R語言與數據分析實戰

內容簡介

本書以R語言的“編程屬性”為中心，內容涵蓋R語言基礎理論到實際數據分析，通過分析模型和算法等更實用的示例，講解了數據可視化、統計淚采牛分析、數據挖掘、機器學習等實際業務中常用的實操技巧，以及代碼生成方法。書中還收錄了作者的實戰經驗和學習體會，可以解決數據分析過程中出現的各種問題。對R語言有一定了解但在實際運用中感到困惑的讀者，可以在書中找到多種解題方法，並能夠迅速套用於一線業務。

圖書目錄

推薦語 iii

前言　iv

本書結構　vi

第 1章　搭建R編程環境　1

1.1　循您為什麼是R　2

1.2　安裝R　2

1.2.1　在Windows作業系統中安裝R　4

1.2.2　在Linux系統下安裝R　6

1.2.3　在Mac OS X中安裝R　12

1.3　啟動R　15

1.4　查看幫助　16

1.5　R集成開發環境　19

1.6　批處理　21

1.7　使用包　22

參考資料　24

第 2章　數據類型　25

2.1　變數　26

2.1.1　變數命名規則　26

2.1.2　變數賦值　26

2.2　調用函式時指定參數　27

2.3　標量　28

2.3.1　數值　28

2.3.2　NA　29

2.3.3　NULL　29

2.3.4　字元串　30

2.3.5　邏輯值　31

2.3.6　因子　32

2.4　向量　34

2.4.1　創建向量　35

2.4.2　訪問向量中的數據　36

2.4.3　向量運算　39

2.4.4　連續數字組成的向量　41

2.4.5　保存重複值的向量　42

2.5　列表　43

2.5.1　創建列表　43

2.5.2　訪問列表中的數據　44

2.6　矩陣　45

2.6.1　創建矩陣　45

2.6.2　訪問矩陣中的數據　48

2.6.3　矩陣運算　49

2.7　數組　52

2.7.1　創建數組　53

2.7.2　訪問數組數據　54

2.8　數據框　54

2.8.1　創建數據框　55

2.8.2　訪問數據框　57

2.8.3　實用工具函式　59

2.9　類型判別　61

2.10　類型轉換　62

參考資料　64

第3章　R語言編程　65

3.1　R的特徵　66

3.2　流程控制（條件語句與循環語句）　66

3.2.1　if語句　66

3.2.2　循環語句　67

3.3　運算　69

3.3.1　迎堡悼數值運算　70

3.3.2　向量運算　70

3.3.3　NA處理　72

3.4　定義船朽譽鴉函式　74

3.4.1　基本定義　74

3.4.2　可變長參數　75

3.4.3　嵌套函式　76

3.5　作用域　77

3.6　值傳遞　80

3.7　對象的不變性　81

3.8　模組模式　83

3.8.1　佇列　84

3.8.2　編寫佇列模組　85

參考資料　86

第4章　數據操作Ⅰ：基於向量的處理與外部數據處理　87

4.1　鳶尾花數據集　88

4.2　讀寫檔案　90

4.2.1　讀寫CSV檔案　90

4.2.2　讀寫對象檔案　93

4.3　合併數據框的行與列　94

4.4　apply系列函式　96

4.4.1　apply()　97

4.4.2　lapply()函式　99

4.4.3　sapply()　102

4.4.4　tapply()　104

4.4.5　mapply()　106

4.5　數據分組並調用函式　107

4.5.1　summaryBy()　108

4.5.2　orderBy()　110

4.5.3　sampleBy()　112

4.6　數據拆分與合併　114

4.6.1　split()　115

4.6.2　subset()　116

4.6.3　數據合併　117

4.7　數據排序　119

4.7.1　sort()　119

4.7.2　order()　120

4.8　訪問數據框中的列　121

4.8.1　with()　121

4.8.2　within()　承愚跨122

4.8.3　attach()與detach()　124

4.9　查找符合條件的數據索引　126

