第1章 關於R
1．1 為什麼選擇R
1．2 如何學習R
1．3 R入門必備
1．4 小 結
第2章 R的數據組織
2．1 R的數據對象
2．2 創建和訪問R的數據對象
2．3 從文本文件讀數據
2．4 外部數據的導入
2．5 R數據組織的其他問題
2．6 小 結
第3章 R的數據管理
3．1 數據閤並
3．2 數據排序
3．3 缺失數據報告
3．4 變量計算
3．5 變量值的重編碼
3．6 數據篩選
3．7 數據保存
3．8 數據管理中控製流程
3．9 小 結
第4章 R的基本數據分析：描述和相關
4．1 數值型單變量的描述
4．2 分類型單變量的描述
4．3 兩數值型變量相關性的分析
4．4 兩分類型變量相關性的分析
4．5 小 結
第5章 R的基本數據分析：可視化
5．1 繪圖基礎
5．2 數值型單變量分布的可視化
5．3 分類型變量分布和相關性的可視化
5．4 兩數值型變量相關性的可視化
5．5 lattice繪圖
5．6 小 結
第6章 R的兩均值比較檢驗
6．1 兩獨立樣本的均值檢驗
6．2 兩配對樣本的均值檢驗
6．3 樣本均值檢驗的功效分析
6．4 兩總體分布差異的非參數檢驗
6．5 兩樣本均值差的置換檢驗
6．6 兩樣本均值差的自舉法檢驗
6．7 小 結
第7章 R的方差分析
7．1 單因素方差分析
7．2 單因素協方差分析
7．3 多因素方差分析
7．4 小 結
第8章 R的迴歸分析：一般綫性模型
8．1 迴歸分析概述
8．2 建立綫性迴歸模型
8．3 綫性迴歸方程的檢驗
8．4 迴歸診斷：誤差項是否滿足高斯馬爾科夫假定
8．5 迴歸診斷：診斷數據中的異常觀測點
8．6 迴歸診斷：多重共綫性的診斷
8．7 迴歸建模策略
8．8 迴歸模型驗證
8．9 帶虛擬變量的綫性迴歸分析
8．10 小 結
第9章 R的迴歸分析：廣義綫性模型
9．1 廣義綫性模型概述
9．2 logistic迴歸分析：連接函數和參數估計
9．3 logistic迴歸分析：解讀模型和模型檢驗
9．4 logistic迴歸分析：R函數和示例
9．5 logistic迴歸分析：迴歸診斷
9．6 泊鬆迴歸分析
9．7 廣義綫性模型的交叉驗證
9．8 小 結
第10章 R的聚類分析
10．1 聚類分析概述
10．2 K-Means聚類
10．3 層次聚類
10．4 兩步聚類
10．5 小 結
第11章 R的因子分析：變量降維
11．1 因子分析概述
11．2 構造因子變量：基於主成分分析法
11．3 構造因子變量：基於主軸因子法
11．4 因子變量的命名
11．5 計算因子得分
11．6 小 結
第12章 R的綫性判彆分析：分類模型
12．1 距離判彆
12．2 Fisher判彆
12．3 小 結
第13章 R的決策樹：預測模型
13．1 決策樹算法概述
13．2 分類迴歸樹的生長過程
13．3 分類迴歸樹的剪枝
13．4 建立分類迴歸樹的R函數和示例
13．5 建立分類迴歸樹的組閤預測模型
13．6 隨機森林
13．7 小 結
第14章 R的人工神經網絡：預測和聚類
14．1 人工神經網絡概述
14．2 B-P反嚮傳播網絡
14．3 B-P反嚮傳播網絡的R函數和示例
14．4 SOM自組織映射網絡
14．5 小 結
· · · · · · (收起)