滿額折
商品簡介
作者簡介
目次
相關商品
商品簡介
本書系統地介紹了利用R 語言進行數據分析和挖掘的相關技術，採用由淺入深的框架體系：開篇伊始介紹R 語言的基礎操作，進而介紹回歸分析、方差分析等數據分析的方法，以更好地探索數據內部結構，獲取數據所包含的信息；更重要的是為後續的數據挖掘提供理論依據；最後介紹典型數據挖掘工具和方法，採用理論基礎到算法介紹到案例實戰的佈局，讓讀者深刻感知數據挖掘的精髓，在瞭解算法的同時更好地學以致用。
作者簡介
程靜，畢業于重慶大學，目前就職於西部估值最高的互聯網公司豬八戒網，擔任高級數據分析工程師，負責行業數據搜集、整理、分析，並依據數據做出行業研究、評估和預測，擅長大數據分析及數據挖掘的各種算法熟練使用R語言及Python語言。
目次
第1 章 R 語言簡介
1.1 R 語言軟件的安裝與運行................................................................................................. 1
1.1.1 R 語言軟件的安裝、啟動與關閉........................................................................... 1
1.1.2 R 語言程輯包的安裝和使用.................................................................................. 4
1.2 R 語言的數據結構............................................................................................................. 6
1.2.1 R 語言對象和類型................................................................................................. 6
1.2.2 向量........................................................................................................................ 7
1.2.3 數組和矩陣........................................................................................................... 12
1.2.4 列表...................................................................................................................... 17
1.2.5 數據框.................................................................................................................. 20
第2 章 數據的讀取與保存
2.1 數據的讀取...................................................................................................................... 24
2.1.1 讀取內置數據集和文本文件................................................................................ 24
2.1.2 讀取Excel 數據和CSV 格式的數據.................................................................... 30
2.1.3 讀取R 語言格式數據和網頁數據........................................................................ 33
2.1.4 讀取其他格式的數據........................................................................................... 34
2.2 數據保存.......................................................................................................................... 36
2.2.1 寫出數據.............................................................................................................. 36
2.2.2 使用函數cat() ...................................................................................................... 37
2.2.3 保存為R 語言格式文件....................................................................................... 38
2.2.4 保存為其他類型文件........................................................................................... 39
第3 章 數據預處理
3.1 缺失值處理...................................................................................................................... 40
3.1.1 缺失值判斷........................................................................................................... 40
3.1.2 缺失模型判斷....................................................................................................... 44
3.1.3 常用處理方法....................................................................................................... 48
3.2 數據整理.......................................................................................................................... 53
3.2.1 數據合併.............................................................................................................. 53
3.2.2 選取子集.............................................................................................................. 56
3.2.3 數據轉換.............................................................................................................. 59
第4 章 數據的探索性分析
4.1 基本繪圖函數.................................................................................................................. 66
4.2 探索單個變量.................................................................................................................. 74
4.2.1 單組數據的圖形描述........................................................................................... 74
4.2.2 單組數據的描述性分析....................................................................................... 79
4.3 探索多個變量.................................................................................................................. 81
4.3.1 兩組數據的圖形描述........................................................................................... 81
4.3.2 多組數據的圖形描述........................................................................................... 85
4.3.3 多組數據的描述性統計....................................................................................... 88
4.4 其他圖像探索.................................................................................................................. 90
第5 章 回歸分析
5.1 一元線性回歸.................................................................................................................. 94
5.1.1 模型簡介.............................................................................................................. 94
5.1.2 函數介紹.............................................................................................................. 96
5.1.3 綜合案例：iris 數據集的一元回歸建模.............................................................. 97
5.2 多元線性回歸.................................................................................................................. 99
5.2.1 模型簡介.............................................................................................................. 99
5.2.2 綜合案例：iris 數據集的多元回歸建模............................................................ 100
5.3 變量的選擇.................................................................................................................... 105
5.3.1 逐步回歸方法簡介及函數介紹.......................................................................... 105
5.3.2 綜合案例：swiss 數據集的逐步回歸建模......................................................... 106
5.3.3 嶺回歸的方法簡介及函數介紹.......................................................................... 109
5.3.4 綜合案例：longley 數據集的嶺回歸探索.......................................................... 110
5.3.5 lasso 回歸方法簡介及函數介紹......................................................................... 114
5.3.6 綜合案例：longley 數據集的lasso 回歸建模.................................................... 115
5.4 Logistic 回歸.................................................................................................................. 117
