超值优惠券
¥50
满100可用 有效期2天

全场图书通用（淘书团除外）

 
不再提示
关闭
图书盲袋，以书为“药”
26周年店庆|每满88减40，到手低至1元
欢迎光临中图网 请 | 注册
搜索
搜索全部
  • 搜索全部
  • 书名
  • 作者
  • 出版社
  • ISBN
高级搜索
我身体里的人造星星乡间的日常情感勒索神秘的黑猫
  • 合成诗经
  • 新人领礼券
  • 新用户注册领10元
中图网
>
计算机/网络
>
程序设计
>
其他
R语言数据分析与挖掘实战手册
分享

R语言数据分析与挖掘实战手册

作者：程静
出版社：中国铁道出版社出版时间：2019-06-01
开本： 16开 页数： 264
本类榜单：计算机/网络销量榜
中 图 价:¥20.3(3.4折) 定价  ¥59.8 登录后可看到会员价
加入购物车 收藏
运费6元，满39元免运费
?新疆、西藏除外
温馨提示：5折以下图书主要为出版社尾货，大部分为全新（有塑封/无塑封），个别图书品相8-9成新、切口
有划线标记、光盘等附件不全详细品相说明>>
本类五星书更多>
中图价:¥20.3 加入购物车
洞明世事，从读书开始 淘书团

R语言数据分析与挖掘实战手册 版权信息

  • ISBN：9787113257453
  • 条形码：9787113257453 ; 978-7-113-25745-3
  • 装帧：80g胶版纸
  • 册数：暂无
  • 重量：暂无
  • 所属分类：
    计算机/网络
    >
    程序设计
    >
    其他

R语言数据分析与挖掘实战手册 本书特色

本书系统地介绍了利用R 语言进行数据分析和挖掘的相关技术，采用由浅入深的框架体系：开篇伊始介绍R 语言的基础操作，进而介绍回归分析、方差分析等数据分析的方法，以更好地探索数据内部结构，获取数据所包含的信息；更重要的是为后续的数据挖掘提供理论依据；*后介绍典型数据挖掘工具和方法，采用理论基础到算法介绍到案例实战的布局，让读者深刻感知数据挖掘的精髓，在了解算法的同时更好地学以致用。

R语言数据分析与挖掘实战手册 内容简介

本书系统地介绍了利用R 语言进行数据分析和挖掘的相关技术，采用由浅入深的框架体系：开篇伊始介绍R 语言的基础操作，进而介绍回归分析、方差分析等数据分析的方法，以更好地探索数据内部结构，获取数据所包含的信息；更重要的是为后续的数据挖掘提供理论依据；*后介绍典型数据挖掘工具和方法，采用理论基础到算法介绍到案例实战的布局，让读者深刻感知数据挖掘的精髓，在了解算法的同时更好地学以致用。

