R語言數據分析項目開發實戰

內容簡介

本書詳細闡述了與數據分析相關的基本解決方案，主要包括關聯規則挖掘、基於內容的模糊邏輯推薦系統、協同過濾機制、基於深度神經網路的時序數據、Twitter文本情感分類、記錄連結—隨機和機器學習方案、流式數據聚類分析、分析並理解網路等內容。此外，本書還提供了相應的示例、代碼，以幫助讀者進一步理解相關方案的實現過程。

本書既可作為高等院校計算機及相關專業的教材和教學參考書，也可作為相關開發人員的自學教材和參考手冊。

圖書目錄

第1章關聯規則挖掘 1

1.1 理解推薦系統 2

1.1.1 事務 2

1.1.2 加權事務 3

1.1.3 Web應用程式 3

1.2 零售商用例和數據 4

1.3 關聯規則挖掘 6

1.4 關聯銷售行銷活動 22

1.4.1 槓桿效應 25

1.4.2 確信度 26

1.5 加權關聯規則挖掘 27

1.6 基於超連結的主題搜尋（HITS） 34

1.7 負關聯規則 41

1.8 規則的可視化 45

1.9 封裝 49

1.10 本章小結 56

第2章基於內容的模糊邏輯推薦系統 57

2.1 基於內容的推薦系統 58

2.2 新聞聚合器用例和數據 62

2.3 設計基於內容的推薦引擎 67

2.3.1 構建相似度索引 69

2.3.2 搜尋機制 75

2.4 完整的R代碼 94

2.5 本章小結 101

第3章協同過濾機制 102

3.1 協同過濾 102

3.1.1 基於記憶體的方案 104

3.1.2 基於模型的方案 104

3.1.3 隱因子模型方案 106

3.2 recommenderlab數據包 107

3.3 用例和數據 111

3.4 設計並實現協同過濾機制 120

3.4.1 評級矩陣 120

3.4.2 標準化 121

3.4.3 隨機劃分訓練集和測試集 123

3.4.4 訓練模型 125

3.5 完整的R代碼 136

3.6 本章小結 142

第4章基於深度神經網路的時序數據 143

4.1 時序數據 144

4.1.1 非季節性時序 145

4.1.2 季節性時序 146

4.1.3 回歸問題 147

4.2 深度神經網路 150

4.2.1 前向循環 152

4.2.2 反向循環 153

4.3 MXNet數據包 153

4.4 MXNet中的符號編程 155

4.4.1 softmax激活函式 159

4.4.2 用例和數據 162

R語言數據分析項目開發實戰

基本介紹

內容簡介

圖書目錄

相關詞條

熱門詞條