5.4.1 模型簡介............................................................................................................ 117
5.4.2 函數介紹............................................................................................................ 119
5.4.3 綜合案例：iris 數據集的邏輯回歸建模............................................................ 120
第6 章 方差分析
6.1 單因素方差分析............................................................................................................ 124
6.1.1 模型介紹............................................................................................................ 124
6.1.2 函數介紹............................................................................................................ 126
6.1.3 綜合案例：不同治療方法下膽固醇降低效果的差異性分析............................ 127
6.2 雙因素方差分析............................................................................................................ 130
6.2.1 模型介紹............................................................................................................ 130
6.2.2 綜合案例：不同劑量下老鼠妊娠重量的差異性分析........................................ 132
6.3 協方差分析.................................................................................................................... 136
6.3.1 模型簡介............................................................................................................ 136
6.3.2 函數介紹............................................................................................................ 136
6.3.3 綜合案例：hotdog 數據集的協方差分析........................................................... 137
第7 章 主成分分析和因子分析
7.1 降維的基本方法：主成分分析..................................................................................... 139
7.1.1 理論基礎：原始變量的線性組合...................................................................... 139
7.1.2 模型介紹............................................................................................................ 141
7.1.3 函數介紹............................................................................................................ 143
7.1.4 綜合案例：longley 數據集的變量降維及回歸.................................................. 144
7.1.5 綜合案例：longley 數據集的變量降維及回歸(主成分回歸)....................... 148
7.2 推廣發展：因子分析.................................................................................................... 150
7.2.1 理論基礎：多個變量綜合為少數因子............................................................... 150
7.2.2 模型介紹............................................................................................................ 151
7.2.3 函數介紹............................................................................................................ 153
7.2.4 綜合案例：能力和智商測試的因子分析探索................................................... 154
第8 章 判別分析
8.1 距離判別法.................................................................................................................... 160
8.1.1 理論基礎：離誰近，就屬誰.......................................................................... 160
8.1.2 函數介紹............................................................................................................ 162
8.1.3 綜合案例：基於距離判別的iris 數據集分類.................................................... 164
8.2 Bayes 判別法................................................................................................................. 168
8.2.1 理論基礎：先驗概率與錯判損失...................................................................... 168
8.2.2 函數介紹............................................................................................................ 170
8.2.3 綜合案例：基於iris 數據集的Bayes 判別分析................................................ 171
8.3 Fisher 判別法................................................................................................................. 171
8.3.1 理論基礎：投影................................................................................................. 171
8.3.2 函數介紹............................................................................................................ 173
8.3.3 綜合案例：基於Fisher 判別的iris 數據集分類................................................ 174
第9 章 常規聚類分析
9.1 深入瞭解聚類分析........................................................................................................ 178
9.1.1 差異與分類......................................................................................................... 178
9.1.2 主流的聚類算法................................................................................................. 179
9.2 動態聚類........................................................................................................................ 180
9.2.1 聚類的基本過程................................................................................................. 180
9.2.2 函數介紹............................................................................................................ 183
9.2.3 綜合案例：基於隨機生成序列的動態聚類....................................................... 184
9.3 層次聚類........................................................................................................................ 194
9.3.1 聚類的基本過程................................................................................................. 194
9.3.2 函數介紹............................................................................................................ 197
9.3.3 綜合案例：基於UScitiesD 數據集的層次聚類................................................. 199
9.4 密度聚類........................................................................................................................ 202
9.4.1 聚類的基本過程................................................................................................. 202
9.4.2 函數介紹............................................................................................................ 202
9.4.3 綜合案例：基於隨機生成序列的密度聚類....................................................... 203
9.5 EM 聚類......................................................................................................................... 204
9.5.1 聚類的基本過程................................................................................................. 205
9.5.2 函數介紹............................................................................................................ 205
9.5.3 綜合案例：基於iris 數據集的EM 聚類............................................................ 206