R语言数据分析与挖掘实战手册 目录

第1 章 R 语言简介 1.1 R 语言软件的安装与运行................................................................................................. 1 1.1.1 R 语言软件的安装、启动与关闭........................................................................... 1 1.1.2 R 语言程辑包的安装和使用.................................................................................. 4 1.2 R 语言的数据结构............................................................................................................. 6 1.2.1 R 语言对象和类型................................................................................................. 6 1.2.2 向量........................................................................................................................ 7 1.2.3 数组和矩阵........................................................................................................... 12 1.2.4 列表...................................................................................................................... 17 1.2.5 数据框.................................................................................................................. 20 第2 章 数据的读取与保存 2.1 数据的读取...................................................................................................................... 24 2.1.1 读取内置数据集和文本文件................................................................................ 24 2.1.2 读取Excel 数据和CSV 格式的数据.................................................................... 30 2.1.3 读取R 语言格式数据和网页数据........................................................................ 33 2.1.4 读取其他格式的数据........................................................................................... 34 2.2 数据保存.......................................................................................................................... 36 2.2.1 写出数据.............................................................................................................. 36 2.2.2 使用函数cat() ...................................................................................................... 37 2.2.3 保存为R 语言格式文件....................................................................................... 38 2.2.4 保存为其他类型文件........................................................................................... 39 第3 章 数据预处理 3.1 缺失值处理...................................................................................................................... 40 3.1.1 缺失值判断........................................................................................................... 40 3.1.2 缺失模型判断....................................................................................................... 44 3.1.3 常用处理方法....................................................................................................... 48 3.2 数据整理.......................................................................................................................... 53 3.2.1 数据合并.............................................................................................................. 53 3.2.2 选取子集.............................................................................................................. 56 3.2.3 数据转换.............................................................................................................. 59 第4 章 数据的探索性分析 4.1 基本绘图函数.................................................................................................................. 66 4.2 探索单个变量.................................................................................................................. 74 4.2.1 单组数据的图形描述........................................................................................... 74 4.2.2 单组数据的描述性分析....................................................................................... 79 4.3 探索多个变量.................................................................................................................. 81 4.3.1 两组数据的图形描述........................................................................................... 81 4.3.2 多组数据的图形描述........................................................................................... 85 4.3.3 多组数据的描述性统计....................................................................................... 88 4.4 其他图像探索.................................................................................................................. 90 第5 章 回归分析 5.1 一元线性回归.................................................................................................................. 94 5.1.1 模型简介.............................................................................................................. 94 5.1.2 函数介绍.............................................................................................................. 96 5.1.3 综合案例：iris 数据集的一元回归建模.............................................................. 97 5.2 多元线性回归.................................................................................................................. 99 5.2.1 模型简介.............................................................................................................. 99 5.2.2 综合案例：iris 数据集的多元回归建模............................................................ 100 5.3 变量的选择.................................................................................................................... 105 5.3.1 逐步回归方法简介及函数介绍.......................................................................... 105 5.3.2 综合案例：swiss 数据集的逐步回归建模......................................................... 106 5.3.3 岭回归的方法简介及函数介绍.......................................................................... 109 5.3.4 综合案例：longley 数据集的岭回归探索.......................................................... 110 5.3.5 lasso 回归方法简介及函数介绍......................................................................... 114 5.3.6 综合案例：longley 数据集的lasso 回归建模.................................................... 115 5.4 Logistic 回归.................................................................................................................. 117 5.4.1 模型简介............................................................................................................ 117 5.4.2 函数介绍............................................................................................................ 119 5.4.3 综合案例：iris 数据集的逻辑回归建模............................................................ 120 第6 章 方差分析 6.1 单因素方差分析............................................................................................................ 124 6.1.1 模型介绍............................................................................................................ 124 6.1.2 函数介绍............................................................................................................ 126 6.1.3 综合案例：不同治疗方法下胆固醇降低效果的差异性分析............................ 127 6.2 双因素方差分析............................................................................................................ 130 6.2.1 模型介绍............................................................................................................ 130 6.2.2 综合案例：不同剂量下老鼠妊娠重量的差异性分析........................................ 132 6.3 协方差分析.................................................................................................................... 136 6.3.1 模型简介............................................................................................................ 136 6.3.2 函数介绍............................................................................................................ 136 6.3.3 综合案例：hotdog 数据集的协方差分析........................................................... 137 第7 章 主成分分析和因子分析 7.1 降维的基本方法：主成分分析..................................................................................... 139 7.1.1 理论基础：原始变量的线性组合...................................................................... 