商城网站建设合同书,如何建设一个简易的网站,银川网站开发制作,wordpress付费查看插件一、分析目的和数据集描述
要分析的数据是美国一区域的保险费支出的历史数据。保险费用数据表的每列分别为年龄、性别、体重指数、孩子数量、是否吸烟、所在区域、保险收费。
本文的主要目的是分析在年龄、性别、体重指数、孩子数量、是否吸烟、所在区域中这些因素中#xf…一、分析目的和数据集描述
要分析的数据是美国一区域的保险费支出的历史数据。保险费用数据表的每列分别为年龄、性别、体重指数、孩子数量、是否吸烟、所在区域、保险收费。
本文的主要目的是分析在年龄、性别、体重指数、孩子数量、是否吸烟、所在区域中这些因素中哪些因素对保险费支出影响最大这些因素中哪些因素与保险费用的关联最大。
分析影响保险费支出的具体因素本文用到了R语言的数据挖掘-关联规则挖掘Apriori算法。
具体使用和详细用法如下
二、导入数据集
df-read.csv(f:/桌面/insurance.csv)
head(df)
head(df)age sex bmi children smoker region charges
1 19 female 27.90 0 yes southwest 16885
2 18 male 33.77 1 no southeast 1726
3 28 male 33.00 3 no southeast 4449
4 33 male 22.70 0 no northwest 21984
5 32 male 28.88 0 no northwest 3867
6 31 female 25.74 0 no southeast 3757
三、导入关联规则挖掘用到的分析程序包
library(arules) #用于数据关联规则挖掘 library(arulesViz) #关联规则挖掘的可视化程序包 library(dplyr) #用于数据处理的分析包我们将使用里面的管道函数%% library(ggplot2)
四、查看数据集
summary(df)查看体重指数的分布情况使用直方图
ggplot(df,aes(xbmi)) geom_histogram(binwidth5,filllightblue,colourblack) 因为要分析的数据集无缺失值下一步就是要对数据各变量转换为因子型也是是规则关联函数
apriori()要求的。
五、将数据集的变量转换为因子型
df-df %% mutate(ageas.factor(cut(age,breaks c(0,25,50,75,100)))) %% mutate(sexas.factor(sex)) %% mutate(bmias.factor(cut(bmi,breaks c(0,15,30,45,60,75)))) %% mutate(childrenas.factor(children)) %% mutate(smokeras.factor(smoker)) %% mutate(regionas.factor(region)) %% mutate(chargesas.factor(cut(charges,breaks c(0,13000,26000,39000,65000))))
在这里用到了管道函数对年龄、健康指数、保险费用按区间分组把年龄分为4组健康指数分为5组保险费支出分为了4组然后对分组后的变量使用as.factor()转换为因子型变量。
六、对保险费用数据集进行关联分析
rules-apriori(df,parameter list(supp0.1,conf0.8)) summary(rules) 运行得到了各规则的描述性统计量共生成了80条规则。支持度为0.1置信度为0.8.
查看关联分析结果
options(digits4) inspect(head(rules,bylift)) 运行得到了按提升值排序后的6条规则。
例如第一条年龄在0到25岁之间无小孩不吸烟的家庭关联最低程度的保险费用支出的支持度为0.1121置信度94.34%。
关联规则分析可视化 plot(rules)
七、指定后项集的关联挖掘分析
1、后项集指定为保险费用支出charges(39000,65000],即分析关联最高级别的保险费用支出的影响因素有哪些。
rules_rhs_highrank-apriori(df,parameter list(supp0.02,conf0.5), appearance list(rhsc(charges(3.9e04,6.5e04])),controllist(verboseF))
inspect(head(rules_rhs_highrank,bylift))
查看分析结果 从运行结果可以看到年龄较大体重较重吸烟等因素与保险费用支出较高支持相关联。
inspect(head(rules_rhs_highrank[!is.redundant(rules_rhs_highrank)],bylift))
去除规则冗余后的结果如下 2、后项集指定为保险费用支出charges(0,13000],即分析关联最低级别的保险费用支出的影响因素有哪些。
rules_rhs_lowrank-apriori(df,parameter list(supp0.1,conf0.5), appearance list(rhsc(charges(0,1.3e04])),controllist(verboseF))
inspect(head(rules_rhs_lowrank,bylift))
运行得到 从结果可以看到年龄较小无孩子不吸烟是女性的保险费用支出较少。