4.10　分組運算　127

4.11　更易處理的數據表現形式　128

4.12　與MySQL聯動　131

4.12.1　安裝MySQL及RMySQL　131

4.12.2　使用RMySQL訪問MySQL資料庫　140

參考資料　想紙影141

第5章　數據操作Ⅱ：數據處理及加工　143

5.1　數據處理及加工相關包　144

5.2　使用SQL處理數據　144

5.3　數據分析：拆分、祖恥漏臘套用、合併　146

5.3.1　adply()函式　147

5.3.2　ddply()函式　149

5.3.3　輕鬆進行按組運算　150

5.3.4　mdply()　153

5.4　數據結構變形與匯總　154

5.4.1　melt()　155

5.4.2　cast()　157

5.4.3　數據匯總　158

5.5　數據表：更快、更方便的數據框　160

5.5.1　創建數據表　160

5.5.2　數據訪問與分組運算　162

5.5.3　使用key快速訪問數據　164

5.5.4　使用key合併數據表　166

5.5.5　利用引用修改數據　167

5.5.6　將列錶轉換為數據框　168

5.6　更好的循環語句　170

5.7　並行處理　172

5.7.1　設定進程數　173

5.7.2　plyr並行化　174

5.7.3　foreach並行化　176

5.8　單元測試與調試　177

5.8.1　testthat　177

5.8.2　使用test_that()進行測試分組　179

5.8.3　測試檔案的結構　180

5.8.4　調試　181

5.9　測定代碼執行時間　187

5.9.1　測定命令語句執行時間　187

5.9.2　代碼性能測試　189

參考資料　191

第6章　繪圖　193

6.1　散點圖　194

6.2　圖形選項　195

6.2.1　坐標軸名稱　196

6.2.2　圖形標題　197

6.2.3　點的類型　197

6.2.4　點的大小　198

6.2.5　顏色　199

6.2.6　坐標軸的取值範圍　200

6.2.7　圖形類型　201

6.2.8　線型　204

6.2.9　圖形排列　204

6.2.10　抖動　205

6.3　基本圖形　207

6.3.1　點　207

6.3.2　折線　209

6.3.3　直線　211

6.3.4　曲線　212

6.3.5　多邊形　213

6.4　字元串　216

6.5　識別圖形中的數據　218

6.6　圖例　219

6.7　繪製矩陣中的數據（matplot、matlines、matpoints）　220

6.8　套用圖形　221

6.8.1　箱線圖　222

6.8.2　直方圖　225

6.8.3　密度圖　227

6.8.4　條形圖　229

6.8.5　餅圖　230

6.8.6　馬賽克圖　232

6.8.7　散點圖矩陣　234

6.8.8　透視圖、等高線圖　235

參考資料　238

第7章　統計分析　239

7.1　生成隨機數與分布函式　240

7.2　基本統計量　243

7.2.1　樣本均值、樣本方差、樣本標準差　243

7.2.2　五數概括　244

7.2.3　眾數　246

7.3　樣本抽取　246

7.3.1　簡單隨機抽樣　247

7.3.2　考慮權值的樣本抽取　248

7.3.3　分層隨機抽樣　249

7.3.4　系統抽樣　251

7.4　列聯表　252

7.4.1　創建列聯表　253

7.4.2　求和與百分比　254

7.4.3　獨立性檢驗　256

7.4.4　費舍爾精確檢驗　261

7.4.5　McNemar檢驗　262

7.5　擬合優度檢驗　265

7.5.1　卡方檢驗　265

7.5.2　夏皮羅-威爾克檢驗　265

7.5.3　柯爾莫諾夫-斯米爾諾夫檢驗　266

7.5.4　Q-Q圖　268

7.6　相關分析　271

7.6.1　皮爾遜相關係數　272

7.6.2　斯皮爾曼相關係數　275

7.6.3　肯德爾等級相關係數　277

