具體描述
數據挖掘技術是當下大數據時代最關鍵的技術，其應用領域及前景不可估量。R 是一款極其優秀的統計分析和數據挖掘軟件，《數據挖掘：R語言實戰》側重使用R 進行數據挖掘，重點講述瞭R 的數據挖掘流程、算法包的使用及相關工具的應用，同時結閤大量精選的數據挖掘實例對R 軟件進行深入潛齣和全麵的介紹，以便讀者能深刻理解R 的精髓並能快速、高效和靈活地掌握使用R 進行數據挖掘的技巧。
通過《數據挖掘：R語言實戰》，讀者不僅能掌握使用R 及相關的算法包來快速解決實際問題的方法，而且能得到從實際問題分析入手，到利用R 進行求解，以及對挖掘結果進行分析的全麵訓練。
《數據挖掘：R語言實戰》適用於計算機、互聯網、機器學習、信息、數學、經濟金融、管理、運籌、統計以及有關理工科專業的本科生、研究生使用，也能幫助市場營銷、金融、財務、人力資源管理人員及産品經理解決實際問題，還能幫助從事谘詢、研究、分析行業的人士及各級管理人士提高專業水平。
著者簡介
圖書目錄
第0 章 緻敬，R！.............................. 1
緻敬，肩膀！..................... 1
緻敬，時代！................................... 3
緻敬，人纔！................................... 4
緻敬，R 瑟！................................. 5
上篇 數據預處理
第1 章 數據挖掘導引........................10
1.1 數據挖掘概述..............................10
1.1.1 數據挖掘的過程.............................10
1.1.2 數據挖掘的對象....................................12
1.1.3 數據挖掘的方法........................................12
1.1.4 數據挖掘的應用...................................13
1.2 數據挖掘的算法.................................................14
1.3 數據挖掘的工具.................................................17
1.3.1 工具的分類.............................................17
1.3.2 工具的選擇.............................................18
1.3.3 商用的工具...........................................19
1.3.4 開源的工具............................................21
1.4 R 在數據挖掘中的優勢....................................23
第2 章 數據概覽................................25
2.1 n×m 數據集....................................25
2.2 數據的分類......................................28
2.2.1 一般的數據分類...................................28
2.2.2 R 的數據分類......................................29
2.2.3 用R 簡單處理數據..............................31
2.3 數據抽樣及R 實現....................................34
2.3.1 簡單隨機抽樣........................................34
2.3.2 分層抽樣.................................................36
2.3.3 整群抽樣.................................................38
2.4 訓練集與測試集................................................40
2.5 本章匯總.............................................40
第3 章 用R 獲取數據.......................................42
3.1 獲取內置數據集..................................42
3.1.1 datasets 數據集..........................42
3.1.2 包的數據集....................................43
3.2 獲取其他格式的數據...............................45
3.2.1 CSV 與TXT 格式.........................45
3.2.2 從Excel 直接獲取數據........................47
3.2.3 從其他統計軟件中獲取數據................48
3.3 獲取數據庫數據............................................50
3.4 獲取網頁數據....................................52
3.5 本章匯總.................................55
第4 章 探索性數據分析...........................56
4.1 數據集.......................................56
4.2 數字化探索...................................57
4.2.1 變量概況...................................57
4.2.2 變量詳情.....................................58
4.2.3 分布指標......................................61
4.2.4 稀疏性.............................................62
4.2.5 缺失值............................................63
4.2.6 相關性...........................................65
4.3 可視化探索.......................................68
4.3.1 直方圖.........................................68
4.3.2 纍積分布圖.........................................71
4.3.3 箱形圖.........................................73
4.3.4 條形圖........................................78
4.3.5 點陣圖.........................................81
4.3.6 餅圖..............................................82
4.5 本章匯總.......................................................84
第5 章 數據預處理.............................................86
5.1 數據集加載........................................86
5.2 數據清理..............................................88
5.2.1 缺失值處理.....................................90
5.2.2 噪聲數據處理..................................95
5.2.3 數據不一緻的處理................................97
5.3 數據集成..........................................99
5.4 數據變換....................................101
5.5 數據歸約..............................................102
5.6 本章匯總...........................................104
中篇 基本算法及應用
第6 章 關聯分析.......................................106
6.1 概述..............................................106
6.2 R 中的實現.............................................109
6.2.1 相關軟件包....................................109
6.2.2 核心函數.......................................109
6.2.3 數據集........................................110
6.3 應用案例...........................................111
6.3.1 數據初探........................................111
6.3.2 對生成規則進行強度控製.........................112
6.3.3 一個實際應用.....................................114
6.3.4 改變輸齣結果形式.............................115
6.3.5 關聯規則的可視化..............................116
6.4 本章匯總............................................................120
第7 章 聚類分析.....................................121
7.1 概述.........................121
7.1.1 K-均值聚類...........................................122
