本書是一本R語言入門讀物，它旨在幫助讀者迅速構(gòu)建起與數(shù)據(jù)分析相關(guān)的知識體系，并學(xué)習(xí)如何使用R軟件實現(xiàn)數(shù)據(jù)分析方法。無論有無編程基礎(chǔ)或數(shù)學(xué)基礎(chǔ)，本書都能幫助讀者成長為一名合格的數(shù)據(jù)分析師。本書全面介紹了來自統(tǒng)計分析、機器學(xué)習(xí)、人工智能等領(lǐng)域的多種數(shù)據(jù)分析算法，在講解與之相關(guān)的R代碼時，還討論了這些算法的原理、優(yōu)缺點與適用背景。本書按照由易到難的原則組織章節(jié)主題，讀者將獲得*好的閱讀體驗。通過閱讀本書，讀者將對R語言在數(shù)據(jù)分析領(lǐng)域的應(yīng)用有一個全面的認識。這種認識不被特定行業(yè)所局限，任何行業(yè)的讀者都能利用本書介紹的數(shù)據(jù)分析方法解決本行業(yè)的數(shù)據(jù)分析問題。

目錄
 

版權(quán)頁
前言
第1章 R的基本介紹
1.1 強大的R
1.2 R語言在大數(shù)據(jù)中的應(yīng)用
1.3 R的安裝與啟動
1.4 R的向量、矩陣和數(shù)組
1.5 R的列表和數(shù)據(jù)框
1.6 R數(shù)據(jù)文件的載入和載出
1.7 向R中安裝包
第2章 原始數(shù)據(jù)的探索與預(yù)處理
2.1 度量數(shù)據(jù)集的集中程度
2.2 度量數(shù)據(jù)集的分散程度
2.3 創(chuàng)建一個數(shù)值摘要表
2.4 異常值的觀測與說明
2.5 缺失值的填補與處理
第3章 R的數(shù)據(jù)可視化
3.1 plot（）函數(shù)和常用的圖形參數(shù)
3.2 經(jīng)典的基礎(chǔ)圖形及用途
3.3 將圖形組合起來
3.4 更多的高水平作圖函數(shù)
3.5 更多的常用作圖命令
第4章 R中參數(shù)的估計和檢驗
4.1 使用R進行點估計和區(qū)間估計
4.2 與正態(tài)總體有關(guān)的參數(shù)檢驗
4.3 列聯(lián)表與獨立性檢驗
4.4 幾種檢驗數(shù)據(jù)分布的函數(shù)
4.5 對非正態(tài)總體的區(qū)間估計和檢驗
第5章 R中的方差分析
5.1 方差分析模型的建立
5.2 單因素方差分析
5.3 多因素方差分析
5.4 秩檢驗和協(xié)方差分析
第6章 R中的相關(guān)分析和回歸分析
6.1 多種相關(guān)系數(shù)的度量和分析
6.2 線性回歸分析及其常規(guī)參數(shù)
6.3 使用逐步回歸篩選自變量
6.4 啞變量和邏輯回歸
第7章 更高級的數(shù)據(jù)可視化
7.1 基礎(chǔ)圖形的拓展與延伸
7.2 有關(guān)多元分布函數(shù)的特殊圖形
7.3 建立最簡單的3D圖形
7.4 如何讓圖形更美觀
7.5 更多的繪圖包和系統(tǒng)
第8章 R中的聚類分析和判別分析
8.1 幾種聚類分析的異同
8.2 使用R實現(xiàn)KNN聚類
8.3 使用R實現(xiàn)系統(tǒng)聚類
8.4 使用R實現(xiàn)快速聚類
8.5 幾種判別分析模型綜述
第9章 R中的主成分分析和因子分析
9.1 主成分分析的實現(xiàn)與應(yīng)用
9.2 因子分析的初次構(gòu)建與完善
9.3 對因子分析模型進行修正
9.4 在降維分析的基礎(chǔ)上進行回歸分析和聚類分析
第10章 R中的廣義線性回歸模型
10.1 一般的廣義線性回歸模型
10.2 Logistic線性回歸模型
10.3 泊松回歸分析模型
10.4 廣義線性模型的交叉驗證
第11章 R中的時間序列模型
11.1 將數(shù)據(jù)轉(zhuǎn)換為時間序列格式
11.2 分解時間序列并檢驗時間序列的自相關(guān)性
11.3 探究時間序列的自相關(guān)性
11.4 構(gòu)建時間序列并預(yù)測
第12章 R中的最優(yōu)化問題
12.1 最優(yōu)化問題簡述
12.2 黃金分割法
12.3 牛頓最優(yōu)化方法
12.4 最快上升法
12.5 R中的最優(yōu)化函數(shù)
第13章 使用R繪制地理信息圖形
13.1 繪制世界、國家、省市地圖
13.2 向地圖中添加顏色
13.3 向地圖中添加標簽和線條
13.4 使用其他格式的文件優(yōu)化地圖
第14章 使用R構(gòu)建支持向量機
14.1 構(gòu)建一個簡單的支持向量機
14.2 優(yōu)化支持向量機的參數(shù)
14.3 比較支持向量機與Logistic回歸的優(yōu)劣
14.4 比較支持向量機和KNN聚類算法的優(yōu)劣
第15章 實現(xiàn)更高效的流程控制和高級循環(huán)
15.1 R中的流程控制
15.2 R中的for循環(huán)、while循環(huán)和repeat循環(huán)
15.3 apply家族中的循環(huán)函數(shù)
15.4 更多的高級循環(huán)函數(shù)
第16章 R代碼的調(diào)試與優(yōu)化
16.1 R代碼的常見信息與警告
16.2 R代碼中的錯誤與錯誤處理方法
16.3 調(diào)試R代碼
16.4 向量化編程方法
第17章 構(gòu)建電影評分預(yù)測模型
17.1 獲取數(shù)據(jù)并探索
17.2 利用recommenderlab包處理數(shù)據(jù)
17.3 建立模型并評估
第18章 貝葉斯垃圾郵件過濾器模型
18.1 貝葉斯模型中的條件概率
18.2 復(fù)雜的數(shù)據(jù)預(yù)處理過程
18.3 利用occurrece值構(gòu)造分類器
反侵權(quán)盜版聲明