醉染图书R语言数据挖掘9787111547693

译者序
作者简介
审校者简介
前言
致谢
章预备知识1
1.1大数据2
1.2数据源3
1.3数据挖掘4
1.3.1特征提取4
1.3.2总结4
1.3.3数据挖掘过程5
1.4社交网络挖掘7
1.5文本挖掘9
1.5.1信息检索和文本挖掘10
1.5.2文本挖掘预测10
1.6网络数据挖掘10
1.7为什么选择R12
1.8统计学12
1.8.1统学与据挖掘13
1.8.2统计学与机器学习13
1.8.3统计学与R语言13
1.8.4数据挖掘中统计学的局限13
1.9机器学习13
1.9.1机器学习方法14
1.9.2机器学习架构14
1.10数据属与描述15
1.10.1数值属16
1.10.2分类属16
1.10.3数据描述16
1.10.4数据测量17
1.11数据清洗18
1.11.1缺失值18
1.11.2垃圾数据、噪声数据或异常值19
1.12数据集成19
1.13数据降维20
1.13.1特征值和特征向量20
1.13.2主成分分析20
1.13.3奇异值分解20
1.13.4CUR分解21
1.14数据变换与离散化21
1.14.1数据变换21
1.14.2标准化数据的变换方法22
1.14.3数据离散化22
1.15结果可视化
1.16练习24
1.17总结24
第2章频繁模式、关联规则和相关规则挖掘25
2.1关联规则和关联模式概述26
2.1.1模式和模式发现26
2.1.2关系或规则发现29
2.2购物篮分析30
2.2.1购物篮模型31
2.2.2Apriori算法31
2..Eclat算法35
2.2.4FP-growth算法37
2.2.5基于频繁项集的GenMax算法41
2.2.6基于频繁闭项集的Charm算法43
2.2.7关联规则生成算法44
.混合关联规则挖掘46
..1多层次和多维度关联规则挖掘46
..2基于约束的频繁模式挖掘47
2.4序列数据集挖掘48
2.4.1序列数据集48
2.4.2GSP算法48
2.5R语言实现50
2.5.1SPADE算法51
2.5.2从序列模式中生成规则52
2.6高能算法52
2.7练习53
2.8总结53
第3章分类54
3.1分类55
3.2通用决策树归纳法56
3.2.1属选择度量58
3.2.2决策树剪枝59
3..决策树生成的一般算法59
3.2.4R语言实现61
3.3使用3算法对高额度用户分类61
3.3.13算法62
3.3.2R语言实现64
3.3.3网络攻击检测64
3.3.4高额度用户分类66
3.4使用C4.5算法进行网络垃圾页面检测66
3.4.1C4.5算法67
3.4.2R语言实现68
3.4.3基于MapReduce的并行版本69
3..络垃圾页面检测70
3.5使用CART算法判断网络关键资源页面72
3.5.1CART算法73
3.5.2R语言实现74
3.5.3网络关键资源页面判断74
3.6木马程序流量识别方法和贝叶斯分类75
3.6.1估计75
3.6.2贝叶斯分类76
3.6.3R语言实现77
3.6.4木马流量识别方法77
3.7垃圾邮件识别和朴素贝叶斯分类79
3.7.1朴素贝叶斯分类79
3.7.2R语言实现80
3.7.3垃圾邮件识别80
3.8基于规则的计算机游戏玩家类型分类和基于规则的分类81
3.8.1从决策树变换为决策规则82
3.8.2基于规则的分类82
3.8.3序列覆盖算法83
3.8.4RIPPER算法83
3.8.5计算机游戏玩家类型的基于规则的分类85
3.9练习86
3.10总结86
第4章高级分类算法87
4.1集成方法87
4.1.1Bagging算法88
4.1.2Boosting和AdaBoost算法89
4.1.3随机森林算法91
4.1.4R语言实现91
4.1.5基于MapReduce的并行版本92
4.2生物学特征和贝叶斯信念网络92
4.2.1贝叶斯信念网络算法93
4.2.2R语言实现94
4..生物学特征94
4.3蛋白质分类和k近邻算法94
4.3.1kNN算法95
4.3.2R语言实现95
4.4文档检索和支持向量机95
4.4.1支持向量机算法97
4.4.2R语言实现99
4.4.3基于MapReduce的并行版本99
4.4.4文档检索100
4.5基于频繁模式的分类100
4.5.1关联分类100
4.5.2基于判别频繁模式的分类101
4.5.3R语言实现101
4.5.4基于序列频繁项集的文本分类102
4.6基于反向传播算法的分类102
4.6.1BP算法104
4.6.2R语言实现105
4.6.3基于MapReduce的并行版本105
4.7练习106
4.8总结107
第5章聚类分析108
5.1搜索引擎和k均值算法110
5.1.1k均值聚类算法111
5.1.2核k均值聚类算法112
5.1.3k模式聚类算法112
5.1.4R语言实现113
