第五章 探索性数据分析，结合了dplyr和ggplot2 1.简介 提出问题→通过可视化，转换和建模来解决问题→优化并提出新问题 2.提出问题 变量自身会发生何种变动？ 变量之间会发生何种相关变动？ 术语：在tidydata（整洁的数据）中，行是观测，列是变量。 变量：一种可测量的数量、质量或属性。 值：变量在测量时的状态。变量值在每次测量之间可以发生改变。 观测：或称个案，指在相同条件下进行的一组测量（通常，一个观测中的所有测量是在同一时间对同一对象进行的）。一个观测会包含多个值，每个值关联到不同的变量。有时我们会将观测称为数据点。 表格数据：一组值的集合，其中每个值都关联一个变量和一个观测

预测钻石价格 竞争的目的是根据钻石的特征（克拉，重量，颜色，切工...）预测钻石的价格。 这是为Ironhack Data Analytics训练营的学生创建的学术竞赛。

公开数据集中的diamonds（钻石）数据。该数据包含53940行，有carat（钻石的重量）、cut（钻石的切工）、color（钻石的颜色）、clarity（钻石的纯净度）、depth（钻石的深度比例）、table（钻石的桌面比例）、price（钻石的价格）、x（钻石的长）、y（钻石的宽）、z（钻石的高）共10列，对应每个钻石的一些参数值，本实验主要是对钻石的切工、钻石的颜色、钻石的纯净度进行统计及可视化分析，并且对钻石的重量、钻石的切工、钻石的颜色、钻石的纯净度对价格的影响进行统计及可视化分析和数据挖掘分析。

钻石无处不在 介绍 在世界上，钻石因其美观和特性而成为人们最垂涎的对象。 他们昂贵的采购和稀缺性使钻石产品在市场上具有很高的价值。 但是，可以根据钻石的特性计算出该值吗？ 在这个项目中，我们打算使用监督学习来创建预测模型，该模型使用一系列钻石变量来预测其他钻石的市场价值。 过程 打扫 清理过程首先检查数据集。 发现存在分类变量和数字变量的地方。 还观察到没有空值。 消除了无用的列，并对分类变量进行了编码，我们选择按序数形式对它们进行分类，因为存在分类顺序，因此考虑到顺序，将分类值替换为数值。 造型 使用的模型是线性回归，使用HyperOpt选择超参数的随机森林Reggresor，以及由Pycaret选择的第三个模型，最终将成为LightGradientBoostingMachine。 使用的度量是“ mean_square_error”。 数据 该项目使用的数据数据是从以下获得的

这个文档描述POV-Ray基本的作图操作和规则，后面部分与Diamonds作图相结合.

Diamonds_In_Mathematical_Inequalities

diamonds数据集,凑个字数,必须要大于50字节,还不够么.