R语言学习笔记-机器学习1-3章

在折腾完爬虫还有一些感兴趣的内容后，我最近在看用R语言进行简单机器学习的知识，主要参考了《机器学习-实用案例解析》这本书。

这本书是目前市面少有的，纯粹以R语言为基础讲解的机器学习知识，书中涉及11个案例。分12章。作者备注以及代码部分都讲得比较深。不过或许因为出书较早，在数据处理方面，他使用更多的是plyr包，而我用下来，dplyr包效果更好。所以许多涉及数据处理的代码，其实可以用更简洁的方法重写。但是思路却是实打实的精华。

我之前在某长途动车上啃完了前三章，两个案例。但越往后读，越觉得后面案例处理方法越复杂，更加晦涩了，需要更多时间消化，因此暂停下来，先把前两个案例给理理顺，消化一下结构点。

书中案例数据及代码均可在官方github中下载到，地址为https://github.com/johnmyleswhite/ML_for_Hackers

案例1：美国UFO观察

该案例用的是一个含有60,000多条不明飞行物的目击记录和报告的数据集。需要回答UFO出现是否有周期性规律，以及地域规律两个问题。主要涉及数据清洗环节。

在研读后，我绘制的流程图如下图：

案例2：二分法判别垃圾邮件

该案例用的是来自于SpamAssasin的邮件，它分为垃圾邮件spam，易识别的正常邮件easy ham，不易识别的正常邮件hard ham三个类型。案例目的是做一个分类器，能够通过词频特征（如html等）快速识别邮件的类型。

使用的是朴素贝叶斯分类法。

绘制的流程图及注意事项见下：

流程图用visio 2013绘制。很喜欢它的手绘风流程图，之前想尝试一下其他流程图软件，比较下来，还是visio最好用啊……

接下来的本月目标

1）金融时间序列

2）机器学习4-7章