5.1.5基于MapReduce的并行版本113
5.1.6搜索引擎和网页聚类114
5.2自动提取文档文本和k中心点算法116
5.2.1PAM算法117
5.2.2R语言实现117
5..自动提取和总结文档文本117
5.3CLARA算法及实现118
5.3.1CLARA算法119
5.3.2R语言实现119
5.4CLARANS算法及实现119
5.4.1CLARANS算法120
5.4.2R语言实现120
5.5无监督的图像分类和仿传播聚

Bater Makhabel，为系统构架师，生活在中国北京、上海和乌鲁木齐等地。他于1995至2002年之间在清华大学学习，并获得计算机科学和技术的学士和博士。他在机器学习、数据挖掘、自然语言处理（NLP）、分布系统、嵌入系统、网络、移动平台、算法、应用数学和统计领域有丰富的经验。他服务过的客户包括CATechnologies、META4ALL和EDA（DFR的一家子公司）。同时，他也拥有在中国创办公司的经历。
Bater的生活开创地在计算机科学和人文科学之间取得了平衡。在过去的12年中，他在应用多种优选计算机技术于文化创作方面获得了经验，其中一项是人机界面，通过哈萨克语与计算机系统进行交互。他一直和他工作领域中的作家有合作，但是本书是他的正式作品。

Preface 前    言世界各地的统计学家和分析师正面临着处理许多复杂统计分析项目的迫切问题。由于人们对数据分析领域的兴趣日益增加，所以R语言提供了一个免费且开源的环境，适合学习和有效地利用现实世界中的预测建模方案。随着R语言社区的不断发展及其大量程序包的不断增加，它具备了解决众多实际问题的强大功能。
    R编程语言诞生已经有数十年了，它已经变得知名，不但被社区的科学家而且被更广泛的开发者社区所熟知。它已经成长为一个强大的工具，可以帮开发者在执行数据相关任务时生成有效且一致的源代码。由于R语言开发团队和独立贡献者已经创建了良好的文档，所以使用R语言编程并不困难。
    进而，你可以使用来自R语言官方的程序包。如果你想不断提高自己的专业水平，那么你可能需要阅读在过去几年中已经出版的书籍。你应该始终铭记：创建高水平、安全且国际兼容的代码比初始创建的个应用程序更加复杂。
    本书的目的是帮你处理在复杂的统计项目中遇到的一系列可能比较困难的问题。本书的主题包括：学习在运行R语言程序时，如何使用R代码段处理数据，挖掘频繁模式、关联规则和相关规则。本书还为那些具有R语言基础的读者提供了成功创建和自定义常用数据挖掘算法的技能和知识。这将有于克服困难，并确保在运用R语言公开可用的丰富程序包开发数据挖掘算法时，R编程语言能够得到的使用。
    本书的每一章是独立存在的，因此你可以自由地跳转到任何一章，学习你觉得自己需要对某个特定的话题进行更加深入了解的章节。如果你觉得自己遗漏了一些重要的知识，你可以回顾前面的章节。本书的组织方式有于逐步拓展你的知识框架。
    你需要了解如何编写不同的预测模型、流数据和时间序列数据的代码，同时你还会接触到基于MapReduce算法（一种编程模型）的解决方案。学完本书，你将会为自己所具备的能力（知道哪种数据挖掘算法应用于哪种情况）而感到自信。
    我喜欢使用R编程语言进行多用途数据挖掘任务的开发与研究，我高兴能与大家分享我的热情和专业知识，帮大家更有效地使用R语言，更舒适地使用数据挖掘算法的发展成果与应用。
    本书主要内容章阐述数据挖掘的概要知识，数据挖掘与机器学习、统计学的关系，介绍数据挖掘基本术语，如数据定义和预处理等。
    第2章包含使用R语言编程时，学习挖掘频繁模式、关联规则和相关规则所需的高级且有趣的算法。
    第3章帮你学使用R语言编写经典分类算法，涵盖了应用于不同类型数据集的多种分类算法。
    第4章讲述更多的分类算法，如贝叶斯信念网络、支持向量机（SVM）和k近邻算法。
    第5章讲述如何使用流行与经典的算法进行聚类，如k均值、CLARA和谱算法。
    第6章介绍与当前行业热点话题相关的高级聚类算法的实现，如EM、CLIUE和DBSCAN等。
    第7章介绍如何应用经典和流行算法来检测现实世界案例中的异常值。
    第8章运用、经典以及的算法来讲解流数据、时间序列和序列数据挖掘这3个热点话题。
    第9章介绍图挖掘和社交挖掘算法的概要及有趣的话题。
    0章介绍应用领域中算法的有趣应用。
    附录包含算法和数据结构的列表以便帮你学数据挖掘。
    学习本书的准备知识任何一台装有Windows、Linux或者Mac OS系统的个人计算机都可以运行本书给出的代码示例。本书所使用的软件都是开源的，可以从http://www.r-project.org/上免费获取。
    读者对象本书适合对R语言和统计学具有基本知识的数据科学家、定量分析师和软件。本书定读者只熟悉基本的R语言知识，如主要的数据类型、简单的函数和如何来回移动数据。不需要先前熟悉数据挖掘软件包。但是，你应该对数据挖掘的概念和过程有基本的认知。
