醉染图书R语言9787302494324

章 绪论
1.1 为什么学习R语言 1
1.1.1 R是什么 1
1.1.2 R语言主要优势 2
1.2 正确的数据思维观 4
1.2.1 数学思维 5
1.2.2 统计思维 5
1.. 逻辑思维 10
习题 12
基础篇
第2章 R语言入门
2.1 新手上路 17
2.1.1 两个例子 17
2.1.2 R是什么 19
2.2 R语言开发环境部署 19
2.2.1 安装R 19
2.2.2 安装RStudio 20
. 获取帮 22
..1 文档和搜索 22
..2 演示 22
.. 帮函数
2.4 工作空间
2.5 脚本 24
2.6 R包 25
习题 25
第3章 数据类型
3.1 变量与常量 27
3.1.1 变量 27
3.1.2 常量 28
3.2 结构类型 28
3.2.1 向量 29
3.2.2 矩阵 31
3.. 数组 33
3.2.4 数据框 35
3.2.5 因子 36
3.2.6 列表 37
3.3 字符串操作 38
3.3.1 基本操作 38
3.3.2 字符串处理stringr包 39
3.4 用于数据处理和转换的常用函数 40
习题 41
第4章 数据准备
4.1 数据导入 43
4.1.1 键盘输入数据 44
4.1.2 导入文本文件 45
4.1.3 导入Excel数据 46
4.1.4 导入数据库文件 47
4.2 数据导出 48
4.2.1 导出文本文件 48
4.2.2 保存图片 49
习题 49
第5章 数据可视化
5.1 低水平绘图命令 51
5.1.1 点 51
5.1.2 线 54
5.1.3 面 56
5.2 高水平绘图命令 59
5.2.1 认识ggplot2 59
5.2.2 几何对象 59
5.. 映 60
5.2.4 统计对象 62
5.2.5 标度 63
5.2.6 分面 65
5.2.7 修饰 67
5.3 交互式绘图命令 69
5.3.1 rCharts包 69
5.3.2 plotly包 70
5.3.3 shiny 72
习题 80
第6章 数据探索
6.1 缺失值分析 82
6.1.1 与缺失值相关的几个概念 82
6.1.2 缺失值检测 83
6.2 异常值分析 84
6.2.1 箱线图检验离群点 85
6.2.2 散点图检测离群点 86
6.. LOF方法检测异常值 87
6.2.4 聚类方法检测异常值 87
6.3 不一致值分析 88
6.4 数据的统计特征分析 88
6.4.1 分布分析 88
6.4.2 对比分析 90
6.4.3 统计量分析 91
6.4.4 周期分析 93
6.4.5 相关分析 94
习题 97
第7章 数据变换
7.1 数据清洗 100
7.1.1 缺失数据处理 100
7.1.2 数据去重 101
7.1.3 规范化 102
7.2 数据选择 103
7.2.1 删除有75%以上相同数值的自变量 103
7.2.2 删除高相关的自变量 104
7.. 重要变量的选择 105
7.2.4 数据集选择 106
7.2.5 主成分分析 106
7.2.6 因子分析 108
7.3 数据集成 109
7.3.1 通过向量化重构数据 109
7.3.2 为数据添加新变量 110
7.3.3 数据透视表 112
7.3.4 频度 117
7.3.5 数据整合 118
7.3.6 分组汇总 121
习题 124
第8章 不错编程
8.1 控制结构 126
8.1.1 选择结构程序设计 126
8.1.2 循环结构程序设计 127
8.2 用户自定义函数 128
习题 129
第9章 数据建模
9.1 Rattle包 132
9.2 聚类模型 139
9.2.1 背景 139
9.2.2 K-Means聚类 139
9.. Ewkm聚类 142
9.2.4 层次聚类（Hierachical） 144
9.2.5 双向聚类（BiCluster） 146
9.3 关联分析模型 147
9.3.1 背景 147
9.3.2 基本术语 148
9.3.3 关联规则的分类 149
9.3.4 Apriori算法 150
9.3.5 实验指导 151
9.4 传统决策树模型 153
9.4.1 背景 153
9.4.2 3算法 155
9.4.3 C4.5算法 156
9.4.4 实验指导 156
9.5 随机森林决策树模型 159
9.5.1 背景 159
9.5.2 随机森林算法 159
9.5.3 实验指导 161
9.6 自适应选择决策树模型 164
9.6.1 背景 164
9.6.2 Boosting算法 164
9.6.3 adaboost算法 165
9.6.4 实验指导 165
9.7 SVM 169
9.7.1 背景 169
9.7.2 SVM算法 169
9.7.3 实验指导 172
9.8 线回归模型 173
9.8.1 背景 173
9.8.2 一元线回归方法 173
9.8.3 实验指导 175
9.9 神经网络模型 175
9.9.1 背景 175
9.9.2 人工神经网络模型 176
9.9.3 实验指导 179
习题 181
0章 模型评估
10.1 数据集 185
10.2 混淆矩阵 186
10.2.1 二分类混淆矩阵 186
10.2.2 模型评价指标 187
10.. 多分类混淆矩阵 188
10.3 风险图 188
10.3.1 风险图的作用 188
10.3.2 实验指导 189
10.4 ROC曲线 191
10.4.1 什么是ROC曲线 191
10.4.2 ROC曲线作用 191
10.4.3 实验指导 191
习题 193
应用篇
1章 影响大学平均录取分数线因素分析
11.1 背景与目标 197
11.2 数据说明 197
11.3 描述分析 200
11.4 总结与建议 203
2章 收视率分析
12.1 背景介绍 204
12.2 数据说明 204
1. 描述分析 205
12.4 总结与建议 211
进阶篇
3章 RHadoop
13.1 认识RHadoop 215
13.1.1 为什么要让Hadoop结合R语言 215
13.1.2 Mahout与R在做数据挖掘的区别 216
13.2 RHadoop安装 216
13.2.1 依赖包安装 216
13.2.2 RHadoop的特点 219
13.3 综合练习 220
习题 225
4章 SparkR
14.1 认识SparkR 228
14.1.1 安装SparkR 228
14.1.2 在R或Rstudio中调用SparkR 228
14.2 SparkDataFrame 229
14.3 SparkR支持的机器学习算法 0
14.4 综合练习 0
14.4.1 加载数据 0
14.4.2 SparkDataFrame基本操作 1
14.4.3 从Spark上运行SL查询
14.4.4 SparkR操作hdfs上的文件
14.4.5 通过SparkR操作spark-sql以hive的表为对象 4
习题 4
参考文献
附录 大数据和人工智能实验环境

刘鹏，教授，清华大学博士，现任中国信息协会大数据分会副会长、南京大数据研究院院长、中国大数据应用联盟人工智能专家委员会主任、中国大数据专家委员会委员。曾率队夺得2002 PennySort靠前计算机排序比赛优选（这是我国获得的靠前个大数据比赛世界优选），两次夺得全国高校科技比赛优选奖，三次夺得清华大学科技比赛优选奖。主持完成科研项目25项，发表80余篇，出版专业图书20部。获部级科技进步二等奖4项、三等奖4项。2002年开创提出“计算池”模式，被2007年开始流行的“云计算”所实。2003年开创提出“反垃圾邮件网格”，被2008年开始流行的“云安全”所实。荣获“全军十大学习成才标兵”（排名靠前）、南京“十大杰出青年”、江苏省中青年科学技术带头人、清华大学“学术新秀”等称号。