數據的準備創建訓練集和驗證集

乳腺癌的數據準備

> par(ask=TRUE) #佈局能夠恢復
> loc <- "http://archive.ics.uci.edu/ml/machine-learning-databases/"
> ds  <- "breast-cancer-wisconsin/breast-cancer-wisconsin.data"
> url <- paste(loc, ds, sep="")
> breast <- read.table(url,sep = ",",header = F,na.strings = "?")   #sep=","間隔，na,strings="?":「？」的都用NA表示
> names(breast) <- c("ID", "clumpThickness", "sizeUniformity",      #names(brest)獲取breast數據框的變量名組成的字符向量
+                    "shapeUniformity", "maginalAdhesion",          #將右邊的變量字符向
+                    "singleEpithelialCellSize", "bareNuclei",      #量賦值給breast的變量
+                    "blandChromatin", "normalNucleoli", "mitosis", "class")

> df <- breast[-1] #剔除第一個變量(實際數據框中第一個變量名爲ID，沒有用因此剔除)
> df$class <- factor(breast$class,levels=c(2,4),labels=c("benign","malignant")) ##將class變量設置爲因子


#-------設置訓練集和驗證集
> set.seed(1234)                           #set.seed()讓隨機抽樣的結果可複製
> train <- sample(nrow(df),0.7*nrow(df))   #sample(x，size)從x總獲取size大小的隨機數，nrow(df)獲取df的函數，0.7*(nronw)df或70%的
> df.train <- df[train,]                   #獲取70%行的數據框數據做爲訓練集
> table(df.train$class)                    #使用N個類別型變量(因子)建立一個N維列聯表並進行簡單的頻數統計

   benign malignant 
      329       160 
> df.validate <- df[-train,]              #剔除訓練集剩下的就是驗證集
> table(df.validate$class)

   benign malignant 
      129        81

(1 條消息)混淆矩陣是什麼意思？ - 知乎