第10 章 關聯規則
10.1 簡單關聯規則.............................................................................................................. 210
10.1.1 基本概念與表示形式....................................................................................... 210
10.1.2 評價簡單關聯規則的有效性和實用性............................................................. 211
10.2 序列關聯規則.............................................................................................................. 212
10.2.1 差異與基本概念............................................................................................... 212
10.2.2 生成序列關聯規則........................................................................................... 213
10.3 Apriori 算法................................................................................................................. 214
10.3.1 算法介紹：挖掘頻繁項集................................................................................ 214
10.3.2 函數介紹.......................................................................................................... 215
10.3.3 綜合案例：基於Titanic 數據集的關聯規則挖掘............................................ 216
10.4 Eclat 算法.................................................................................................................... 224
10.4.1 算法介紹：自底向上的搜索............................................................................ 224
10.4.2 函數介紹.......................................................................................................... 224
10.4.3 綜合案例：基於美國人口調查數據的關聯規則挖掘...................................... 225
10.5 SPADE 算法................................................................................................................. 230
10.5.1 算法介紹：基於序列格的搜索和連接............................................................. 231
10.5.2 函數介紹.......................................................................................................... 232
10.5.3 綜合案例：基於zaki 數據集的序列關聯規則挖掘......................................... 233
第11 章 神經網絡
11.1 深入瞭解人工神經網絡............................................................................................... 239
11.1.1 生物神經元....................................................................................................... 240
11.1.2 人工神經元模型............................................................................................... 241
11.1.3 人工神經網絡種類........................................................................................... 244
11.1.4 建立模型的一般步驟........................................................................................ 247
11.2 B-P 反向傳播網絡....................................................................................................... 248
11.2.1 B-P 反向傳播網絡模型.................................................................................... 248
11.2.2 算法介紹........................................................................................................... 249
11.2.3 函數介紹........................................................................................................... 250
11.3 綜合案例：基於Boston 數據的波士頓郊區房價預測建模........................................ 252
1.1 R 語言軟件的安裝與運行................................................................................................. 1
1.1.1 R 語言軟件的安裝、啟動與關閉........................................................................... 1
1.1.2 R 語言程輯包的安裝和使用.................................................................................. 4
1.2 R 語言的數據結構............................................................................................................. 6
1.2.1 R 語言對象和類型................................................................................................. 6
1.2.2 向量........................................................................................................................ 7
1.2.3 數組和矩陣........................................................................................................... 12
1.2.4 列表...................................................................................................................... 17
1.2.5 數據框.................................................................................................................. 20
第2 章 數據的讀取與保存
2.1 數據的讀取...................................................................................................................... 24
2.1.1 讀取內置數據集和文本文件................................................................................ 24
2.1.2 讀取Excel 數據和CSV 格式的數據.................................................................... 30
2.1.3 讀取R 語言格式數據和網頁數據........................................................................ 33
2.1.4 讀取其他格式的數據........................................................................................... 34
2.2 數據保存.......................................................................................................................... 36
2.2.1 寫出數據.............................................................................................................. 36
2.2.2 使用函數cat() ...................................................................................................... 37
2.2.3 保存為R 語言格式文件....................................................................................... 38
2.2.4 保存為其他類型文件........................................................................................... 39
第3 章 數據預處理
3.1 缺失值處理...................................................................................................................... 40
3.1.1 缺失值判斷........................................................................................................... 40
3.1.2 缺失模型判斷....................................................................................................... 44
3.1.3 常用處理方法....................................................................................................... 48
3.2 數據整理.......................................................................................................................... 53
3.2.1 數據合併.............................................................................................................. 53
3.2.2 選取子集.............................................................................................................. 56
