最新公告
  • 欢迎您光临源码库,本站秉承服务宗旨 履行“站长”责任,销售只是起点 服务永无止境!立即加入
  • 数据挖掘 R语言实战

    资源名称:数据挖掘 R语言实战

    内容简介:

    数据挖掘技术是当下大数据时代最关键的技术,其应用领域及前景不可估量。R 是一款极其优秀的统计分析和数据挖掘软件,《数据挖掘:R语言实战》侧重使用R 进行数据挖掘,重点讲述了R 的数据挖掘流程、算法包的使用及相关工具的应用,同时结合大量精选的数据挖掘实例对R 软件进行深入潜出和全面的介绍,以便读者能深刻理解R 的精髓并能快速、高效和灵活地掌握使用R 进行数据挖掘的技巧。

    通过《数据挖掘:R语言实战》,读者不仅能掌握使用R 及相关的算法包来快速解决实际问题的方法,而且能得到从实际问题分析入手,到利用R 进行求解,以及对挖掘结果进行分析的全面训练。

    《数据挖掘:R语言实战》适用于计算机、互联网、机器学习、信息、数学、经济金融、管理、运筹、统计以及有关理工科专业的本科生、研究生使用,也能帮助市场营销、金融、财务、人力资源管理人员及产品经理解决实际问题,还能帮助从事咨询、研究、分析行业的人士及各级管理人士提高专业水平。

    资源目录:

