經典統(tǒng)計理論和機器學習方法為數(shù)據(jù)挖掘提供了必要的分析技術。《R語言實戰(zhàn)――機器學習與數(shù)據(jù)分析》系統(tǒng)地介紹統(tǒng)計分析和機器學習領域中最為重要和流行的多種技術及其基本原理，在詳解有關算法的基礎上，結合大量R語言實例演示了這些理論在實踐中的使用方法。

具體內容被分成三個部分，即R語言編程基礎、基于統(tǒng)計的數(shù)據(jù)分析方法以及機器學習理論。統(tǒng)計分析與機器學習部分又具體介紹了參數(shù)估計、假設檢驗、極大似然估計、非參數(shù)檢驗方法（包括列聯(lián)分析、符號檢驗、符號秩檢驗等）、方差分析、線性回歸（包括嶺回歸和Lasso方法）、邏輯回歸、支持向量機、聚類分析（包括K均值算法和EM算法）和人工神經網絡等內容。同時，統(tǒng)計理論的介紹也為深化讀者對于后續(xù)機器學習部分的理解提供了很大助益。知識結構和閱讀進度的安排上既兼顧了循序漸進的學習規(guī)律，亦統(tǒng)籌考慮了夯實基礎的必要性。

本書內容與實際應用結合緊密，又力求突出深入淺出、系統(tǒng)翔實之特色，對算法原理的解釋更是細致入微。

目錄

第1章 初識R語言 1
第2章 探索R數(shù)據(jù) 10
第3章 編寫R程序 28
第4章 概率統(tǒng)計基礎 42
第5章 實用統(tǒng)計圖形 71
第6章 數(shù)據(jù)輸入/輸出 99
第7章 高級數(shù)據(jù)結構 118
第8章 統(tǒng)計推斷 146
第9章 非參數(shù)檢驗方法 181
第10章 一元線性回歸 208
第11章 線性回歸進階 239
第12章 方差分析方法 275
第13章 聚類分析 307
第14章 支持向量機 326
第15章 人工神經網絡 358