趣的可以查看这个案例。现在，你可以设置RTextTools包中create_matrix函数的参数ngramLength来实现它。 第一步是读取数据： ?
1.3K90发布于 2018-02-05 - 来自专栏机器学习AI算法工程
R语言与机器学习（分类算法）决策树算法
cartformtree(T1); （8） 调用cartformtree(T2)； 以鸢尾花数据集为例，使用cart算法，得到决策树： 要实现C4.5算法，R提供了一个程序包RWeka 四、R内置命令实现 我们之前的C4.5的建树R代码如下： 鸢尾花一例： [plain] view plaincopyprint library(RWeka) library
2.3K40发布于 2018-03-12 - 来自专栏yw的数据分析
R语言进行机器学习方法及实例（一）
优点：可以生成一个单一的、易于理解的、人类可读的经验法则（大拇指法则）；表现往往出奇的好；可以作为更复杂算法的一个基准； 缺点：只使用了一个单一的特征；可能会过于简单 R代码： 使用R包RWeka中OneR 生成易于理解的、人类可读的规则；对大数据集和噪声数据有效；通常比决策树产生的模型更简单 缺点：可能会导致违反常理或这专家知识的规则；处理数值型数据可能不太理想；性能有可能不如复杂的模型 R代码： 使用R包RWeka library(RWeka) library(gmodels) set.seed(12345) #set random seed in order to repeat the result iris_rand 目前模型树中最先进的算法是M5'算法，可以通过R包Rweka中M5P函数实现； m <- M5P(dv ~ iv, data = mydata) #dv 是mydata 数据框中需要建模的因变量；iv - predict(m,test) #m是有函数rpart训练的一个模型；test一个包含测试数据的数据框，该数据框和用来建立模型的数据具有相同的特征 library(rpart) library(RWeka
4.1K70发布于 2018-04-27 - 来自专栏智能算法
决策树算法原理及应用(详细版)
代码示例 该代码在数据集iris上用R语言进行运行，前提需要先安装"RWeka", "party","partykit"这三个安装包。 即运行下面代码： install.package("RWeka") install.package("party") install.package("partykit") 然后运行下面例子代码： library (RWeka) library(party) library(partykit) data(iris) ml<-J48(Species~.
2.8K11发布于 2020-09-24 - 来自专栏CDA数据分析师
R语言学习由浅入深路线图
当然，Rattle不是最好的，Rweka也很棒！
1.1K50发布于 2018-02-08
腾讯云开发者
Copyright © 2013 - 2026 Tencent Cloud. All Rights Reserved. 腾讯云 版权所有
深圳市腾讯计算机系统有限公司 ICP备案/许可证号：粤B2-20090059 
粤公网安备44030502008569号
腾讯云计算（北京）有限责任公司 京ICP证150476号 | 京ICP备11018762号