    第0 章 致敬,R!………………………… 1

    致敬,肩膀!………………… 1

    致敬,时代!…………………………….. 3

    致敬,人才!…………………………….. 4

    致敬,R 瑟!…………………………… 5

    上篇 数据预处理

    第1 章 数据挖掘导引……………………10

    1.1 数据挖掘概述…………………………10

    1.1.1 数据挖掘的过程………………………..10

    1.1.2 数据挖掘的对象………………………………12

    1.1.3 数据挖掘的方法………………………………….12

    1.1.4 数据挖掘的应用……………………………..13

    1.2 数据挖掘的算法………………………………………….14

    1.3 数据挖掘的工具………………………………………….17

    1.3.1 工具的分类………………………………………17

    1.3.2 工具的选择………………………………………18

    1.3.3 商用的工具…………………………………….19

    1.3.4 开源的工具……………………………………..21

    1.4 R 在数据挖掘中的优势………………………………23

    第2 章 数据概览…………………………..25

    2.1 n×m 数据集………………………………25

    2.2 数据的分类………………………………..28

    2.2.1 一般的数据分类……………………………..28

    2.2.2 R 的数据分类………………………………..29

    2.2.3 用R 简单处理数据…………………………31

    2.3 数据抽样及R 实现………………………………34

    2.3.1 简单随机抽样………………………………….34

    2.3.2 分层抽样………………………………………….36

    2.3.3 整群抽样………………………………………….38

    2.4 训练集与测试集…………………………………………40

    2.5 本章汇总………………………………………40

    第3 章 用R 获取数据…………………………………42

    3.1 获取内置数据集…………………………….42

    3.1.1 datasets 数据集……………………..42

    3.1.2 包的数据集………………………………43

    3.2 获取其他格式的数据………………………….45

    3.2.1 CSV 与TXT 格式…………………….45

    3.2.2 从Excel 直接获取数据……………………47

    3.2.3 从其他统计软件中获取数据…………….48

    3.3 获取数据库数据……………………………………..50

    3.4 获取网页数据………………………………52

    3.5 本章汇总……………………………55

    第4 章 探索性数据分析………………………56

    4.1 数据集…………………………………56

    4.2 数字化探索……………………………..57

    4.2.1 变量概况……………………………..57

    4.2.2 变量详情……………………………….58

    4.2.3 分布指标………………………………..61

    4.2.4 稀疏性………………………………………62

    4.2.5 缺失值……………………………………..63

    4.2.6 相关性…………………………………….65

    4.3 可视化探索…………………………………68

    4.3.1 直方图…………………………………..68

    4.3.2 累积分布图…………………………………..71

    4.3.3 箱形图…………………………………..73

    4.3.4 条形图………………………………….78

    4.3.5 点阵图…………………………………..81

    4.3.6 饼图……………………………………….82

    4.5 本章汇总……………………………………………….84

    第5 章 数据预处理………………………………………86

    5.1 数据集加载………………………………….86

    5.2 数据清理……………………………………….88

    5.2.1 缺失值处理……………………………….90

    5.2.2 噪声数据处理…………………………….95

    5.2.3 数据不一致的处理…………………………..97

    5.3 数据集成……………………………………99

    5.4 数据变换………………………………101

    5.5 数据归约……………………………………….102

    5.6 本章汇总…………………………………….104

    中篇 基本算法及应用

    第6 章 关联分析…………………………………106

    6.1 概述……………………………………….106

    6.2 R 中的实现………………………………………109

    6.2.1 相关软件包………………………………109

    6.2.2 核心函数…………………………………109

    6.2.3 数据集………………………………….110

    6.3 应用案例…………………………………….111

    6.3.1 数据初探………………………………….111

    6.3.2 对生成规则进行强度控制…………………….112

    6.3.3 一个实际应用……………………………….114

    6.3.4 改变输出结果形式………………………..115

    6.3.5 关联规则的可视化…………………………116

    6.4 本章汇总……………………………………………………120

    第7 章 聚类分析……………………………….121

    7.1 概述…………………….121

    7.1.1 K-均值聚类…………………………………….122

    7.1.2 K-中心点聚类………………………………122

    7.1.3 系谱聚类…………………………………122

    7.1.4 密度聚类………………………………….124

    7.1.5 期望最大化聚类…………………………125

    7.2 R 中的实现………………………………………………126

    7.2.1 相关软件包…………………………………126

    7.2.2 核心函数………………………………………127

    7.2.3 数据集…………………………………………129

    7.3 应用案例……………………………………………….131

    7.3.1 K-均值聚类………………………………….131

    7.3.2 K-中心点聚类…………………………….135

    7.3.3 系谱聚类……………………………………….137

    7.3.4 密度聚类………………………………………..140

    7.3.5 期望最大化聚类……………………………145

    7.4 本章汇总…………………………………………………..150

    第8 章 判别分析…………………………………..151

    8.1 概述……………………………151

    8.1.1 费希尔判别…………………..152

    8.1.2 贝叶斯判别…………………….153

    8.1.3 距离判别…………………………..153

    8.2 R 中的实现………………………………..154

    8.2.1 相关软件包……………………….154

    8.2.2 核心函数……………………………………155

    8.2.3 数据集……………………………………157

    8.3 应用案例………………………………………….161

    8.3.1 线性判别分析………………….161

    8.3.2 朴素贝叶斯分类……………………167

    8.3.3 K 最近邻……………………………172

    8.3.4 有权重的K 最近邻算法……………….174

    8.4 推荐系统综合实例…………………………175