    即使你对于数据挖掘完全是一个新人，你也能够同时掌握基本和高级的数据挖掘算法的实现。你将学习如何从各种数据挖掘算法中选择合适的算法，将这些算法应用于现实世界可用的大多数数据集中的某些特定数据集中。
    约定本书中，你将发现多种文字印刷格式，它们用于对不同类型的信息进行区分。下面是关于这些格式的一些例子以及它们的含义。
    文本中的代码、数据库表名、文件夹名、文件名、文件扩展名、路径名、虚拟URL、用户输入和Twitter 如下所示：“我们可以通过使用include指令来包含的上下文。”
    新的术语和重要词用粗体标示。例如，在屏幕上、菜单中或者对话框中看到的词将这样出现在文本中：“单击Next按钮进入下一个界面。”
    警告或者重要的说明将会出现在这样的图标后面。
    提示或技巧将会出现在这样的图标后面。
    读者反馈读者的反馈始终是受欢迎的。让我们知道你如何看待本书——你喜欢哪些内容或者你可能不喜欢哪些内容。读者的反馈对于我们制定使读者真正获得效用的主题是十分重要的。
    可以通过发送邮件至邮箱feedback@packtpub.com，并在邮件的主题中提及书名来给我们提供意见。
    如果你对于某个主题有专长，或者你有兴趣编写一本书或协完成一本书，可以到www.packtpub.com/authors看一看我们的撰稿指南。
    客户支持既然你现在自豪地拥有了一本Packt书，那么我们可以做很多事来帮你充分利用你购买的书籍。
    下载示例代码你可以从你在http://www.packtpub.com的账户上下载所有你已经购买的Packt书的示例代码。如果你在地方购买本书，你可以访问http://www.packtpub.com/support并注册，我们将通过邮件直接给你发送文件。你也可以在https://itu.com/batermj/learning-data-mining-with-r找到本书的代码文件。
    勘误表虽然我们已经尽力确保书中内容的准确，但错误难免会发生。如果你在我们的某一本书中发现错误（可能是文本或者代码中的错误）并向我们报告错误，我们将不胜感激。由此，你可以使读者免于困惑并帮我们改进该书的后续版本。如果你发现任何错误，请通过访问http://www.packtpub.com/submit-errata，选择相应图书，单击errata submission form（勘误提交表单）的链接，并输入错误的详细信息以便报告给我们。一旦你的错误得到验，你的提交将被接受并上传到我们的，或者添加到现有的勘误表中，列于该标题下的勘误表部分。任何现有的勘误表均可从http://www.packtpub.com/support上选择你所需要的标题进行查看。
    盗版行为因特网上版权材料的盗版行为是所有媒介一直存在的问题。在Packt，我们重视对版权和许可的保护。如果你在网络上遇到任何形式非法复制我们著作的行为，请立刻向我们提供位置地址或者名称以便我们能够寻找补救方法。
    我们的联系方式是copyright@packtpub.com，请一并附上关于涉嫌盗版材料的链接。
    我们感谢你对我们的作者以及我们为你带来有价值内容的能力的保护。
    问题如果你对本书有任何方面的问题，可以联系我们（questions@packtpub.com），我们将竭尽所能帮你解决。
    Acknowledgements?致    谢感谢我的妻子Zurypa Dawletkan和儿子Bakhtiyar。他们支持我利用多个周末和夜晚使得本书得以出版。
    我也要感谢Luke Presland，给予我机会来撰写这本书。十分感谢Rebecca Pedley和Govindan K，你们对本书的贡献是巨大的。感谢Jalasha D’costa和技术编辑及团队为该书出版付出的努力，使得本书看起来还不错。同时，感谢组稿编辑和技术审校者。
    我也要谢谢我的兄弟Bolat Makhabel博士（LinkedIn: BOLATMJ），他给我提供了本书英文版封面的照片，他具有医学背景。照片中的植物名为Echinops（植物学的拉丁名字），哈萨克语称为Lahsa，在中国称为蓝刺头。这种植物用于传统的哈萨克医药，也是我兄弟研究的一部分。
    尽管我的专业知识来源于不断的实践，但它也来源于我的母校（清华大学）和戴梅萼教授、赵雁南教授、王家钦教授、Ju Yuma教授以及众多老师为我打下的坚实基础。他们的精神鼓励我在计算机科学和技术领域继续努力。我要感谢我的岳父母Dawletkan Kobegen和Burux Takay，感谢他们照顾我的儿子。
    ，我要对我的姐姐Aynur Makhabel和姐夫Akimjan Xaymardan表达我的敬意。