正文

R語言數(shù)據(jù)分析報告（r語言數(shù)據(jù)分析報告案例醫(yī)藥）

發(fā)布時間：2023-04-07 12:26:25 稿源：創(chuàng)意嶺閱讀： 91

大家好！今天讓創(chuàng)意嶺的小編來大家介紹下關于R語言數(shù)據(jù)分析報告的問題，以下是小編對此問題的歸納整理，讓我們一起來看看吧。

開始之前先推薦一個非常厲害的Ai人工智能工具，一鍵生成原創(chuàng)文章、方案、文案、工作計劃、工作報告、論文、代碼、作文、做題和對話答疑等等

只需要輸入關鍵詞，就能返回你想要的內(nèi)容，越精準，寫出的就越詳細，有微信小程序端、在線網(wǎng)頁版、PC客戶端

官網(wǎng)：https://ai.de1919.com。

創(chuàng)意嶺作為行業(yè)內(nèi)優(yōu)秀的企業(yè)，服務客戶遍布全球各地，如需了解SEO相關業(yè)務請撥打電話175-8598-2043，或添加微信：1454722008

本文目錄:

1、用R語言對vcf文件進行數(shù)據(jù)挖掘.11 CNV分析
2、網(wǎng)絡數(shù)據(jù)的統(tǒng)計分析-R語言實戰(zhàn)
3、R語言數(shù)據(jù)挖掘-文本分析(1)
4、如何讓Hadoop結(jié)合R語言做大數(shù)據(jù)分析？

R語言數(shù)據(jù)分析報告（r語言數(shù)據(jù)分析報告案例醫(yī)藥）

一、用R語言對vcf文件進行數(shù)據(jù)挖掘.11 CNV分析

在之前的文章里介紹了如何通過直方圖來可視化等位雜合堿基的比例來判斷物種的染色體倍數(shù)性。在本文里會繼續(xù)向下挖掘，介紹如何可視化染色體上的拷貝數(shù)變化(CNVs)。

和前文一樣的操作，使用包自帶的數(shù)據(jù)。

我們需要去除過高和過低深度的數(shù)據(jù)。和前文的操作一樣，提取vcf文件里的深度數(shù)據(jù)"AD"。

然后過濾出10%~90%的數(shù)據(jù)，當然此處可以根據(jù)實際情況進行微調(diào)。然后對第一種出現(xiàn)頻率最高的堿基進行可視化。(一般情況下一個位點上會有兩種堿基，具體參考前文。)

同樣也可以對出現(xiàn)頻率第二高的堿基進行同樣的操作，這里節(jié)約篇幅就省略了。

為了避免復雜的基于AD比例的模型假設，程序里設計了非參數(shù)估計法來計算峰值。計算完了以后可以直接對染色體進行拆分以后可視化進行校驗。

根據(jù)尺寸把染色體分割成合適的大小

然后用 freq_peak 函數(shù)計算峰值。并對數(shù)據(jù)進行處理，去掉負數(shù)和Na值。

計算到此為止，可以可視化實際數(shù)據(jù)來驗證計算的正確性。

仔細想一下，峰值計算的結(jié)果其實就是CNV的結(jié)果。這里根據(jù)窗口大小把染色體分成了若干段。(那么是不是可以給每一段 CDS進行細分然后計算出每一個CDS的具體數(shù)字呢????)

當然也可以把所有樣本組合到一起。

二、網(wǎng)絡數(shù)據(jù)的統(tǒng)計分析-R語言實戰(zhàn)

