用于R语言机器学习的数据集

布雷特·兰茨所著的《用R语言进行机器学习》（Machine Learning with R）是一本介绍如何使用R语言进行机器学习的书籍。据我所知，Packt出版社通常不会在线公开其数据集，除非你购买了这本书并创建一个用户账户。如果你是从图书馆借阅或向朋友借书，这可能会成为一个问题。这些数据集都属于公共领域，只是需要进行一些清理和重新编码，以匹配书中使用的格式。

如何下载数据

1. 在你的Mac或Linux环境中，打开终端，并切换到你希望保存数据的目录。
2. 前往你要下载数据的GitHub页面（例如第6章中的“挑战者号”数据：https://github.com/stedy/Machine-Learning-with-R-datasets/blob/master/challenger.csv）。
3. 在页面右侧，你会看到一个名为“raw”的按钮，点击它。
4. 复制新页面的URL（在我们的例子中，得到的是https://raw.githubusercontent.com/stedy/Machine-Learning-with-R-datasets/master/challenger.csv）。
5. 在终端窗口中输入以下命令： wget URL名称

因此，在我们的示例中，命令应为： wget https://raw.githubusercontent.com/stedy/Machine-Learning-with-R-datasets/master/challenger.csv

第一章

未使用数据集

第二章

usedcars.csv无法在网上找到

第三章

wisc_bc_data.csv来自https://archive.ics.uci.edu/ml/machine-learning-databases/breast-cancer-wisconsin/

第四章

sms_spam.csv来自http://www.dt.fee.unicamp.br/~tiago/smsspamcollection/

第五章

credit.csv来自https://archive.ics.uci.edu/ml/machine-learning-databases/statlog/german/

mushrooms.csv来自https://archive.ics.uci.edu/ml/machine-learning-databases/mushroom/

第六章

challenger.csv来自https://archive.ics.uci.edu/ml/machine-learning-databases/space-shuttle/

insurance.csv无法在网上找到

whitewines.csv来自https://archive.ics.uci.edu/ml/machine-learning-databases/wine-quality/

第七章

concrete.csv来自https://archive.ics.uci.edu/ml/machine-learning-databases/concrete/compressive/

letterdata.csv来自https://archive.ics.uci.edu/ml/machine-learning-databases/letter-recognition/

第八章

groceries.csv来自arules包，但可能直接调用library(arules); data(Groceries)更为方便。

第九章

snsdata.csv无法在网上找到

第十章

sms_results.csv很可能来自第4章中的sms_test_pred对象，但难以确定。

credit.csv很可能与第5章中的文件相同。

第十一章

第5章中的credit.csv被再次使用。

第十二章

未使用数据集

Machine-Learning-with-R-datasets 快速上手指南

本指南旨在帮助开发者快速获取《Machine Learning with R》一书所需的配套数据集。由于官方数据集需购书并注册账号才能下载，本项目整理了清洗后的公共领域数据，方便直接用于学习和练习。

环境准备

• 操作系统：macOS 或 Linux（Windows 用户建议使用 WSL 或 Git Bash）。
• 前置依赖：
  • 终端工具（Terminal）。
  • wget 命令工具（大多数 Linux 发行版和 macOS 已预装；若未安装，请使用 sudo apt install wget 或 brew install wget 进行安装）。
  • R 语言环境及 RStudio（用于后续加载和分析数据）。

安装步骤（数据下载）

本项目无需传统“安装”，而是通过命令行直接下载具体的 CSV 数据文件。请按照以下步骤操作：

1. 进入目标目录 打开终端，切换到您希望存储数据的目录：

   cd /path/to/your/project/data
   

2. 获取数据链接 访问 GitHub 仓库中对应章节的文件页面（例如第 6 章的挑战者号数据）： https://github.com/stedy/Machine-Learning-with-R-datasets/blob/master/challenger.csv

3. 获取原始文件 URL 在文件页面右侧点击 "Raw" 按钮。浏览器地址栏的 URL 即为原始下载地址（例如：https://raw.githubusercontent.com/stedy/Machine-Learning-with-R-datasets/master/challenger.csv）。

4. 执行下载命令 在终端中运行 wget 命令配合上述 URL：

   wget https://raw.githubusercontent.com/stedy/Machine-Learning-with-R-datasets/master/challenger.csv
   

提示：重复上述步骤即可下载其他章节所需的数据集。部分数据（如第 8 章的 groceries.csv）建议直接在 R 中通过包加载，详见下文。

基本使用

下载完成后，您可以在 R 环境中直接读取这些 CSV 文件进行分析。以下是加载第 3 章乳腺癌数据的最简示例：

1. 启动 R 或 RStudio。

2. 读取数据： 确保 wisc_bc_data.csv 位于当前工作目录，或使用绝对路径。

   # 读取 CSV 文件
   data <- read.csv("wisc_bc_data.csv")
   
   # 查看前几行数据
   head(data)
   
   # 查看数据结构
   str(data)
   

特殊数据集说明：

• 第 8 章 (groceries.csv)：无需手动下载，建议在 R 中直接使用 arules 包内置数据：

  install.packages("arules") # 如果未安装
  library(arules)
  data("Groceries")
  

• 缺失数据：注意 usedcars.csv (Ch2), insurance.csv (Ch6), snsdata.csv (Ch9) 在原项目中注明无法在线找到，需自行寻找替代源或跳过相关练习。