使用 Caret R 包进行数据可视化

R 中的 caret 包旨在简化应用机器学习的过程。

解决数据问题的关键在于理解您拥有的数据。您可以通过数据可视化快速总结属性来做到这一点。

R 中有很多用于汇总数据的包和函数，这可能会让人不知所措。对于应用机器学习而言，caret 包提供了一些关键工具，可以快速为您提供数据的摘要。

在本帖中，您将发现 caret R 包中可用的数据可视化工具。

使用我的新书 Machine Learning Mastery With R 快速启动您的项目，其中包含分步教程和所有示例的R 源代码文件。

让我们开始吧。

Caret 包

Caret 包主要用于简化模型训练、模型性能评估和调优。它还具有许多方便的数据可视化工具，可以快速让您了解正在处理的数据。

在本文中，我们将介绍以下 4 种数据可视化方法：

• 散点图矩阵：用于在成对图中比较实值属性的分布。
• 密度图：用于比较属性的概率密度函数。
• 箱线图：用于汇总和展示属性的分布情况。

每个示例都是独立的，因此您可以将其复制并粘贴到您自己的项目中，并根据您的需求进行调整。所有示例都将使用 R 自带的鸢尾花数据集。这是一个分类数据集，提供了三种鸢尾花及其花瓣和萼片测量值（厘米）的 150 个观测值。

散点图矩阵

散点图矩阵显示一个散点图网格，其中每个属性都与其他所有属性进行绘制。它可以按列或行读取，每个图都会出现两次，允许您从两个角度考虑空间关系。

比仅绘制散点图更进一步的是，还可以包含类别信息。这通常通过按类别值给每个散点图中的点着色来实现。

下面的示例显示了鸢尾花数据集的散点图矩阵，包含所有四个属性的成对散点图，并且散点图中的点按类别属性着色。

使用 Caret R 包的鸢尾花数据集的散点图矩阵

密度图

密度估计图（简称密度图）用于总结数据的分布。与直方图类似，它总结了属性值与观测数量之间的关系，但不是频率，而是将关系总结为连续的概率密度函数 (PDF)。这是给定观测值具有给定值的概率。

通过按观测值的类别值分隔每个属性，可以进一步改进密度图。这有助于理解单属性与类别值之间的关系，并突出显示将属性值区分到类别的有用结构，例如线性可分性。

下面的示例显示了鸢尾花数据集的密度图，展示了每个属性与每个类别值关系的 PDF。

使用 Caret R 包的鸢尾花数据集的密度图

箱线图

箱线图（简称箱图）通过显示第 25 和第 75 百分位数的箱体、第 50 百分位数（中位数）的箱体内的线以及均值的点来总结给定属性的分布。须线显示箱体高度的 1.5 倍（称为四分位距），这表示数据的预期范围，而超出须线的任何数据都被假定为异常值并用点标记。

同样，每个属性都可以根据其观察到的类别值进行汇总，让您了解属性值与类别值之间的关系，这与密度图非常相似。

下面的示例显示了鸢尾花数据集的箱线图，为给定属性的每个类别值显示一个单独的箱体。

使用 Caret R 包的鸢尾花数据集的箱图

总结

在本帖中，您了解了使用 caret R 包的三个快速数据可视化方法，这些方法可以帮助您理解您的分类数据集。

每个示例都是独立的，您可以将其复制并粘贴到您自己的项目中，并针对您的问题进行调整。

在R中发现更快的机器学习！

在几分钟内开发您自己的模型

...只需几行R代码

在我的新电子书中探索如何实现
精通 R 语言机器学习

涵盖自学教程和端到端项目，例如
加载数据、可视化、构建模型、调优等等...

最终将机器学习应用到您自己的项目中

跳过学术理论。只看结果。

查看内容