7.6.4　相關係數檢驗　277

7.7　估計與檢驗　278

7.7.1　單樣本均值　279

7.7.2　兩獨立樣本均值　282

7.7.3　兩配對樣本均值　285

7.7.4　兩樣本方差　287

7.7.5　單樣本比率　288

7.7.6　兩樣本比率　290

參考資料　291

第8章　線性回歸　293

8.1　線性回歸的基本假設　294

8.2　簡單線性回歸　295

8.2.1　創建模型　295

8.2.2　提取線性回歸結果　296

8.2.3　預測與置信區間　298

8.2.4　模型評估　299

8.2.5　方差分析及模型間比較　302

8.2.6　模型診斷圖形　304

8.2.7　回歸直線的可視化　306

8.3　多元回歸　307

8.3.1　創建及評估模型　307

8.3.2　分類變數　308

8.3.3　多元回歸模型的可視化　310

8.3.4　使用函式I()　312

8.3.5　變數的變換　314

8.3.6　互動作用　314

8.4　異常值　320

8.5　變數選擇　321

8.5.1　選擇變數的方法　322

8.5.2　比較所有情形　325

參考資料　328

第9章　分類算法Ⅰ：數據探索、預處理、模型評估方法　331

9.1　數據探索　332

9.1.1　技術統計　332

9.1.2　數據可視化　337

9.2　預處理　340

9.2.1　數據變換　340

9.2.2　缺失值處理　345

9.2.3　變數選擇　348

9.3　模型評估方法　358

9.3.1　評估指標　358

9.3.2　ROC曲線　361

9.3.3　交叉檢驗　365

參考資料　375

第 10章　分類算法Ⅱ：機器學習算法　377

10.1　邏輯回歸模型　378

10.2　多項邏輯回歸分析　381

10.3　決策樹　384

10.3.1　決策樹模型　385

10.3.2　分類與回歸樹　386

10.3.3　條件推斷決策樹　389

10.3.4　隨機森林　391

10.4　神經網路　396

10.4.1　神經網路模型　396

10.4.2　神經網路模型學習　398

10.5　支持向量機　402

10.5.1　支持向量機模型　403

10.5.2　支持向量機學習　404

10.6　類別不平衡　408

10.6.1　向上取樣、向下取樣　409

10.6.2　SMOTE　411

10.7　文檔分類　413

10.7.1　語料庫與文檔　413

10.7.2　文檔變換　414

10.7.3　文檔的矩陣表示　415

10.7.4　高頻詞　418

10.7.5　詞語之間的相關關係　419

10.7.6　文檔分類　420

10.7.7　從檔案創建語料庫　422

10.7.8　元數據　424

10.8　caret包　427

參考資料　431

第 11章　利用泰坦尼克數據練習機器學習　433

11.1　泰坦尼克數據格式　434

11.2　讀入數據　434

11.2.1　轉換數據類型　435

11.2.2　分離測試數據　437

11.2.3　準備交叉檢驗　438

11.3　數據探索　440

11.4　評估指標　444

11.5　決策樹模型　444

11.5.1　rpart的交叉檢驗　445

11.5.2　準確度評估　446

11.5.3　條件推斷決策樹　447

11.6　發現其他特徵　448

11.6.1　使用ticket識別家庭　448

11.6.2　預測生還機率　449

11.6.3　添加家庭ID　450

11.6.4　合併家庭成員的生還機率　452

11.6.5　使用家庭信息建模ctree()　454

11.6.6　性能評估　455

11.7　交叉檢驗並行化　457

11.7.1　反覆執行3次10層交叉檢驗　457

11.7.2　使用foreach()與%dopar%進行並行化　458

11.8　開發更好的算法　459

參考資料　460

R語言與數據分析實戰

基本介紹

內容簡介

圖書目錄

相關詞條

熱門詞條