R語言數據挖掘(2016年中國人民大學出版社出版的圖書)

內容簡介

網路將物理世界的自然資源和心理世界的智慧資源聯繫在一起，擁有無限的數據資源。數據挖掘是目前開發數據資源，探索未知世界的最先進方法。數據挖掘突破了傳統數據分析理論的套用局限，利用高性能計算逼近數據規律的真相。R語言則以其開源性、全面性、易用性和可擴充性，成為數據挖掘實踐最有效的工具。本書圍繞數據預測、揭示數據內在結構、揭示數據關聯性、診斷異常數據等數據挖掘核心目標，深入淺出地討論了眾多經典數據挖掘方法、R語言實現以及案例。

本書可作為高等院校相關專業本科生和研究生的數據挖掘教材使用，也適合科研機構、政府和企業經營管理部門等研究人員閱讀參考。

圖書目錄

第1章數據挖掘與R語言概述

1.1什麼是數據挖掘

1.2數據挖掘的結果

1.3數據挖掘能做什麼

1.4數據挖掘方法的特點

1.5數據挖掘的典型套用

1.6R語言入門必備

1.7本章函式列表

第2章R的數據組織和整理

2.1R的數據對象

2.2向量的創建和訪問

2.3矩陣的創建和訪問

2.4數據框的創建和訪問

2.5數組和列表的創建和訪問

2.6數據對象的相互轉換

2.7導入外部數據和保存數據

2.8R語言程式設計基礎

2.9R語言數據整理和程式設計綜合套用

2.10本章函式列表

第3章R的數據可視化

3.1繪圖基礎

3.2單變數分布特徵的可視化

3.3多變數聯合分布特徵的可視化

3.4變數間相關性的可視化

3.5GIS數據的可視化

3.6文本詞頻數據的可視化

3.7本章函式列表

第4章R的近鄰分析：數據預測

4.1近鄰分析：K近鄰法

4.2基於變數重要性的加權K近鄰法

4.3基於觀測相似性的加權K近鄰法

4.4本章函式列表

第5章R的決策樹：數據預測

5.1決策樹算法概述

5.2分類回歸樹的生長過程

5.3分類回歸樹的剪枝

5.4分類回歸樹的R函式和套用示例

5.5建立分類回歸樹的組合預測模型

5.6隨機森林

5.7本章函式列表

第6章R的人工神經網路：數據預測

6.1人工神經網路概述

6.2BP反向傳播網路

6.3BP反向傳播網路的R函式和套用示例

6.4本章函式列表

第7章R的支持向量機：數據預測

7.1支持向量分類概述

7.2線性可分問題下的支持向量分類

7.3廣義線性可分問題下的支持向量分類

7.4線性不可分問題下的支持向量分類

7.5多分類的支持向量分類

R語言數據挖掘(2016年中國人民大學出版社出版的圖書)

基本介紹

內容簡介

圖書目錄

相關詞條

熱門詞條