    8.4.1 kNN 与推荐………………………………….176

    8.4.2 MovieLens 数据集说明………………..176

    8.4.3 综合运用……………………………………….177

    8.5 本章汇总…………………………………182

    第9 章 决策树…………………………………………183

    9.1 概述……………………………………………183

    9.1.1 树形结构………………………………….183

    9.1.2 树的构建…………………………………184

    9.1.3 常用算法……………………………………185

    9.2 R 中的实现……………………………………………185

    9.2.1 相关软件包………………………………..185

    9.2.2 核心函数………………………………………186

    9.2.3 数据集……………………………………..187

    9.3 应用案例……………………………………………….190

    9.3.1 CART 应用……………………………………191

    9.3.2 C4.5 应用……………………………………..202

    9.4 本章汇总………………………………………………205

    下篇 高级算法及应用

    第10 章 集成学习………………………………………………208

    10.1 概述………………………………………………….208

    10.1.1 一个概率论小计算……………………208

    10.1.2 Bagging 算法……………………………209

    10.1.3 AdaBoost 算法…………………………..209

    10.2 R 中的实现………………………………………209

    10.2.1 相关软件包………………………209

    10.2.2 核心函数…………………..210

    10.2.3 数据集……………………….210

    10.3 应用案例………………………………..213

    10.3.1 Bagging 算法……………………..213

    10.3.2 Adaboost 算法……………………..218

    10.4 本章汇总………………………………………….219

    第11 章 随机森林……………………………….220

    11.1 概述…………………………………………………..220

    11.1.1 基本原理……………………………………220

    11.1.2 重要参数…………………………………..222

    11.2 R 中的实现………………………………………….223

    11.2.1 相关软件包……………………………..223

    11.2.2 核心函数………………………………223

    11.2.3 可视化分析………………………………231

    11.3 应用案例…………………………………………232

    11.3.1 数据处理………………………………233

    11.3.2 建立模型……………………………….234

    11.3.3 结果分析……………………………..235

    11.3.4 自变量的重要程度……………………..236

    11.3.5 优化建模………………………….237

    11.4 本章汇总……………………………………………241

    第12 章 支持向量机………………………………….242

    12.1 概述………………………………………………..242

    12.1.1 结构风险最小原理………………….243

    12.1.2 函数间隔与几何间隔………………..244

    12.1.3 核函数……………………………………..245

    12.2 R 中的实现………………………………………245

    12.2.1 相关软件包…………………………….245

    12.2.2 核心函数………………………………246

    12.2.3 数据集…………………………248

    12.3 应用案例…………………………….248

    12.3.1 数据初探……………………..249

    12.3.2 建立模型…………………………………249

    12.3.3 结果分析………………………………..249

    12.3.4 预测判别…………………………250

    12.3.5 综合建模………………………………251

    12.3.6 可视化分析…………………………..252

    12.3.7 优化建模………………………………..254

    12.4 本章汇总………………………………256

    第13 章 神经网络…………………………………257

    13.1 概述………………………………..257

    13.2 R 中的实现………………………………..258

    13.2.1 相关软件包………………………..258

    13.2.2 核心函数………………………….258

    13.3 应用案例…………………………….261

    13.3.1 数据初探………………………261

    13.3.2 数据处理………………………………262

    13.3.3 建立模型………………………..263

    13.3.4 结果分析…………………………264

    13.3.5 预测判别………………………..264

    13.3.6 模型差异分析…………………..266

    13.3.7 优化建模…………………………268

    13.4 本章汇总………………………………272

    第14 章 模型评估与选择……………………….273

    14.1 评估过程概述……………………..273

    14.2 安装Rattle 包………………………..274

    14.3 Rattle 功能简介………………………275

    14.3.1 Data——选取数据………………..275

    14.3.2 Explore——数据探究…………….276

    14.3.3 Test——数据相关检验………………..276

    14.3.4 Transform——数据预处理…………..277

    14.3.5 Cluster——数据聚类…………………..277

    14.3.6 Model——模型评估………………….277

    14.3.7 Evaluate——模型评估…………………280

    14.3.8 Log——模型评估记录……………….281

    14.4 模型评估相关概念…………………………..281

    14.4.1 误判率…………………………………..281

    14.4.2 正确/错误的肯定判断、正确/错误的否定判断……………281

    14.4.3 精确度、敏感度及特异性……………………282

    14.5 Rattle 在模型评估中的应用…………………………..282

    14.5.1 混淆矩阵…………………………….282

    14.5.2 风险图……………………….283

    14.5.3 ROC 图及相关图表…………………..286

    14.5.4 模型得分数据集……………..287

    14.6 综合实例…………………………..288

    14.6.1 数据介绍……………………….288

    14.6.2 模型建立……………………………288

    14.6.3 模型结果分析………………….289

    资源截图:

    数据挖掘 R语言实战插图源码资源库

    猜你在找

    1. 本站所有资源来源于用户上传和网络,如有侵权请邮件联系站长!
    2. 分享目的仅供大家学习和交流,您必须在下载后24小时内删除!
    3. 不得使用于非法商业用途,不得违反国家法律。否则后果自负!
    4. 本站提供的源码、模板、插件等等其他资源,都不包含技术服务请大家谅解!
    5. 如有链接无法下载、失效或广告,请联系管理员处理!
    6. 本站资源售价只是赞助,收取费用仅维持本站的日常运营所需!

    源码资源库 » 数据挖掘 R语言实战