 |
-- 會員 / 註冊 --
|
 |
|
|
|
R語言與數據挖掘最佳實踐和經典案例 ( 簡體 字) |
| 作者：Yanchang | 類別：1. -> 程式設計 -> R語言 |
| 譯者： |
| 出版社：機械工業出版社 |  3dWoo書號： 40057
詢問書籍請說出此書號！【缺書】
【不接受訂購】 |
| 出版日：9/1/2014 |
| 頁數：200 |
| 光碟數：0 |
|
站長推薦：   |
| 印刷：黑白印刷 | 語系： ( 簡體 版 ) |
| |
【不接受訂購】 | | ISBN：9787111475415 |
| 作者序 | 譯者序 | 前言 | 內容簡介 | 目錄 | 序 |
| (簡體書上所述之下載連結耗時費功, 恕不適用在台灣, 若讀者需要請自行嘗試, 恕不保證) |
| 作者序： |
| 譯者序： |
| 前言： |
內容簡介： 本書為研究人員、高校學生、數據分析人員介紹了使用R語言進行數據挖掘應用的實用方法和技術。讀者會從本書中發現使用R語言完成數據挖掘任務（如分類和預測、聚類、孤立點檢測、關聯規則、序列分析、文本挖掘、社會網絡分析、情感分析等）的非常有價值的指導。數據挖掘技術在廣泛領域都發展迅速。本書重點關注數據挖掘過程的建模階段，以及數據探查和模型評估問題。本書講述簡潔實用，配有現實應用案例和代碼示例以及數據，在線資源及時豐富，是一本數據分析的實戰技術圖書。 |
目錄：
R and Data Mining：Examples and Case Studies
出版者的話
譯者序
縮寫詞表
第1章 簡介1
1.1 數據挖掘1
1.2 R1
1.3 數據集2
1.3.1 iris數據集2
1.3.2 bodyfat數據集3
第2章 數據的導入與導出4
2.1 R數據的保存與加載4
2.2 .CSV文件的導入與導出4
2.3 從SAS中導入數據5
2.4 通過ODBC導入與導出數據6
2.4.1 從數據庫中讀取數據7
2.4.2 從Excel文件中導入與導出數據7
第3章 數據探索8
3.1 查看數據8
3.2 探索單個變量10
3.3 探索多個變量12
3.4 更多探索15
3.5 將圖表保存到文件中19
第4章 決策樹與隨機森林21
4.1 使用party包構建決策樹21
4.2 使用rpart包構建決策樹24
4.3 隨機森林29
第5章 回歸分析33
5.1 線性回歸33
5.2 邏輯回歸38
5.3 廣義線性回歸38
5.4 非線性回歸40
第6章 聚類41
6.1 k-means聚類41
6.2 k-medoids聚類43
6.3 層次聚類45
6.4 基于密度的聚類46
第7章 離群點檢測50
7.1 單變量的離群點檢測50
7.2 局部離群點因子檢測53
7.3 用聚類方法進行離群點檢測56
7.4 時間序列數據的離群點檢測58
7.5 討論59
第8章 時間序列分析與挖掘60
8.1 R中的時間序列數據60
8.2 時間序列分解60
8.3 時間序列預測62
8.4 時間序列聚類63
8.4.1 動態時間規整63
8.4.2 合成控制圖的時間序列數據64
8.4.3 基于歐氏距離的層次聚類65
8.4.4 基于DTW距離的層次聚類66
8.5 時間序列分類67
8.5.1 基于原始數據的分類67
8.5.2 基于特征提取的分類68
8.5.3 k-NN分類69
8.6 討論70
8.7 延伸閱讀70
第9章 關聯規則71
9.1 關聯規則的基本概念71
9.2 Titanic數據集71
9.3 關聯規則挖掘73
9.4 消除冗余78
9.5 解釋規則79
9.6 關聯規則的可視化80
9.7 討論與延伸閱讀82
第10章 文本挖掘84
10.1 Twitter的文本檢索84
10.2 轉換文本85
10.3 提取詞干86
10.4 建立詞項-文檔矩陣88
10.5 頻繁詞項與關聯90
10.6 詞云91
10.7 詞項聚類92
10.8 推文聚類94
10.8.1 基于k-means算法的推文聚類94
10.8.2 基于k-medoids算法的推文聚類96
10.9 程序包、延伸閱讀與討論98
第11章 社交網絡分析99
11.1詞項網絡99
11.2推文網絡102
11.3雙模式網絡107
11.4討論與延伸閱讀110
第12章 案例Ⅰ：房價指數的分析與預測111
12.1HPI數據導入111
12.2HPI數據探索112
12.3HPI趨勢與季節性成分118
12.4HPI預測120
12.5房地產估價122
12.6討論122
第13章 案例Ⅱ：客戶回復預測與效益最大化123
13.1簡介123
13.2KDD Cup 1998的數據123
13.3數據探索131
13.4訓練決策樹137
13.5模型評估140
13.6選擇最優決策樹143
13.7評分145
13.8討論與總結148
第14章 案例Ⅲ：內存受限的大數據預測模型150
14.1簡介150
14.2研究方法150
14.3數據與變量151
14.4隨機森林152
14.5內存問題153
14.6樣本數據的訓練模型154
14.7使用已選變量建立模型156
14.8評分162
14.9輸出規則168
14.9.1以文本格式輸出規則168
14.9.2輸出SAS規則的得分172
14.10總結與討論177
第15章 在線資源178
15.1R參考文檔178
15.2R178
15.3數據挖掘179
15.4R的數據挖掘180
15.5R的分類與預測181
15.6R的時間序列分析181
15.7R的關聯規則挖掘181
15.8R的空間數據分析181
15.9R的文本挖掘182
15.10R的社交網絡分析182
15.11R的數據清洗與轉換182
15.12R的大數據與并行計算182
R語言數據挖掘參考文檔184
參考資料197
通用索引201
包索引203
函數索引204
|
| 序： |
|