7.1.2 K-中心點聚類....................................122
7.1.3 係譜聚類.......................................122
7.1.4 密度聚類........................................124
7.1.5 期望最大化聚類..............................125
7.2 R 中的實現......................................................126
7.2.1 相關軟件包.......................................126
7.2.2 核心函數.............................................127
7.2.3 數據集................................................129
7.3 應用案例.......................................................131
7.3.1 K-均值聚類........................................131
7.3.2 K-中心點聚類..................................135
7.3.3 係譜聚類..............................................137
7.3.4 密度聚類...............................................140
7.3.5 期望最大化聚類.................................145
7.4 本章匯總...........................................................150
第8 章 判彆分析.........................................151
8.1 概述.................................151
8.1.1 費希爾判彆.......................152
8.1.2 貝葉斯判彆.........................153
8.1.3 距離判彆................................153
8.2 R 中的實現......................................154
8.2.1 相關軟件包............................154
8.2.2 核心函數..........................................155
8.2.3 數據集..........................................157
8.3 應用案例.................................................161
8.3.1 綫性判彆分析......................161
8.3.2 樸素貝葉斯分類........................167
8.3.3 K 最近鄰.................................172
8.3.4 有權重的K 最近鄰算法...................174
8.4 推薦係統綜閤實例..............................175
8.4.1 kNN 與推薦........................................176
8.4.2 MovieLens 數據集說明....................176
8.4.3 綜閤運用..............................................177
8.5 本章匯總.......................................182
第9 章 決策樹................................................183
9.1 概述...................................................183
9.1.1 樹形結構........................................183
9.1.2 樹的構建.......................................184
9.1.3 常用算法..........................................185
9.2 R 中的實現...................................................185
9.2.1 相關軟件包......................................185
9.2.2 核心函數.............................................186
9.2.3 數據集............................................187
9.3 應用案例.......................................................190
9.3.1 CART 應用..........................................191
9.3.2 C4.5 應用............................................202
9.4 本章匯總......................................................205
下篇 高級算法及應用
第10 章 集成學習......................................................208
10.1 概述..........................................................208
10.1.1 一個概率論小計算........................208
10.1.2 Bagging 算法.................................209
10.1.3 AdaBoost 算法................................209
10.2 R 中的實現.............................................209
10.2.1 相關軟件包...........................209
10.2.2 核心函數.......................210
10.2.3 數據集............................210
10.3 應用案例......................................213
10.3.1 Bagging 算法..........................213
10.3.2 Adaboost 算法..........................218
10.4 本章匯總.................................................219
第11 章 隨機森林.....................................220
11.1 概述...........................................................220
11.1.1 基本原理..........................................220
11.1.2 重要參數.........................................222
11.2 R 中的實現.................................................223
11.2.1 相關軟件包...................................223
11.2.2 核心函數....................................223
11.2.3 可視化分析....................................231
11.3 應用案例................................................232
11.3.1 數據處理....................................233
11.3.2 建立模型.....................................234
11.3.3 結果分析...................................235
11.3.4 自變量的重要程度..........................236
11.3.5 優化建模...............................237
11.4 本章匯總...................................................241
第12 章 支持嚮量機........................................242
12.1 概述........................................................242
12.1.1 結構風險最小原理......................243
12.1.2 函數間隔與幾何間隔....................244
12.1.3 核函數............................................245
12.2 R 中的實現.............................................245
12.2.1 相關軟件包..................................245
12.2.2 核心函數....................................246
12.2.3 數據集..............................248
12.3 應用案例..................................248
12.3.1 數據初探..........................249
12.3.2 建立模型.......................................249
12.3.3 結果分析......................................249
12.3.4 預測判彆..............................250
