《R語言數據分析與挖掘實戰手冊》是2019年中國鐵道出版社出版的圖書，作者是程靜。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。
基本介紹
- 中文名：R語言數據分析與挖掘實戰手冊
- 作者：程靜
- 出版社：中國鐵道出版社
- ISBN：9787113257453
內容簡介,圖書目錄,作者簡介,
內容簡介
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；*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布局，讓讀者深刻感知數據挖掘的精髓，在了解算法的同時更好地學以致用。
圖書目錄
第1 章 R 語言簡介
1.1 R 語言軟體的安裝與運行.................................................................................................1
1.1.1 R 語言軟體的安裝、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檔案................................................................................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 使用函式cat()......................................................................................................37
2.2.3 保存為R 語言格式檔案.......................................................................................38
2.2.4 保存為其他類型檔案...........................................................................................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 基本繪圖函式..................................................................................................................66
4.2 探索單個變數..................................................................................................................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 探索多個變數..................................................................................................................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 函式介紹..............................................................................................................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 變數的選擇....................................................................................................................105
5.3.1 逐步回歸方法簡介及函式介紹..........................................................................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式介紹..........................................................................109
5.3.4 綜合案例：longley 數據集的嶺回歸探索..........................................................110
5.3.5 lasso 回歸方法簡介及函式介紹.........................................................................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 函式介紹............................................................................................................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 函式介紹............................................................................................................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 函式介紹............................................................................................................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：原始變數的線性組合......................................................................139
7.1.2 模型介紹............................................................................................................141
7.1.3 函式介紹............................................................................................................143
7.1.4 綜合案例：longley 數據集的變數降維及回歸..................................................144
7.1.5 綜合案例：longley 數據集的變數降維及回歸（主成分回歸）....................... 148
7.2 推廣發展：因子分析....................................................................................................150
7.2.1 理論基礎：多個變數綜合為少數因子...............................................................150
7.2.2 模型介紹............................................................................................................151
7.2.3 函式介紹............................................................................................................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，就屬於誰..........................................................................160
8.1.2 函式介紹............................................................................................................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：先驗機率與錯判損失......................................................................168
8.2.2 函式介紹............................................................................................................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 函式介紹............................................................................................................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 深入了解聚類分析........................................................................................................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 函式介紹............................................................................................................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 函式介紹............................................................................................................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 函式介紹............................................................................................................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 函式介紹............................................................................................................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 函式介紹..........................................................................................................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：自底向上的搜尋............................................................................224
10.4.2 函式介紹..........................................................................................................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：基於序列格的搜尋和連線.............................................................231
10.5.2 函式介紹..........................................................................................................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 章神經網路
11.1 深入了解人工神經網路...............................................................................................239
11.1.1 生物神經元.......................................................................................................240
11.1.2 人工神經元模型...............................................................................................241
11.1.3 人工神經網路種類...........................................................................................244
11.1.4 建立模型的一般步驟........................................................................................247
11.2 B-P 反向傳播網路.......................................................................................................248
11.2.1 B-P 反向傳播網路模型....................................................................................248
11.2.2 算法介紹...........................................................................................................249
11.2.3 函式介紹...........................................................................................................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
作者簡介
程靜，畢業於重慶大學，目前就職於西部估值的網際網路公司豬八戒網，擔任高級數據分析工程師，負責行業數據蒐集、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。
