该问题进行一些卡方检验、列联表分析、数据可视化分析、方差分析等，就可以获得相关结果了。

分析第三问中多种算法的分类精度供参考。

第二次更新：更新第二问的分析结果和程序已经更新，部分分析过程

## 可视化降维后的K均值聚类的数据分布
gaojia_umap$class <- as.factor(kmean1$cluster)
ggpairs(gaojia_umap,columns = 1:(ncol(gaojia_umap)-1),
        aes(colour=class,shape = class,alpha = 1),
        upper = list(continuous = "points"))+
  scale_shape_manual(values = c(15,16))+
  ggtitle("高钾玻璃-降维后K均值聚类")

第一问部分分析、建模预测结果图像如下：

## 计算不同类型、是否风化情况下，每种成分的所占情况
# 使用箱线图可视化
long21%>%group_by(类型,表面风化,成分)%>%
  ggplot(aes(x = 成分,y = 取值))+
  geom_boxplot(aes(fill=成分))+
  facet_grid(vars(类型),vars(表面风化))+
  theme(legend.position = "None",
        axis.text.x = element_text(angle = 90))

废话不多说🍞正在为您运送作品详情