在R語言中，可以使用機器學習包如caret、e1071、randomForest等來應用機器學習算法進行數(shù)據(jù)挖掘。下面是一個簡單的示例，演示如何使用caret包中的機器學習算法進行數(shù)據(jù)挖掘：
# 導入數(shù)據(jù)集
data(iris)
# 加載caret包
library(caret)
# 將數(shù)據(jù)集劃分為訓練集和測試集
set.seed(123)
trainIndex <- createDataPartition(iris$Species, p = .8,
list = FALSE,
times = 1)
train <- iris[ trainIndex,]
test <- iris[-trainIndex,]
# 使用svm算法進行分類
model <- train(Species ~ ., data = train, method = "svmLinear")
# 在測試集上進行預測
predictions <- predict(model, test)
# 計算準確率
confusionMatrix(predictions, test$Species)
上述代碼中，首先加載iris數(shù)據(jù)集，然后使用createDataPartition函數(shù)將數(shù)據(jù)集劃分為訓練集和測試集。接著使用train函數(shù)訓練svm算法，然后對測試集進行預測，最后計算準確率。這只是一個簡單的示例，實際應用中可以根據(jù)具體的數(shù)據(jù)集和問題選擇合適的機器學習算法進行數(shù)據(jù)挖掘。
