Exercices Data Mining (Partie2) Avec Solution

w
Module : Data Mining

Faculté des Sciences
Département d’Informatique
Exercice 1
Airquality est un dataset intégré dans R
1. Donner la nature du dataset « Airquality » ?

class(airquality)
2. Donner les dimensions du dataset « Airquality » ?

dim(airquality)
3. Combien de valeurs manquantes NA se trouvent dans la colonne "Ozone" du dataset «

Airquality » ?
sum(is.na(airquality$Ozone))
4. Donner les lignes qui contient au moins une valeur manquante NA ?

which(!complete.cases(airquality))
5. Quelle est la moyenne de la colonne "Ozone" dans cet ensemble de données ? Exclure les
valeurs manquantes (codées comme NA) de ce calcul.
mean(dataset[, "Ozone"], na.rm = TRUE)
6. Donner un sous-ensemble du dataset « airquality » qui ne contient aucune NA en

supprimant les lignes qui contiennent au moins une NA ?
sub_airquality<-airquality[complete.cases(airquality),]
head(sub_airquality)
Master Big Data & Cloud Computing

Exercice 2
1. Extrayez le sous-ensemble de lignes du dataset où les valeurs d'ozone sont supérieures à

31 et les valeurs de température sont supérieures à 90.
subset(dataset, Ozone > 31 & Temp > 90)
2. Utilisez une boucle for pour créer un vecteur de longueur 6 contenant la moyenne de
chaque colonne du dataset (à l'exclusion de toutes les valeurs manquantes).
m <- numeric(6)
for (i in 1:6) {
m[i] <- mean(dataset[, i], na.rm = TRUE)
}
print(m)
3. Utilisez la fonction Apply pour calculer l'écart type de chaque colonne du dataset (à
l'exclusion de toutes les valeurs manquantes).
s <- apply(dataset, 2, sd, na.rm = TRUE)
print(s)
4. Calculez la moyenne de « Ozone » pour chaque mois dans le dataset et créez un vecteur
contenant les moyennes mensuelles (excluez toutes les valeurs manquantes).
tapply(dataset$Ozone, dataset$Month, mean, na.rm = TRUE)
5. Donner un échantillon aléatoire de 5 lignes du dataset ?

set.seed(1)
dataset[sample(nrow(dataset), 5), ]

Exercice 3
1. Créé un objet qui contient les mêmes colonnes que Airquality mais la température et la
vitesse du vent sont exprimées en degrés Celsius et en kilomètres par heure.
temp<-transform(airquality,Temp.C=(Temp-32)/1.8,Wind.Km=Wind*1.6)
my.airquality<-temp[,-c(3,4)]
head(my.airquality)
2. Calculer la corrélation entre niveau d'ozone et température.

cor(my.airquality$Ozone[complete.cases(my.airquality)],my.airquality$T
emp.C[complete.cases(my.airquality)])
3. Donner le nuage de points (scatter plot) du niveau d'ozone en fonction de la température.

plot(my.airquality$Temp.C,my.airquality$Ozone)
Exercice 4
state.x77 est un dataset intégré dans R
1. Donner le revenu par habitant (per capita income) des États qui ont moins de 40 jours
avec une température minimale en dessous de zéro.
state.x77[state.x77[,"Frost"<40],"Income"]
2. Les états qui ont moins de 40 jours avec une température minimale en dessous de zéro et
une espérance de vie supérieure à 71 ans.
state.x77.new[Frost<40 & Life.Exp>71,]

3. La moyenne pour chaque variable dans cet dataset.

round(apply(state.x77.new,2,mean),2)
4. L'écart type pour chaque variable dans cet dataset.
round(apply(state.x77.new,2,sd),2)
Exercice 5
On va utiliser le package DAAG (Data Analysis and Graphics Data and Functions)
Installation du package
install.packages("DAAG")
1. Donner les valeurs non manquantes pour la colonne root pour chaque espèce.
tapply(X=complete.cases(root),INDEX=species,FUN=sum)
2. Donner l'histogramme de l'espèce Acmena smithii en fonction du diamètre à hauteur de

base (dhp).
histogram(rainforest[species=='Acmena smithii','dbh'],
main='histogram of dbh of species Acmena smithii',
xlab='diameter at base height',col=5)

Exercice 6
Considérez les données sur la longueur des œufs dans le dataframe cuckoos du package DAAG.
1. Tracez un histogramme de ces données.

library(DAAG)
hist(cuckoos$length)
2. Calculez la moyenne et l'écart type de ces données.

mean(cuckoos[, "length"], na.rm = TRUE)
3. Les données semblent-elles être distribuées normalement ?

sd(cuckoos[, "length"], na.rm = TRUE)
4. Construire un QQ-plot et des QQ-plots de référence pour ces données, en utilisant la

fonction qreference.
qqnorm(cuckoos$length, pch = 1, frame = TRUE)
qreference(cuckoos$length)
5. Construisez un graphique de l'estimation de la densité pour ces données.

gra_density <- density(cuckoos$length)
hist(gra_density$density)
6. Répétez (1), (4) et (5) pour la longueur des œufs de troglodyte seulement.
hist(cuckoos$length[cuckoos$species=="wren"])
qqnorm(cuckoos$length[cuckoos$species=="wren"])
qreference(cuckoos$length[cuckoos$species=="wren"])
vdensity= hist(cuckoos$length[cuckoos$species=="wren"])
hist(vdensity$density)

Exercices Data Mining (Partie2) Avec Solution

Transféré par

Droits d'auteur :

Formats disponibles

Exercices Data Mining (Partie2) Avec Solution

Transféré par

Informations du document

Copyright

Formats disponibles

Partager ce document

Partager ou intégrer le document

Options de partage

Avez-vous trouvé ce document utile ?

Ce contenu est-il inapproprié ?

Droits d'auteur :

Formats disponibles

Exercices Data Mining (Partie2) Avec Solution

Transféré par

Droits d'auteur :

Formats disponibles

w

Module : Data Mining

Airquality est un dataset intégré dans R

1. Donner la nature du dataset « Airquality » ?

2. Donner les dimensions du dataset « Airquality » ?

3. Combien de valeurs manquantes NA se trouvent dans la colonne "Ozone" du dataset «

4. Donner les lignes qui contient au moins une valeur manquante NA ?

6. Donner un sous-ensemble du dataset « airquality » qui ne contient aucune NA en

Master Big Data & Cloud Computing

1. Extrayez le sous-ensemble de lignes du dataset où les valeurs d'ozone sont supérieures à

5. Donner un échantillon aléatoire de 5 lignes du dataset ?

Master Big Data & Cloud Computing

2. Calculer la corrélation entre niveau d'ozone et température.

3. Donner le nuage de points (scatter plot) du niveau d'ozone en fonction de la température.

state.x77 est un dataset intégré dans R

Master Big Data & Cloud Computing

3. La moyenne pour chaque variable dans cet dataset.

4. L'écart type pour chaque variable dans cet dataset.

2. Donner l'histogramme de l'espèce Acmena smithii en fonction du diamètre à hauteur de

Master Big Data & Cloud Computing

1. Tracez un histogramme de ces données.

2. Calculez la moyenne et l'écart type de ces données.

3. Les données semblent-elles être distribuées normalement ?

4. Construire un QQ-plot et des QQ-plots de référence pour ces données, en utilisant la

5. Construisez un graphique de l'estimation de la densité pour ces données.

Master Big Data & Cloud Computing

Vous aimerez peut-être aussi