R语言与数据挖掘

封面 1
书名 2
版权 3
前言 4
目录 8
第一部分 基础篇 12
第1章 R语言的安装与使用 12
1.1 R安装与升级 13
1.2 R使用入门 14
1.2.1 R操作界面 14
1.2.2 RStudio窗口介绍 15
1.2.3 R常用操作 16
1.3 R数据分析包 18
1.4 配套资源使用说明 20
1.5 小结 20
1.6 上机实验 20
第2章 数据对象与数据读写 22
2.1 数据类型 22
2.2 数据结构 26
2.2.1 向量 26
2.2.2 矩阵 29
2.2.3 数组 34
2.2.4 数据框 35
2.2.5 因子 38
2.2.6 列表 41
2.3 数据文件的读写 44
2.3.1 键盘输入数据 44
2.3.2 读取不同格式的数据 45
2.3.3 从其他统计软件获取数据 47
2.3.4 从数据库获取数据 47
2.3.5 从网页获取数据 49
2.4 小结 50
2.5 上机实验 50
第3章 R语言常用数据管理 52
3.1 变量的重命名 52
3.2 缺失值分析 55
3.3 数据排序 56
3.4 随机抽样 58
3.5 数值运算函数 59
3.6 字符串处理 62
3.7 文本分词 66
3.8 apply函数族 72
3.9 数据整合 75
3.10 控制流 78
3.11 函数的编写 81
3.12 小结 82
3.13 上机实验 83
第4章 图形探索 85
4.1 图形元素 86
4.1.1 颜色 86
4.1.2 点 90
4.1.3 文本 92
4.1.4 线条 96
4.1.5 图例 101
4.1.6 坐标轴 102
4.2 图形组合 104
4.3 图形保存 107
4.4 图形函数 108
4.5 小结 126
4.6 上机实验 126
第5章 高级绘图工具 127
5.1 lattice包绘图工具 127
5.1.1 绘图特色 127
5.1.2 基本图形 132
5.2 ggplot2包绘图工具 145
5.2.1 从qplot开始 145
5.2.2 ggplot作图 147
5.3 交互式绘图工具简介 152
5.3.1 rCharts包 153
5.3.2 recharts包 157
5.3.3 googleVis包 157
5.3.4 htmlwidgets包 158
5.3.5 shiny包 163
5.4 小结 173
5.5 上机实验 173
第二部分 建模应用篇 176
第6章 分类与预测 176
6.1 回归分析 176
6.2 决策树 185
6.2.1 C4.5 算法 186
6.2.2 CART算法 188
6.2.3 C5.0算法 190
6.3 人工神经网络 191
6.4 KNN算法 193
6.5 朴素贝叶斯分类 195
6.6 其他分类与预测算法函数 197
6.7 分类与预测算法评价 202
6.8 小结 206
6.9 上机实验 206
第7章 聚类分析 208
7.1 K-Means聚类分析函数 209
7.2 层次聚类算法 214
7.3 其他聚类分析函数 217
7.4 小结 221
7.5 上机实验 222
第8章 关联规则 223
8.1 Apriori关联规则 224
8.2 小结 236
8.3 上机实验 236
第9章 智能推荐 238
9.1 智能推荐模型构建 238
9.2 智能推荐模型评价 242
9.3 小结 245
9.4 上机实验 245
第10章 时间序列 247
10.1 ARIMA模型 247
10.2 其他时间序列模型 255
10.3 小结 260
10.4 上机实验 261
第三部分 Rattle篇 264
第11章 可视化数据挖掘工具Rattle 264
11.1 Rattle简介及其安装 264
11.1.1 Rattle简介 264
11.1.2 Rattle安装 264
11.2 功能预览 265
11.3 数据导入 266
11.3.1 导入CSV数据 266
11.3.2 导入ARFF数据 271
11.3.3 导入ODBC数据 272
11.3.4 R Dataset——导入其他数据源 274
11.3.5 导入RData File数据集 277
11.3.6 导入Library数据 278
11.4 数据探索 279
11.4.1 数据总体概况 279
11.4.2 数据分布探索 282
11.4.3 相关性 285
11.4.4…