數據挖掘與R語言（簡體書）

《計算機科學叢書：數據挖掘與R語言》首先簡要介紹了R軟件的基礎知識（安裝、R數據結構、R編程、R的輸入和輸出等）。然後通過四個數據挖掘的實際案例（藻類頻率的預測、證券趨勢預測和交易系統仿真、交易欺詐預測、微陣列數據分類）介紹數據挖掘技術。這四個案例基本覆蓋了常見的數據挖掘技術，從無監督的數據挖掘技術、有監督的數據挖掘技術到半監督的數據挖掘技術。全書以實際問題、解決方案和對解決方案的討論為主線來組織內容，脈絡清晰，並且各章自成體系。讀者可以從頭至尾逐章學習，也可以根據自己的需要進行學習，找到自己實際問題的解決方案。 《計算機科學叢書：數據挖掘與R語言》不需要讀者具備R和數據挖掘的基礎知識。不管是R初學者，還是熟練的R用戶都能從書中找到對自己有用的內容。讀者既可以把本書作為學習如何應用R的一本優秀教材，也可以作為數據挖掘的工具書。．

Luís Torgo，葡萄牙波爾圖大學計算機科學系副教授，現在在LIAAD實驗室從事研究工作。他是APPIA會員，同時還是OBEGEF的創辦會員。．

《計算機科學叢書:數據挖掘與R語言》的支持網站給出了案例研究的所有代碼、數據集以及R函數包，不要求讀者具有R、數據挖掘或統計技術的基礎知識。
《計算機科學叢書:數據挖掘與R語言》利用大量給出必要步驟、代碼和數據的具體案例，詳細描述了數據挖掘的主要過程和技術。

【前言】
Data Mining with R：Learning with Case Studies
本書的主要目的是向讀者介紹如何用R進行數據挖掘。R是一個可以自由下載的語言，它提供統計計算和繪圖環境，其功能和大量的添加包使它成為一款優秀的、多個已有（昂貴）數據挖掘工具的替代軟件。
數據挖掘的一個關鍵問題是數據量。典型的數據挖掘問題包括一個大的數據庫，需要從中提取有用的信息。在本書中，我們用MySQL作為核心數據庫管理系統。對多個計算機平臺，MySQL也是免費的。這意味著，我們可以不用付任何費用就可以進行“重要的”數據挖掘任務。同時，我們希望說明解決方案質量上并沒有任何損失。昂貴的工具并不意味著一定更好！只要你愿意花時間來學習如何應用它們，R和MySQL就是一對很難超越的工具。我們認為這是值得的，希望在讀完本書之后，你也相信這點。
本書的目的不是介紹數據挖掘的各個方面。許多已有的書籍覆蓋了數據挖掘領域。我們用幾個案例來向讀者介紹R的數據挖掘能力。顯然，這幾個案例不能代表我們在現實世界中碰到的所有數據挖掘問題。同時，我們給出的解決方案也不是最完全的方案。我們的目的是通過這些實際案例向讀者介紹如何用R進行數據挖掘。因此，我們案例分析的目的是展示用R進行信息提取的例子，而不是提供數據挖掘案例的完整分析報告。它們可以作為任何數據挖掘項目的可能思路，或者作為開發數據挖掘項目解決方案的基礎。盡管如此，我們盡力嘗試覆蓋多方面的問題，展示數據大小、不同數據類型、分析目標和進行分析所必需的工具所帶來的挑戰。然而，這里的實踐方式也是有代價的。實際上，作為具體案例研究的一種形式，為了讓讀者在自己的計算機上執行我們所描述的步驟，我們也做了某些妥協。也就是說，我們不能處理太大的問題，這些問題要求的計算機資源不是每個人都具備的。盡管這樣，我們認為本書涵蓋的問題也不算小，并對不同的數據類型和維度給出了解決方案。
這里并不要求讀者具有R的先驗知識。沒有學過R和數據挖掘的讀者應該可以學習書中的案例。書中的各個案例相互獨立，讀者可以從書中任何一個案例開始。在第一個簡單案例中，給出了一些基本的R知識。這意味著，如果你沒有學過R，至少應該從第一個案例開始學習。而且，第1章給出了R和MySQL的簡介，它可以幫助你理解后面的章節。我們也沒有假設你熟悉數據挖掘和統計技術。在每個案例的必要地方，都對不同的數據挖掘技術進行了介紹。本書的目的不是向讀者介紹這些技術的理論細節和全面知識，我們對這些工具的描述包括了它們的基本性質、缺點和分析目標。如果需要進一步了解技術細節，可以參考其他書籍。在某些節的末尾，我們提供了“參考資料”，如果需要，可以參考它們。總之，本書的讀者應該是數據分析工具的用戶，而不是研究人員或者開發人員。同時，我們希望后者把本書作為進入R和數據挖掘“世界”的一種方式，從而發現本書的用途。
本書有一個免費的R代碼集，可以從本書網站下載。其中含有案例研究中的所有代碼，這可以幫助你的實踐學習。我們強烈建議讀者在閱讀本書時安裝R并實驗書中的代碼。而且，我們創建了一個名為DMwR的R添加包，它包含本書用到的多個函數和以R格式保存的案例數據集。你應該按照本書的指示，安裝并加載該添加包（第1章給出了細節）。