3.2.3 數據轉換.............................................................................................................. 59
第4 章 數據的探索性分析
4.1 基本繪圖函數.................................................................................................................. 66
4.2 探索單個變量.................................................................................................................. 74
4.2.1 單組數據的圖形描述........................................................................................... 74
4.2.2 單組數據的描述性分析....................................................................................... 79
4.3 探索多個變量.................................................................................................................. 81
4.3.1 兩組數據的圖形描述........................................................................................... 81
4.3.2 多組數據的圖形描述........................................................................................... 85
4.3.3 多組數據的描述性統計....................................................................................... 88
4.4 其他圖像探索.................................................................................................................. 90
第5 章 回歸分析
5.1 一元線性回歸.................................................................................................................. 94
5.1.1 模型簡介.............................................................................................................. 94
5.1.2 函數介紹.............................................................................................................. 96
5.1.3 綜合案例：iris 數據集的一元回歸建模.............................................................. 97
5.2 多元線性回歸.................................................................................................................. 99
5.2.1 模型簡介.............................................................................................................. 99
5.2.2 綜合案例：iris 數據集的多元回歸建模............................................................ 100
5.3 變量的選擇.................................................................................................................... 105
5.3.1 逐步回歸方法簡介及函數介紹.......................................................................... 105
5.3.2 綜合案例：swiss 數據集的逐步回歸建模......................................................... 106
5.3.3 嶺回歸的方法簡介及函數介紹.......................................................................... 109
5.3.4 綜合案例：longley 數據集的嶺回歸探索.......................................................... 110
5.3.5 lasso 回歸方法簡介及函數介紹......................................................................... 114
5.3.6 綜合案例：longley 數據集的lasso 回歸建模.................................................... 115
5.4 Logistic 回歸.................................................................................................................. 117
5.4.1 模型簡介............................................................................................................ 117
5.4.2 函數介紹............................................................................................................ 119
5.4.3 綜合案例：iris 數據集的邏輯回歸建模............................................................ 120
第6 章 方差分析
6.1 單因素方差分析............................................................................................................ 124
6.1.1 模型介紹............................................................................................................ 124
6.1.2 函數介紹............................................................................................................ 126
6.1.3 綜合案例：不同治療方法下膽固醇降低效果的差異性分析............................ 127
6.2 雙因素方差分析............................................................................................................ 130
6.2.1 模型介紹............................................................................................................ 130
6.2.2 綜合案例：不同劑量下老鼠妊娠重量的差異性分析........................................ 132
6.3 協方差分析.................................................................................................................... 136
6.3.1 模型簡介............................................................................................................ 136
6.3.2 函數介紹............................................................................................................ 136
6.3.3 綜合案例：hotdog 數據集的協方差分析........................................................... 137
第7 章 主成分分析和因子分析
7.1 降維的基本方法：主成分分析..................................................................................... 139
7.1.1 理論基礎：原始變量的線性組合...................................................................... 139
7.1.2 模型介紹............................................................................................................ 141
7.1.3 函數介紹............................................................................................................ 143
7.1.4 綜合案例：longley 數據集的變量降維及回歸.................................................. 144
7.1.5 綜合案例：longley 數據集的變量降維及回歸(主成分回歸)....................... 148
7.2 推廣發展：因子分析.................................................................................................... 150
7.2.1 理論基礎：多個變量綜合為少數因子............................................................... 150
7.2.2 模型介紹............................................................................................................ 151
7.2.3 函數介紹............................................................................................................ 153
7.2.4 綜合案例：能力和智商測試的因子分析探索................................................... 154
第8 章 判別分析
8.1 距離判別法.................................................................................................................... 160
8.1.1 理論基礎：離誰近，就屬誰.......................................................................... 160
8.1.2 函數介紹............................................................................................................ 162
8.1.3 綜合案例：基於距離判別的iris 數據集分類.................................................... 164
8.2 Bayes 判別法................................................................................................................. 168
8.2.1 理論基礎：先驗概率與錯判損失...................................................................... 168
