由于此商品库存有限,请在下单后15分钟之内支付完成,手慢无哦!
100%刮中券,最高50元无敌券,券有效期7天
活动自2017年6月2日上线,敬请关注云钻刮券活动规则更新。
如活动受政府机关指令需要停止举办的,或活动遭受严重网络攻击需暂停举办的,或者系统故障导致的其它意外问题,苏宁无需为此承担赔偿或者进行补偿。
[友一个正版] R语言数据分析与挖掘实战 张良均 云伟标 王路 刘晓勇 数据取样 建模工具 小波变换 预测算法 决
¥ ×1
店铺公告
为保障消费者合理购买需求及公平交易机会,避免因非生活消费目的的购买货囤积商品,抬价转售等违法行为发生,店铺有权对异常订单不发货且不进行赔付。异常订单:包括但不限于相同用户ID批量下单,同一用户(指不同用户ID,存在相同/临近/虚构收货地址,或相同联系号码,收件人,同账户付款人等情形的)批量下单(一次性大于5本),以及其他非消费目的的交易订单。
温馨提示:请务必当着快递员面开箱验货,如发现破损,请立即拍照拒收,如验货有问题请及时联系在线客服处理,(如开箱验货时发现破损,所产生运费由我司承担,一经签收即为货物完好,如果您未开箱验货,一切损失就需要由买家承担,所以请买家一定要仔细验货),
关于退货运费:对于下单后且物流已发货货品在途的状态下,原则上均不接受退货申请,如顾客原因退货需要承担来回运费,如因产品质量问题(非破损问题)可在签收后,联系在线客服。
商品基本信息 | |
商品名称: | R语言数据分析与挖掘实战 |
作者: | 张良均 云伟标 王路 刘晓勇 |
市场价: | 69.00 |
ISBN号: | 9787111516040 |
版次: | 1-1 |
出版日期: | 2015-10 |
页数: | 325 |
字数: | 283 |
出版社: | 机械工业出版社 |
目录 | |
目录 前 言 基 础 篇 第1章 数据挖掘基础2 1.1 某知名连锁餐饮企业的困惑2 1.2 从餐饮服务到数据挖掘3 1.3 数据挖掘的基本任务4 1.4 数据挖掘建模过程4 1.4.1 定义挖掘目标4 1.4.2 数据取样5 1.4.3 数据探索6 1.4.4 数据预处理7 1.4.5 挖掘建模7 1.4.6 模型评价7 1.5 常用数据挖掘建模工具7 1.6 小结9 第2章 R语言简介10 2.1 R安装10 2.2 R使用入门11 2.2.1 R操作界面11 2.2.2 RStudio窗口介绍12 2.2.3 R常用操作13 2.3 R数据分析包16 2.4 配套附件使用设置18 2.5 小结18 第3章 数据探索19 3.1 数据质量分析19 3.1.1 缺失值分析20 3.1.2 异常值分析20 3.1.3 一致性分析22 3.2 数据特征分析23 3.2.1 分布分析23 3.2.2 对比分析25 3.2.3 统计量分析27 3.2.4 周期性分析29 3.2.5 贡献度分析30 3.2.6 相关性分析31 3.3 R语言主要数据探索函数35 3.3.1 统计特征函数35 3.3.2 统计作图函数37 3.4 小结40 第4章 数据预处理41 4.1 数据清洗42 4.1.1 缺失值处理42 4.1.2 异常值处理45 4.2 数据集成45 4.2.1 实体识别46 4.2.2 冗余属性识别46 4.3 数据变换46 4.3.1 简单函数变换46 4.3.2 规范化47 4.3.3 连续属性离散化48 4.3.4 属性构造51 4.3.5 小波变换52 4.4 数据规约55 4.4.1 属性规约55 4.4.2 数值规约58 4.5 R语言主要数据预处理函数61 4.6 小结65 第5章 挖掘建模66 5.1 分类与预测66 5.1.1 实现过程66 5.1.2 常用的分类与预测算法67 5.1.3 回归分析68 5.1.4 决策树73 5.1.5 人工神经网络79 5.1.6 分类与预测算法评价83 5.1.7 R语言主要分类与预测算法函数87 5.2 聚类分析89 5.2.1 常用聚类分析算法89 5.2.2 K-Means聚类算法90 5.2.3 聚类分析算法评价95 5.2.4 R语言主要聚类分析算法函数95 5.3 关联规则97 5.3.1 常用关联规则算法97 5.3.2 Apriori算法98 5.4 时序模式102 5.4.1 时间序列算法103 5.4.2 时间序列的预处理104 5.4.3 平稳时间序列分析105 5.4.4 非平稳时间序列分析107 5.4.5 R语言主要时序模式算法函数114 5.5 离群点检测116 5.5.1 离群点检测方法117 5.5.2 