大道至简：利用R语言玩转精准数据挖掘视频课程

2-3

聚类分析案例演示利用K-Means聚类对Vehicle数据集进行聚类分群，并通过汽车类型指标查看聚类效果；利用cluster函数对洛杉矶街区数据进行层次聚类，并绘制聚类系谱树图，并利用聚类结果对街区进行分群标识，在经纬度图上把街区数据展现出来；最后利用cluster函数对mtcars数据集进行层次聚类，并对结果进行详细解读。

3-1

关联规则案例演示简单介绍了关联规则的基本原理，并详细介绍了R语言关联规则的实现及其他相关函数；介绍了关联规则可视化包arulesViz；最后通过超市购物数据进行事务型数据的探索，利用as函数进行数据格式转换，利用itemFrequency函数查看包含该商品的交易比例；通过arules函数构建关联规则模型，并对关联规则进行排序和筛选。

4-2

KNN算法案例详解利用KNN算法对鸢尾花数据集iris建立分类器，并利用混淆矩阵查看预测误差率，其中利用caret包的creatDataPartition函数对数据进行分区，并通过自定义函数ceshi让学员清楚KNN近邻算法的实现步骤。最后利用KNN算法对乳腺癌数据识别患者，对汽车类型进行识别等。

5-2

条件推理算法决策树的案例演示R语言中的party包主要用于实现条件推理决策树，介绍了ctree函数的参数设置。通过运用条件推理决策树算法对汽车类型进行识别，并绘制决策树图进行直观展示。

6-2

利用其他机器学习算法对cars数据集进行预测利用数据集cars作为案例演示：介绍了构建五折交叉验证下标的代码，并通过for循环构建五折交叉验证，通过对训练集和测试集进行预测，利用平均误差率最小原则，选择最优模型对其他样本进行预测。