12.3.5 綜閤建模....................................251
12.3.6 可視化分析................................252
12.3.7 優化建模......................................254
12.4 本章匯總....................................256
第13 章 神經網絡.......................................257
13.1 概述......................................257
13.2 R 中的實現......................................258
13.2.1 相關軟件包.............................258
13.2.2 核心函數...............................258
13.3 應用案例..................................261
13.3.1 數據初探...........................261
13.3.2 數據處理....................................262
13.3.3 建立模型.............................263
13.3.4 結果分析..............................264
13.3.5 預測判彆.............................264
13.3.6 模型差異分析.......................266
13.3.7 優化建模..............................268
13.4 本章匯總....................................272
第14 章 模型評估與選擇............................273
14.1 評估過程概述..........................273
14.2 安裝Rattle 包.............................274
14.3 Rattle 功能簡介...........................275
14.3.1 Data——選取數據....................275
14.3.2 Explore——數據探究................276
14.3.3 Test——數據相關檢驗....................276
14.3.4 Transform——數據預處理..............277
14.3.5 Cluster——數據聚類.......................277
14.3.6 Model——模型評估......................277
14.3.7 Evaluate——模型評估.....................280
14.3.8 Log——模型評估記錄...................281
14.4 模型評估相關概念................................281
14.4.1 誤判率.........................................281
14.4.2 正確/錯誤的肯定判斷、正確/錯誤的否定判斷...............281
14.4.3 精確度、敏感度及特異性........................282
14.5 Rattle 在模型評估中的應用................................282
14.5.1 混淆矩陣..................................282
14.5.2 風險圖............................283
14.5.3 ROC 圖及相關圖錶.......................286
14.5.4 模型得分數據集.................287
14.6 綜閤實例................................288
14.6.1 數據介紹............................288
14.6.2 模型建立.................................288
14.6.3 模型結果分析......................289
· · · · · · (收起)
緻敬，肩膀！..................... 1
緻敬，時代！................................... 3
緻敬，人纔！................................... 4
緻敬，R 瑟！................................. 5
上篇 數據預處理
第1 章 數據挖掘導引........................10
1.1 數據挖掘概述..............................10
1.1.1 數據挖掘的過程.............................10
1.1.2 數據挖掘的對象....................................12
1.1.3 數據挖掘的方法........................................12
1.1.4 數據挖掘的應用...................................13
1.2 數據挖掘的算法.................................................14
1.3 數據挖掘的工具.................................................17
1.3.1 工具的分類.............................................17
1.3.2 工具的選擇.............................................18
1.3.3 商用的工具...........................................19
1.3.4 開源的工具............................................21
1.4 R 在數據挖掘中的優勢....................................23
第2 章 數據概覽................................25
2.1 n×m 數據集....................................25
2.2 數據的分類......................................28
2.2.1 一般的數據分類...................................28
2.2.2 R 的數據分類......................................29
2.2.3 用R 簡單處理數據..............................31
2.3 數據抽樣及R 實現....................................34
2.3.1 簡單隨機抽樣........................................34
2.3.2 分層抽樣.................................................36
2.3.3 整群抽樣.................................................38
2.4 訓練集與測試集................................................40
2.5 本章匯總.............................................40
第3 章 用R 獲取數據.......................................42
3.1 獲取內置數據集..................................42
3.1.1 datasets 數據集..........................42
3.1.2 包的數據集....................................43
3.2 獲取其他格式的數據...............................45
3.2.1 CSV 與TXT 格式.........................45
3.2.2 從Excel 直接獲取數據........................47
3.2.3 從其他統計軟件中獲取數據................48
3.3 獲取數據庫數據............................................50
3.4 獲取網頁數據....................................52
3.5 本章匯總.................................55
第4 章 探索性數據分析...........................56
4.1 數據集.......................................56
4.2 數字化探索...................................57
4.2.1 變量概況...................................57
4.2.2 變量詳情.....................................58
4.2.3 分布指標......................................61
4.2.4 稀疏性.............................................62
4.2.5 缺失值............................................63
4.2.6 相關性...........................................65
4.3 可視化探索.......................................68
4.3.1 直方圖.........................................68
4.3.2 纍積分布圖.........................................71
4.3.3 箱形圖.........................................73
4.3.4 條形圖........................................78