出版者的話推薦序中文版序譯者序前言致謝第1章 簡介1．1如何閱讀本書1．2R簡介1．2．1R起步1．2．2R對象1．2．3向量1．2．4向量化1．2．5因子1．2．6生成序列1．2．7數據子集1．2．8矩陣和數組1．2．9列表1．2．10數據框1．2．11構建新函數1．2．12對象、類和方法1．2．13管理R會話1．3MySQL簡介第2章 預測海藻數量2．1問題描述與目標2．2數據說明2．3數據加載到R2．4數據可視化和摘要2．5數據缺失2．5．1將缺失部分剔除2．5．2用最高頻率值來填補缺失值2．5．3通過變量的相關關係來填補缺失值2．5．4通過探索案例之間的相似性來填補缺失值2．6獲取預測模型2．6．1多元線性回歸2．6．2回歸樹2．7模型的評價和選擇2．8預測7類海藻的頻率2．9小結第3章 預測股票市場收益3．1問題描述與目標3．2可用的數據3．2．1在R中處理與時間有關的數據3．2．2從CSV文件讀取數據3．2．3從網站上獲取數據3．2．4從MySQL數據庫讀取數據3．3定義預測任務3．3．1預測什麼3．3．2預測變量是什麼3．3．3預測任務3．3．4模型評價準則3．4預測模型3．4．1如何應用訓練集數據來建模3．4．2建模工具3．5從預測到實踐3．5．1如何應用預測模型3．5．2與交易相關的評價準則3．5．3模型集成：仿真交易3．6模型評價和選擇3．6．1蒙特卡羅估計3．6．2實驗比較3．6．3結果分析3．7交易系統3．7．1評估最終測試數據3．7．2在線交易系統3．8小結第4章 偵測欺詐交易4．1問題描述與目標4．2可用的數據4．2．1加載數據至R4．2．2探索數據集4．2．3數據問題4．3定義數據挖掘任務4．3．1問題的不同解決方法4．3．2評價準則4．3．3實驗方法4．4計算離群值的排序4．4．1無監督方法4．4．2有監督方法4．4．3半監督方法4．5小結第5章 微陣列樣本分類5．1問題描述與目標5．1．1微陣列實驗背景簡介5．1．2數據集ALL5．2可用的數據5．3基因（特徵）選擇5．3．1基於分佈特徵的簡單過濾方法5．3．2ANOVA過濾5．3．3用隨機森林進行過濾5．3．4用特徵聚類的組合進行過濾5．4遺傳學異常的預測5．4．1定義預測任務5．4．2模型評價標準5．4．3實驗過程5．4．4建模技術5．4．5模型比較5．5小結參考文獻主題索引數據挖掘術語索引R函數索引．