139 7.1.2 模型介绍............................................................................................................ 141 7.1.3 函数介绍............................................................................................................ 143 7.1.4 综合案例：longley 数据集的变量降维及回归.................................................. 144 7.1.5 综合案例：longley 数据集的变量降维及回归（主成分回归）....................... 148 7.2 推广发展：因子分析.................................................................................................... 150 7.2.1 理论基础：多个变量综合为少数因子............................................................... 150 7.2.2 模型介绍............................................................................................................ 151 7.2.3 函数介绍............................................................................................................ 153 7.2.4 综合案例：能力和智商测试的因子分析探索................................................... 154 第8 章 判别分析 8.1 距离判别法.................................................................................................................... 160 8.1.1 理论基础：离谁近，就属于谁.......................................................................... 160 8.1.2 函数介绍............................................................................................................ 162 8.1.3 综合案例：基于距离判别的iris 数据集分类.................................................... 164 8.2 Bayes 判别法................................................................................................................. 168 8.2.1 理论基础：先验概率与错判损失...................................................................... 168 8.2.2 函数介绍............................................................................................................ 170 8.2.3 综合案例：基于iris 数据集的Bayes 判别分析................................................ 171 8.3 Fisher 判别法................................................................................................................. 171 8.3.1 理论基础：投影................................................................................................. 171 8.3.2 函数介绍............................................................................................................ 173 8.3.3 综合案例：基于Fisher 判别的iris 数据集分类................................................ 174 第9 章 常规聚类分析 9.1 深入了解聚类分析........................................................................................................ 178 9.1.1 差异与分类......................................................................................................... 178 9.1.2 主流的聚类算法................................................................................................. 179 9.2 动态聚类........................................................................................................................ 180 9.2.1 聚类的基本过程................................................................................................. 180 9.2.2 函数介绍............................................................................................................ 183 9.2.3 综合案例：基于随机生成序列的动态聚类....................................................... 184 9.3 层次聚类........................................................................................................................ 194 9.3.1 聚类的基本过程................................................................................................. 194 9.3.2 函数介绍............................................................................................................ 197 9.3.3 综合案例：基于UScitiesD 数据集的层次聚类................................................. 199 9.4 密度聚类........................................................................................................................ 202 9.4.1 聚类的基本过程................................................................................................. 202 9.4.2 函数介绍............................................................................................................ 202 9.4.3 综合案例：基于随机生成序列的密度聚类....................................................... 203 9.5 EM 聚类......................................................................................................................... 204 9.5.1 聚类的基本过程................................................................................................. 205 9.5.2 函数介绍............................................................................................................ 205 9.5.3 综合案例：基于iris 数据集的EM 聚类............................................................ 206 第10 章 关联规则 10.1 简单关联规则.............................................................................................................. 210 10.1.1 基本概念与表示形式....................................................................................... 210 10.1.2 评价简单关联规则的有效性和实用性............................................................. 211 10.2 序列关联规则.............................................................................................................. 212 10.2.1 差异与基本概念............................................................................................... 212 10.2.2 生成序列关联规则........................................................................................... 213 10.3 Apriori 算法................................................................................................................. 214 10.3.1 算法介绍：挖掘频繁项集................................................................................ 214 10.3.2 函数介绍.......................................................................................................... 215 10.3.3 综合案例：基于Titanic 数据集的关联规则挖掘............................................ 216 10.4 Eclat 算法.................................................................................................................... 224 10.4.1 算法介绍：自底向上的搜索............................................................................ 224 10.4.2 函数介绍.......................................................................................................... 224 10.4.3 综合案例：基于美国人口调查数据的关联规则挖掘...................................... 225 10.5 SPADE 算法................................................................................................................. 230 10.5.1 算法介绍：基于序列格的搜索和连接............................................................. 231 10.5.2 函数介绍.......................................................................................................... 232 10.5.3 综合案例：基于zaki 数据集的序列关联规则挖掘......................................... 233 第11 章 神经网络 11.1 深入了解人工神经网络............................................................................................... 239 11.1.1 生物神经元....................................................................................................... 240 11.1.2 人工神经元模型............................................................................................... 241 11.1.3 人工神经网络种类........................................................................................... 244 11.1.4 建立模型的一般步骤........................................................................................ 247 11.2 B-P 反向传播网络....................................................................................................... 248 11.2.1 B-P 反向传播网络模型.................................................................................... 248 11.2.2 算法介绍........................................................................................................... 249 11.2.3 函数介绍........................................................................................................... 250 11.3 综合案例：基于Boston 数据的波士顿郊区房价预测建模........................................ 252
展开全部

R语言数据分析与挖掘实战手册 作者简介

程静，毕业于重庆大学，目前就职于西部估值最高的互联网公司猪八戒网，担任高级数据分析工程师，负责行业数据搜集、整理、分析，并依据数据做出行业研究、评估和预测，擅长大数据分析及数据挖掘的各种算法熟练使用R语言及Python语言。

商品评论(0条)
写书评 赚书币
暂无评论……
书友推荐
本类畅销
编辑推荐
返回顶部
新手上路
新用户指引
注册用户 更改注册信息
购物常见问题
关于特价书的常见问题
购买问题
订单跟踪
付款方式
账户余额  申请提现
配送方式及费用、范围
集团购买
售后服务
退换货流程
投诉与建议
特色服务
会员等级与书币
中图网书馨卡
邀请好友购买返10元礼包
其他信息
本站简介
联系我们
招聘英才
网站联盟
友情链接
微信公众号
中图网微信
中图网微博
中图网微博
手机中图网
手机中图网
中图网
诚信认证 电子商务诚信单位认证

京ICP备09013606号-3京信市监发[2002]122号海淀公安分局备案编号：1101083394

营业执照出版物经营许可证 京出发京批字第直110071

在线客服