R语言数据预处理及模型评估方法

by 胡, 琼 · Published 2021年10月5日 · Updated 2021年10月8日

1.数据预处理

1.1数据标准化

对iris数据的值进行标准化，使用as.data.frame()函数将得到的矩阵再次转换为数据框，进行标准化时，需要将Species剔除，完成标准化后，使用cbind()函数合并最后的结果。scale（）

cbind(as.data.frame(scale(iris[1:4])),iris$Species)

1.2PCA

x<-1:10
y<-x+runif(10,min=-.5,max=.5)
z<-x+y+runif(10,min=-.10,max=.10)
data=data.frame(x,y,z)
data
pr<-princomp(data)
summary(pr)

1.3独热编码

使用model.matrix(object,data)#创建设计矩阵
x<-data.frame(lv1=factor(c("A","B","A","A","C")),value=c(1,3,2,4,5))

1.3缺失值处理