資料：《Statistical Analysis of Network Data with R》

語言R常見的網(wǎng)絡分析包：

網(wǎng)絡分析研究大部分是描述性的工作。

網(wǎng)絡的可視化即是一門藝術(shù)，也是一門科學。

三元閉包體現(xiàn)了社會網(wǎng)絡的“傳遞性”（transitivity），枚舉所有節(jié)點三元組中構(gòu)成三角形的比值來表征。

網(wǎng)絡的可視化和數(shù)值特征化是網(wǎng)絡分析的首要步驟之一。

網(wǎng)絡可視化視圖將數(shù)據(jù)的多個重要反面整合在一個圖表中。

該節(jié)點在多大程度上會與同類型或者不同類型的其他節(jié)點進行匹配，可以通過一種相關性統(tǒng)計量（所謂的同配系數(shù)）進行量化。

將復雜系統(tǒng)中感興趣的問題與合適的網(wǎng)絡概括性度量匹配起來，是網(wǎng)絡特征化方法起作用的關鍵所在。

網(wǎng)絡中的頻繁子圖模式

網(wǎng)絡聚類系數(shù)的分布,用來檢驗社會網(wǎng)路的聚集性上

sand安裝包

網(wǎng)絡數(shù)據(jù)統(tǒng)計分析 statistical analysis of network data

在CRAN上

G=（V,E）

節(jié)點：vertices 或者 nodes

邊：edges 或者 links

節(jié)點數(shù)量：圖的階數(shù) order

邊的數(shù)量：圖的規(guī)模 size

同構(gòu)圖 isomorphic

無向 undirected

有向 directed graph 或者 digraph

邊：有向邊 directed edges 或弧 arcs

雙向 mutual

小的圖形用 formulate來創(chuàng)建

把mg轉(zhuǎn)化為wg2

Zachary 空手道俱樂部網(wǎng)絡（karate club network）

數(shù)據(jù)集合實際上只存在兩個社團，分別以教練為中心和以主管為中心。

Lazega律師網(wǎng)絡可視化

srt() 不能用使用 upgrade_graph()d代替

DrL算法，針對大型網(wǎng)絡可視化設計的布局算法。

節(jié)點的節(jié)點，即社區(qū)節(jié)點（主題節(jié)點）

即一個中心節(jié)點，一其直接相連的鄰居，以及這些節(jié)點至今的邊。

度值不同的節(jié)點以何種方式彼此連接

圖的密度

全局聚類系數(shù)

局部聚類系數(shù)

互惠性 reciprocity

二元組普查

三、R語言數(shù)據(jù)挖掘-文本分析(1)

剛接觸R語言一周，和matab不同R作用于數(shù)據(jù)挖掘的庫很多,詳解見 R語言數(shù)據(jù)挖掘包

，下面簡介文本分析經(jīng)常使用到的三個包

tm 為文本挖掘提供綜合性處理 Rwordmsg 進行中文分詞 wordcloud 統(tǒng)計詞云

以第三屆泰迪杯A題提供的數(shù)據(jù)集國美-Sheet1進行文本分析 : 第三屆泰迪杯

轉(zhuǎn)化為txt的數(shù)據(jù)集如下圖所示:

生成詞云:

