R語言數據挖掘（第2版）

內容簡介

數據挖掘，繼承和發展經典統計分析的理論成果，結合現代機器學習方法，藉助大規模高性能計算不斷逼近大數據規律真相，突破了傳統數據分析方法的大數據套用局限；R語言，以其開源性、易用性、全面性、前沿性和可擴充性，是實現大數據分析實踐的有效工具。《R語言數據挖掘》努力堅持：講明白理論原理，講明白案例問題，講明白實現步驟，講明白結果含義的寫作風格，圍繞大數據分析的四大核心問題：建立數據預測模型，揭示數據內在結構，探究數據關聯性，診斷異常數據，以套用案例為線索，深入淺出地討論了眾多經典數據挖掘方法原理，完整詳細地講解了R語言實現過程。本書可作為高等院校統計學、數據科學和大數據技術、大數據管理等相關專業本科生和研究生數據挖掘、機器學習和其他數據分析課程的教材，也可作為科研機構、政府和企業經營管理部門等研究人員參考用書。

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

1.7RStudio簡介

1.8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

R語言數據挖掘（第2版）

基本介紹

內容簡介

圖書目錄

相關詞條

熱門詞條