8.2.2 函數介紹............................................................................................................ 170
8.2.3 綜合案例：基於iris 數據集的Bayes 判別分析................................................ 171
8.3 Fisher 判別法................................................................................................................. 171
8.3.1 理論基礎：投影................................................................................................. 171
8.3.2 函數介紹............................................................................................................ 173
8.3.3 綜合案例：基於Fisher 判別的iris 數據集分類................................................ 174
第9 章 常規聚類分析
9.1 深入瞭解聚類分析........................................................................................................ 178
9.1.1 差異與分類......................................................................................................... 178
9.1.2 主流的聚類算法................................................................................................. 179
9.2 動態聚類........................................................................................................................ 180
9.2.1 聚類的基本過程................................................................................................. 180
9.2.2 函數介紹............................................................................................................ 183
9.2.3 綜合案例：基於隨機生成序列的動態聚類....................................................... 184
9.3 層次聚類........................................................................................................................ 194
9.3.1 聚類的基本過程................................................................................................. 194
9.3.2 函數介紹............................................................................................................ 197
9.3.3 綜合案例：基於UScitiesD 數據集的層次聚類................................................. 199
9.4 密度聚類........................................................................................................................ 202
9.4.1 聚類的基本過程................................................................................................. 202
9.4.2 函數介紹............................................................................................................ 202
9.4.3 綜合案例：基於隨機生成序列的密度聚類....................................................... 203
9.5 EM 聚類......................................................................................................................... 204
9.5.1 聚類的基本過程................................................................................................. 205
9.5.2 函數介紹............................................................................................................ 205
9.5.3 綜合案例：基於iris 數據集的EM 聚類............................................................ 206
第10 章 關聯規則
10.1 簡單關聯規則.............................................................................................................. 210
10.1.1 基本概念與表示形式....................................................................................... 210
10.1.2 評價簡單關聯規則的有效性和實用性............................................................. 211
10.2 序列關聯規則.............................................................................................................. 212
10.2.1 差異與基本概念............................................................................................... 212
10.2.2 生成序列關聯規則........................................................................................... 213
10.3 Apriori 算法................................................................................................................. 214
10.3.1 算法介紹：挖掘頻繁項集................................................................................ 214
10.3.2 函數介紹.......................................................................................................... 215
10.3.3 綜合案例：基於Titanic 數據集的關聯規則挖掘............................................ 216
10.4 Eclat 算法.................................................................................................................... 224
10.4.1 算法介紹：自底向上的搜索............................................................................ 224
10.4.2 函數介紹.......................................................................................................... 224
10.4.3 綜合案例：基於美國人口調查數據的關聯規則挖掘...................................... 225
10.5 SPADE 算法................................................................................................................. 230
10.5.1 算法介紹：基於序列格的搜索和連接............................................................. 231
10.5.2 函數介紹.......................................................................................................... 232
10.5.3 綜合案例：基於zaki 數據集的序列關聯規則挖掘......................................... 233
第11 章 神經網絡
11.1 深入瞭解人工神經網絡............................................................................................... 239
11.1.1 生物神經元....................................................................................................... 240
11.1.2 人工神經元模型............................................................................................... 241
11.1.3 人工神經網絡種類........................................................................................... 244
11.1.4 建立模型的一般步驟........................................................................................ 247
11.2 B-P 反向傳播網絡....................................................................................................... 248
11.2.1 B-P 反向傳播網絡模型.................................................................................... 248
11.2.2 算法介紹........................................................................................................... 249
11.2.3 函數介紹........................................................................................................... 250
11.3 綜合案例：基於Boston 數據的波士頓郊區房價預測建模........................................ 252
今日66折
您曾經瀏覽過的商品
購物須知
大陸出版品因裝訂品質及貨運條件與台灣出版品落差甚大，除封面破損、內頁脫落等較嚴重的狀態，其餘商品將正常出貨。
特別提醒：部分書籍附贈之內容(如音頻mp3或影片dvd等)已無實體光碟提供，需以QR CODE 連結至當地網站註冊“並通過驗證程序”，方可下載使用。
無現貨庫存之簡體書，將向海外調貨：
海外有庫存之書籍，等候約45個工作天;
海外無庫存之書籍，平均作業時間約60個工作天，然不保證確定可調到貨，尚請見諒。
為了保護您的權益，「三民網路書店」提供會員七日商品鑑賞期(收到商品為起始日)。
若要辦理退貨，請在商品鑑賞期內寄回，且商品必須是全新狀態與完整包裝(商品、附件、發票、隨貨贈品等)否則恕不接受退貨。