全文鏈接：http://tecdat.cn/?p=31035

原文出處：拓端數(shù)據(jù)部落公眾號(hào)

我們?cè)?jīng)為一位客戶進(jìn)行了短暫的咨詢工作，他正在構(gòu)建一個(gè)主要基于安卓包分類的分析應(yīng)用程序。

數(shù)據(jù)源是安卓的項(xiàng)目，把同一類功能的安卓代碼的頭部，每一個(gè)文件都有import?包名。把所有import的包名都抓了下來(lái)存到了mysql, 這是數(shù)據(jù)源 , 需要用r分析這些包名。

用r給這些包做統(tǒng)計(jì)，同名的包有多少，占百分之多少，做可視化圖，打標(biāo)簽。

這個(gè)項(xiàng)目的目的是，比如一類功能是發(fā)email的app，每一個(gè)項(xiàng)目里java文件頭部都有引用的包名，通過(guò)把所有的包名一分析，發(fā)現(xiàn)80%的項(xiàng)目里面都有同一個(gè)包，那么就認(rèn)為這個(gè)包的功能就是email , 然后再通過(guò)標(biāo)簽關(guān)聯(lián)java文件 。

導(dǎo)入數(shù)據(jù)

channel <- odbcConnect("test", uid="root", pwd="123"); ?sqlTables(channel);#查看數(shù)據(jù)中的表?data<-sqlFetch(channel,"test")# 查看表的內(nèi)容，存到數(shù)據(jù)框里

畫(huà)直方圖顯示詞頻重合率

#做出百分比統(tǒng)計(jì)直方圖barplot(table(data$package)/sum(table(data$package)))# 一共多少包unique(data$package) ? ?

刪去沒(méi)有重復(fù)的包

norepeat=which(table(data$package)==1)data=data[-as.numeric(norepeat),]for(i in names(table(data$package))[index][-1]){ ?#找出project名 ?data$project[data$package ==i]

變換數(shù)據(jù)

cordata2=matrix(0,length(unique(data$project)),length(unique(data$package)))colnames(cordata2)=unique(data$package)rownames(cordata2)=unique(data$project)

計(jì)算出重復(fù)率

畫(huà)網(wǎng)絡(luò)圖

這個(gè)是git上的項(xiàng)目，每一個(gè)點(diǎn)是一個(gè)項(xiàng)目，不同顏色表示不同語(yǔ)言，每個(gè)點(diǎn)之間有線連著，表示每個(gè)項(xiàng)目的聯(lián)系，可能是關(guān)注人一樣，也可能是作者一樣 。當(dāng)把包名打上標(biāo)簽后，有可能不同包名是一個(gè)標(biāo)簽，那么就可以畫(huà)出這種聯(lián)系圖。

? } ?} ?close(f) ?cat(paste(c("Successfully output to ", getwd(), "/", filename, "/n"), collapse="")) } topajek(events, filename="mypajek.net")

對(duì)圖進(jìn)行刪減，刪去連接少的邊

newe = censor.edgeweight(e, floor=0.5); neweV(e)$color = rainbow(max(V(e)$sg),alpha=0.8)[V(e)$sg] plot(newe,layout=layout.fruchterman.reingold, vertex.size=5, ? ? vertex.color=V(e)$color, edge.width=1,edge.arrow.size=0.08,

用網(wǎng)絡(luò)圖可視化

所有數(shù)據(jù)：

以chat為基地：

以email為基地：

Kmeans算法聚類

聚類數(shù)為3，將數(shù)據(jù)聚成3個(gè)類別

y$name1=as.numeric(y$name)

可視化聚類結(jié)果

最受歡迎的見(jiàn)解

1.R語(yǔ)言k-Shape算法股票價(jià)格時(shí)間序列聚類

2.R語(yǔ)言基于溫度對(duì)城市層次聚類、kmean聚類、主成分分析和Voronoi圖

3.R語(yǔ)言對(duì)用電負(fù)荷時(shí)間序列數(shù)據(jù)進(jìn)行K-medoids聚類建模和GAM回歸

4.r語(yǔ)言鳶尾花iris數(shù)據(jù)集的層次聚類

5.Python Monte Carlo K-Means聚類實(shí)戰(zhàn)

6.用R進(jìn)行網(wǎng)站評(píng)論文本挖掘聚類

7.R語(yǔ)言KMEANS均值聚類和層次聚類：亞洲國(guó)家地區(qū)生活幸福質(zhì)量異同可視化

8.PYTHON用戶流失數(shù)據(jù)挖掘：建立邏輯回歸、XGBOOST、隨機(jī)森林、決策樹(shù)、支持向量機(jī)、樸素貝葉斯模型和KMEANS聚類用戶畫(huà)像

9.R語(yǔ)言基于Keras的小數(shù)據(jù)集深度學(xué)習(xí)圖像分類