4.3.5 點陣圖.........................................81
4.3.6 餅圖..............................................82
4.5 本章匯總.......................................................84
第5 章 數據預處理.............................................86
5.1 數據集加載........................................86
5.2 數據清理..............................................88
5.2.1 缺失值處理.....................................90
5.2.2 噪聲數據處理..................................95
5.2.3 數據不一緻的處理................................97
5.3 數據集成..........................................99
5.4 數據變換....................................101
5.5 數據歸約..............................................102
5.6 本章匯總...........................................104
中篇 基本算法及應用
第6 章 關聯分析.......................................106
6.1 概述..............................................106
6.2 R 中的實現.............................................109
6.2.1 相關軟件包....................................109
6.2.2 核心函數.......................................109
6.2.3 數據集........................................110
6.3 應用案例...........................................111
6.3.1 數據初探........................................111
6.3.2 對生成規則進行強度控製.........................112
6.3.3 一個實際應用.....................................114
6.3.4 改變輸齣結果形式.............................115
6.3.5 關聯規則的可視化..............................116
6.4 本章匯總............................................................120
第7 章 聚類分析.....................................121
7.1 概述.........................121
7.1.1 K-均值聚類...........................................122
7.1.2 K-中心點聚類....................................122
7.1.3 係譜聚類.......................................122
7.1.4 密度聚類........................................124
7.1.5 期望最大化聚類..............................125
7.2 R 中的實現......................................................126
7.2.1 相關軟件包.......................................126
7.2.2 核心函數.............................................127
7.2.3 數據集................................................129
7.3 應用案例.......................................................131
7.3.1 K-均值聚類........................................131
7.3.2 K-中心點聚類..................................135
7.3.3 係譜聚類..............................................137
7.3.4 密度聚類...............................................140
7.3.5 期望最大化聚類.................................145
7.4 本章匯總...........................................................150
第8 章 判彆分析.........................................151
8.1 概述.................................151
8.1.1 費希爾判彆.......................152
8.1.2 貝葉斯判彆.........................153
8.1.3 距離判彆................................153
8.2 R 中的實現......................................154
8.2.1 相關軟件包............................154
8.2.2 核心函數..........................................155
8.2.3 數據集..........................................157
8.3 應用案例.................................................161
8.3.1 綫性判彆分析......................161
8.3.2 樸素貝葉斯分類........................167
8.3.3 K 最近鄰.................................172
8.3.4 有權重的K 最近鄰算法...................174
8.4 推薦係統綜閤實例..............................175
8.4.1 kNN 與推薦........................................176
8.4.2 MovieLens 數據集說明....................176
8.4.3 綜閤運用..............................................177
8.5 本章匯總.......................................182
第9 章 決策樹................................................183
9.1 概述...................................................183
9.1.1 樹形結構........................................183
9.1.2 樹的構建.......................................184
9.1.3 常用算法..........................................185
9.2 R 中的實現...................................................185
9.2.1 相關軟件包......................................185
9.2.2 核心函數.............................................186
9.2.3 數據集............................................187
9.3 應用案例.......................................................190
9.3.1 CART 應用..........................................191
9.3.2 C4.5 應用............................................202
9.4 本章匯總......................................................205
下篇 高級算法及應用
第10 章 集成學習......................................................208
10.1 概述..........................................................208
10.1.1 一個概率論小計算........................208
10.1.2 Bagging 算法.................................209
10.1.3 AdaBoost 算法................................209
10.2 R 中的實現.............................................209
10.2.1 相關軟件包...........................209
10.2.2 核心函數.......................210
10.2.3 數據集............................210
10.3 應用案例......................................213
10.3.1 Bagging 算法..........................213
10.3.2 Adaboost 算法..........................218
10.4 本章匯總.................................................219
