关于数据挖掘:R语言对git安卓包分类统计聚类复杂网络可视化分析

全文链接：http://tecdat.cn/?p=31035

原文出处：拓端数据部落公众号

咱们已经为一位客户进行了短暂的征询工作，他正在构建一个次要基于安卓包分类的剖析应用程序。

数据源是安卓的我的项目，把同一类性能的安卓代码的头部，每一个文件都有 import 包名。把所有 import 的包名都抓了下来存到了 mysql, 这是数据源 , 须要用 r 剖析这些包名。

用 r 给这些包做统计，同名的包有多少，占百分之多少，做可视化图，打标签。

这个我的项目的目标是，比方一类性能是发 email 的 app，每一个我的项目里 java 文件头部都有援用的包名，通过把所有的包名一剖析，发现 80% 的我的项目外面都有同一个包，那么就认为这个包的性能就是 email , 而后再通过标签关联 java 文件。

导入数据

channel <- odbcConnect("test", uid="root", pwd="123");

 sqlTables(channel);# 查看数据中的表

 data<-sqlFetch(channel,"test")# 查看表的内容，存到数据框里 

画直方图显示词频重合率

# 做出百分比统计直方图

barplot(table(data$package)/sum(table(data$package)))


# 一共多少包

unique(data$package)

 

 

删去没有反复的包

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]

变换数据

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

计算出反复率

画网络图

这个是 git 上的我的项目，每一个点是一个我的项目，不同色彩示意不同语言，每个点之间有线连着，示意每个我的项目的分割，可能是关注人一样，也可能是作者一样。当把包名打上标签后，有可能不同包名是一个标签，那么就能够画出这种分割图。

   }
  }
  close(f)
  cat(paste(c("Successfully output to", getwd(), "/", filename, "/n"), collapse=""))
}

topajek(events, filename="mypajek.net")

对图进行删减，删去连贯少的边

newe = censor.edgeweight(e, floor=0.5); newe

V(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,

用网络图可视化

所有数据：

以 chat 为基地：

以 email 为基地：

Kmeans 算法聚类

聚类数为 3，将数据聚成 3 个类别

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

可视化聚类后果

最受欢迎的见解

1. R 语言 k -Shape 算法股票价格工夫序列聚类

2. R 语言基于温度对城市档次聚类、kmean 聚类、主成分剖析和 Voronoi 图

3. R 语言对用电负荷工夫序列数据进行 K -medoids 聚类建模和 GAM 回归

4. r 语言鸢尾花 iris 数据集的档次聚类

5.Python Monte Carlo K-Means 聚类实战

6. 用 R 进行网站评论文本开掘聚类

7. R 语言 KMEANS 均值聚类和档次聚类：亚洲国家地区生存幸福品质异同可视化 **

8.PYTHON 用户散失数据挖掘：建设逻辑回归、XGBOOST、随机森林、决策树、反对向量机、奢侈贝叶斯模型和 KMEANS 聚类用户画像

9. R 语言基于 Keras 的小数据集深度学习图像分类