基于模型的离群点检测方法118 5.5.3 基于聚类的离群点检测方法120 5.6 小结122 实 战 篇 第6章 电力窃漏电用户自动识别126 6.1 背景与挖掘目标126 6.2 分析方法与过程129 6.2.1 数据抽取130 6.2.2 数据探索分析130 6.2.3 数据预处理133 6.2.4 构建专家样本137 6.2.5 模型构建138 6.3 上机实验143 6.4 拓展思考144 6.5 小结144 第7章 航空公司客户价值分析145 7.1 背景与挖掘目标145 7.2 分析方法与过程146 7.2.1 数据抽取149 7.2.2 数据探索分析149 7.2.3 数据预处理150 7.2.4 模型构建153 7.3 上机实验158 7.4 拓展思考159 7.5 小结159 第8章 中医证型关联规则挖掘160 8.1 背景与挖掘目标160 8.2 分析方法与过程162 8.2.1 数据获取163 8.2.2 数据预处理165 8.2.3 模型构建169 8.3 上机实验171 8.4 拓展思考172 8.5 小结172 第9章 基于水色图像的水质评价173 9.1 背景与挖掘目标173 9.2 分析方法与过程174 9.2.1 数据预处理175 9.2.2 模型构建177 9.2.3 水质评价179 9.3 上机实验180 9.4 拓展思考180 9.5 小结181 第10章 家用电器用户行为分析与事件识别182 10.1 背景与挖掘目标182 10.2 分析方法与过程183 10.2.1 数据抽取184 10.2.2 数据探索分析185 10.2.3 数据预处理185 10.2.4 模型构建195 10.2.5 模型检验198 10.3 上机实验200 10.4 拓展思考201 10.5 小结202 第11章 应用系统负载分析与磁盘容量预测203 11.1 背景与挖掘目标203 11.2 分析方法与过程205 11.2.1 数据抽取206 11.2.2 数据探索分析206 11.2.3 数据预处理207 11.2.4 模型构建208 11.3 上机实验213 11.4 拓展思考214 11.5 小结215 第12章 电子商务智能推荐服务216 12.1 背景与挖掘目标216 12.2 分析方法与过程222 12.2.1 数据抽取224 12.2.2 数据探索分析225 12.2.3 数据预处理230 12.2.4 模型构建235 12.3 上机实验245 12.4 拓展思考246 12.5 小结251 第13章 基于数据挖掘技术的市财政收入分析预测模型252 13.1 背景与挖掘目标252 13.2 分析方法与过程254 13.2.1 灰色预测与神经网络的组合模型255 13.2.2 数据探索分析256 13.2.3 模型构建259 13.3 上机实验273 13.4 拓展思考273 13.5 小结274 第14章 基于基站定位数据的商圈分析275 14.1 背景与挖掘目标275 14.2 分析方法与过程277 14.2.1 数据抽取277 14.2.2 数据探索分析278 14.2.3 数据预处理279 14.2.4 模型构建282 14.3 上机实验286 14.4 拓展思考286 14.5 小结287 第15章 电商产品评论数据情感分析288 15.1 背景与挖掘目标288 15.2 分析方法与过程288 15.2.1 评论数据采集289 15.2.2 评论预处理292 15.2.3 文本评论分词297 15.2.4 模型构建298 15.3 上机实验312 15.4 拓展思考313 15.5 小结314 提 高 篇 第16章 基于R语言的数据挖掘二次开发316 16.1 混合编程应用体验——TipDM数据挖掘平台316 16.2 二次开发过程环 |
内容简介 | |
本书共16章,分三个部分:基础篇、实战篇、提高篇。基础篇介绍了数据挖掘的基本原理,实战篇介绍了一个个真实案例,通过对案例深入浅出的剖析,使读者在不知不觉中通过案例实践获得数据挖掘项目经验,同时快速领悟看似难懂的数据挖掘理论。读者在阅读过程中,应充分利用随书配套的案例建模数据,借助相关的数据挖掘建模工具,通过上机实验,以快速理解相关知识与理论。高级篇介绍了基于R语言二次开发的数据挖掘应用软件,使读者体验到数据挖掘二次的开发的魅力。 |
亲,大宗购物请点击企业用户渠道>小苏的服务会更贴心!
亲,很抱歉,您购买的宝贝销售异常火爆让小苏措手不及,请稍后再试~
非常抱歉,您前期未参加预订活动,
无法支付尾款哦!
抱歉,您暂无任性付资格