第11 章 隨機森林.....................................220
11.1 概述...........................................................220
11.1.1 基本原理..........................................220
11.1.2 重要參數.........................................222
11.2 R 中的實現.................................................223
11.2.1 相關軟件包...................................223
11.2.2 核心函數....................................223
11.2.3 可視化分析....................................231
11.3 應用案例................................................232
11.3.1 數據處理....................................233
11.3.2 建立模型.....................................234
11.3.3 結果分析...................................235
11.3.4 自變量的重要程度..........................236
11.3.5 優化建模...............................237
11.4 本章匯總...................................................241
第12 章 支持嚮量機........................................242
12.1 概述........................................................242
12.1.1 結構風險最小原理......................243
12.1.2 函數間隔與幾何間隔....................244
12.1.3 核函數............................................245
12.2 R 中的實現.............................................245
12.2.1 相關軟件包..................................245
12.2.2 核心函數....................................246
12.2.3 數據集..............................248
12.3 應用案例..................................248
12.3.1 數據初探..........................249
12.3.2 建立模型.......................................249
12.3.3 結果分析......................................249
12.3.4 預測判彆..............................250
12.3.5 綜閤建模....................................251
12.3.6 可視化分析................................252
12.3.7 優化建模......................................254
12.4 本章匯總....................................256
第13 章 神經網絡.......................................257
13.1 概述......................................257
13.2 R 中的實現......................................258
13.2.1 相關軟件包.............................258
13.2.2 核心函數...............................258
13.3 應用案例..................................261
13.3.1 數據初探...........................261
13.3.2 數據處理....................................262
13.3.3 建立模型.............................263
13.3.4 結果分析..............................264
13.3.5 預測判彆.............................264
13.3.6 模型差異分析.......................266
13.3.7 優化建模..............................268
13.4 本章匯總....................................272
第14 章 模型評估與選擇............................273
14.1 評估過程概述..........................273
14.2 安裝Rattle 包.............................274
14.3 Rattle 功能簡介...........................275
14.3.1 Data——選取數據....................275
14.3.2 Explore——數據探究................276
14.3.3 Test——數據相關檢驗....................276
14.3.4 Transform——數據預處理..............277
14.3.5 Cluster——數據聚類.......................277
14.3.6 Model——模型評估......................277
14.3.7 Evaluate——模型評估.....................280
14.3.8 Log——模型評估記錄...................281
14.4 模型評估相關概念................................281
14.4.1 誤判率.........................................281
14.4.2 正確/錯誤的肯定判斷、正確/錯誤的否定判斷...............281
14.4.3 精確度、敏感度及特異性........................282
14.5 Rattle 在模型評估中的應用................................282
14.5.1 混淆矩陣..................................282
14.5.2 風險圖............................283
14.5.3 ROC 圖及相關圖錶.......................286
14.5.4 模型得分數據集.................287
14.6 綜閤實例................................288
14.6.1 數據介紹............................288
14.6.2 模型建立.................................288
14.6.3 模型結果分析......................289
· · · · · · (收起)
讀後感
評分
数据挖掘入门到精通—R语言视频教程 课程观看地址：http://www.xuetuwuyou.com/course/59 课程出自学途无忧网：http://www.xuetuwuyou.com 课程介绍 一、课程所用软件：R 3.2.2（64位） RStudio 二、课程涉及到的技术点： 1）R语言的基本语法、函数 2）R中实用性很强的包 3...
評分数据挖掘入门到精通—R语言视频教程 课程观看地址：http://www.xuetuwuyou.com/course/59 课程出自学途无忧网：http://www.xuetuwuyou.com 课程介绍 一、课程所用软件：R 3.2.2（64位） RStudio 二、课程涉及到的技术点： 1）R语言的基本语法、函数 2）R中实用性很强的包 3...
評分数据挖掘入门到精通—R语言视频教程 课程观看地址：http://www.xuetuwuyou.com/course/59 课程出自学途无忧网：http://www.xuetuwuyou.com 课程介绍 一、课程所用软件：R 3.2.2（64位） RStudio 二、课程涉及到的技术点： 1）R语言的基本语法、函数 2）R中实用性很强的包 3...
評分数据挖掘入门到精通—R语言视频教程 课程观看地址：http://www.xuetuwuyou.com/course/59 课程出自学途无忧网：http://www.xuetuwuyou.com 课程介绍 一、课程所用软件：R 3.2.2（64位） RStudio 二、课程涉及到的技术点： 1）R语言的基本语法、函数 2）R中实用性很强的包 3...
評分数据挖掘入门到精通—R语言视频教程 课程观看地址：http://www.xuetuwuyou.com/course/59 课程出自学途无忧网：http://www.xuetuwuyou.com 课程介绍 一、课程所用软件：R 3.2.2（64位） RStudio 二、课程涉及到的技术点： 1）R语言的基本语法、函数 2）R中实用性很强的包 3...
用戶評價
评分
果然是實戰，基本就不講原理，全是R軟件怎麼操作。對於被逼上梁山馬上就要齣結果的人來說，很適閤
评分果然是實戰，基本就不講原理，全是R軟件怎麼操作。對於被逼上梁山馬上就要齣結果的人來說，很適閤
评分實用，好上手的工具書。讀書果然需要雜，以前看不懂的部分，看完這本書突然有種豁然開朗的感覺。
评分教科書
评分入手很好用的一本書，買瞭一本實體查漏補缺。
相關圖書
本站所有內容均為互聯網搜索引擎提供的公開搜索信息，本站不存儲任何數據與內容，任何內容與數據均與本站無關，如有需要請聯繫相關搜索引擎包括但不限於百度，google,bing,sogou 等
© 2025 book.quotespace.org All Rights Reserved. 小美書屋 版权所有