四、如何讓Hadoop結(jié)合R語言做大數(shù)據(jù)分析？

R語言和Hadoop讓我們體會到了，兩種技術(shù)在各自領域的強大。很多開發(fā)人員在計算機的角度，都會提出下面2個問題。問題1: Hadoop的家族如此之強大，為什么還要結(jié)合R語言？x0dx0a問題2: Mahout同樣可以做數(shù)據(jù)挖掘和機器學習，和R語言的區(qū)別是什么？下面我嘗試著做一個解答：問題1: Hadoop的家族如此之強大，為什么還要結(jié)合R語言？x0dx0ax0dx0aa. Hadoop家族的強大之處，在于對大數(shù)據(jù)的處理，讓原來的不可能（TB,PB數(shù)據(jù)量計算），成為了可能。x0dx0ab. R語言的強大之處，在于統(tǒng)計分析，在沒有Hadoop之前，我們對于大數(shù)據(jù)的處理，要取樣本，假設檢驗，做回歸，長久以來R語言都是統(tǒng)計學家專屬的工具。x0dx0ac. 從a和b兩點，我們可以看出，hadoop重點是全量數(shù)據(jù)分析，而R語言重點是樣本數(shù)據(jù)分析。兩種技術(shù)放在一起，剛好是最長補短！x0dx0ad. 模擬場景：對1PB的新聞網(wǎng)站訪問日志做分析，預測未來流量變化x0dx0ad1:用R語言，通過分析少量數(shù)據(jù)，對業(yè)務目標建回歸建模，并定義指標d2:用Hadoop從海量日志數(shù)據(jù)中，提取指標數(shù)據(jù)d3:用R語言模型，對指標數(shù)據(jù)進行測試和調(diào)優(yōu)d4:用Hadoop分步式算法，重寫R語言的模型，部署上線這個場景中，R和Hadoop分別都起著非常重要的作用。以計算機開發(fā)人員的思路，所有有事情都用Hadoop去做，沒有數(shù)據(jù)建模和證明，”預測的結(jié)果”一定是有問題的。以統(tǒng)計人員的思路，所有的事情都用R去做，以抽樣方式，得到的“預測的結(jié)果”也一定是有問題的。所以讓二者結(jié)合，是產(chǎn)界業(yè)的必然的導向，也是產(chǎn)界業(yè)和學術(shù)界的交集，同時也為交叉學科的人才提供了無限廣闊的想象空間。問題2: Mahout同樣可以做數(shù)據(jù)挖掘和機器學習，和R語言的區(qū)別是什么？x0dx0ax0dx0aa. Mahout是基于Hadoop的數(shù)據(jù)挖掘和機器學習的算法框架，Mahout的重點同樣是解決大數(shù)據(jù)的計算的問題。x0dx0ab. Mahout目前已支持的算法包括，協(xié)同過濾，推薦算法，聚類算法，分類算法，LDA, 樸素bayes，隨機森林。上面的算法中，大部分都是距離的算法，可以通過矩陣分解后，充分利用MapReduce的并行計算框架，高效地完成計算任務。x0dx0ac. Mahout的空白點，還有很多的數(shù)據(jù)挖掘算法，很難實現(xiàn)MapReduce并行化。Mahout的現(xiàn)有模型，都是通用模型，直接用到的項目中，計算結(jié)果只會比隨機結(jié)果好一點點。Mahout二次開發(fā)，要求有深厚的JAVA和Hadoop的技術(shù)基礎，最好兼有 “線性代數(shù)”，“概率統(tǒng)計”，“算法導論” 等的基礎知識。所以想玩轉(zhuǎn)Mahout真的不是一件容易的事情。x0dx0ad. R語言同樣提供了Mahout支持的約大多數(shù)算法(除專有算法)，并且還支持大量的Mahout不支持的算法，算法的增長速度比mahout快N倍。并且開發(fā)簡單，參數(shù)配置靈活，對小型數(shù)據(jù)集運算速度非?？?。x0dx0a雖然，Mahout同樣可以做數(shù)據(jù)挖掘和機器學習，但是和R語言的擅長領域并不重合。集百家之長，在適合的領域選擇合適的技術(shù)，才能真正地“保質(zhì)保量”做軟件。x0dx0ax0dx0a如何讓Hadoop結(jié)合R語言？x0dx0ax0dx0a從上一節(jié)我們看到，Hadoop和R語言是可以互補的，但所介紹的場景都是Hadoop和R語言的分別處理各自的數(shù)據(jù)。一旦市場有需求，自然會有商家填補這個空白。x0dx0ax0dx0a1）. RHadoopx0dx0ax0dx0aRHadoop是一款Hadoop和R語言的結(jié)合的產(chǎn)品，由RevolutionAnalytics公司開發(fā)，并將代碼開源到github社區(qū)上面。RHadoop包含三個R包 (rmr，rhdfs，rhbase)，分別是對應Hadoop系統(tǒng)架構(gòu)中的，MapReduce, HDFS, HBase 三個部分。x0dx0ax0dx0a2）. RHiveRHive是一款通過R語言直接訪問Hive的工具包，是由NexR一個韓國公司研發(fā)的。x0dx0ax0dx0a3）. 重寫Mahout用R語言重寫Mahout的實現(xiàn)也是一種結(jié)合的思路，我也做過相關的嘗試。x0dx0ax0dx0a4）.Hadoop調(diào)用Rx0dx0ax0dx0a上面說的都是R如何調(diào)用Hadoop，當然我們也可以反相操作，打通JAVA和R的連接通道，讓Hadoop調(diào)用R的函數(shù)。但是，這部分還沒有商家做出成形的產(chǎn)品。x0dx0ax0dx0a5. R和Hadoop在實際中的案例x0dx0ax0dx0aR和Hadoop的結(jié)合，技術(shù)門檻還是有點高的。對于一個人來說，不僅要掌握Linux, Java, Hadoop, R的技術(shù)，還要具備軟件開發(fā)，算法，概率統(tǒng)計，線性代數(shù)，數(shù)據(jù)可視化，行業(yè)背景的一些基本素質(zhì)。在公司部署這套環(huán)境，同樣需要多個部門，多種人才的的配合。Hadoop運維，Hadoop算法研發(fā)，R語言建模，R語言MapReduce化，軟件開發(fā)，測試等等。所以，這樣的案例并不太多。

以上就是關于R語言數(shù)據(jù)分析報告相關問題的回答。希望能幫到你，如有更多相關問題，您也可以聯(lián)系我們的客服進行咨詢，客服也會為您講解更多精彩的知識和內(nèi)容。