R语言数据挖掘

本书特色

[

网络将物理世界的自然资源和心理世界的智慧资源联系在一起，拥有无限的数据资源。数据挖掘是目前开发数据资源，探索未知世界的*先进方法。数据挖掘突破了传统数据分析理论的应用局限，利用高性能计算逼近数据规律的真相。r语言则以其开源性、全面性、易用性和可扩充性，成为数据挖掘实践*有效的工具。本书围绕数据预测、揭示数据内在结构、揭示数据关联性、诊断异常数据等数据挖掘核心目标，深入浅出地讨论了众多经典数据挖掘方法、r语言实现以及案例。本书可作为高等院校相关专业本科生和研究生的数据挖掘教材使用，也适合科研机构、政府和企业经营管理部门等研究人员阅读参考。

]

内容简介

[

一本真正地手把手教你学会数据挖掘的r语言教材！ 

]

作者简介

[

薛薇，中国人民大学应用统计中心副主任，中国人民大学统计学院副教授。主要研究领域：数据挖掘、文本挖掘、复杂网络建模。关注统计和数据挖掘算法及软件应用，统计数据库系统研发等方面。涉足交通、金融、贸易等复杂网络动态建模，电商数据分析，网络新媒体舆论传播、热点事件主题跟踪和预测建模，政府和官方微博、学科学术热点跟踪等文本挖掘，以及社会网络分析和以数据挖掘为依托的客户关系管理等领域。

]

目录

第1章数据挖掘与r语言概述1.1什么是数据挖掘1.2数据挖掘的结果1.3数据挖掘能做什么1.4数据挖掘方法的特点1.5数据挖掘的典型应用1.6r语言入门**1.7本章函数列表第2章r的数据组织和整理2.1r的数据对象2.2向量的创建和访问2.3矩阵的创建和访问2.4数据框的创建和访问2.5数组和列表的创建和访问2.6数据对象的相互转换2.7导入外部数据和保存数据2.8r语言程序设计基础2.9r语言数据整理和程序设计综合应用2.10本章函数列表第3章r的数据可视化3.1绘图基础3.2单变量分布特征的可视化3.3多变量联合分布特征的可视化3.4变量间相关性的可视化3.5gis数据的可视化3.6文本词频数据的可视化3.7本章函数列表第4章r的近邻分析：数据预测4.1近邻分析：k近邻法4.2基于变量重要性的加权k近邻法4.3基于观测相似性的加权k近邻法4.4本章函数列表第5章r的决策树：数据预测5.1决策树算法概述5.2分类回归树的生长过程5.3分类回归树的剪枝5.4分类回归树的r函数和应用示例5.5建立分类回归树的组合预测模型5.6随机森林5.7本章函数列表第6章r的人工神经网络：数据预测6.1人工神经网络概述6.2b�瞤反向传播网络6.3b�瞤反向传播网络的r函数和应用示例6.4本章函数列表第7章r的支持向量机：数据预测7.1支持向量分类概述7.2线性可分问题下的支持向量分类7.3广义线性可分问题下的支持向量分类7.4线性不可分问题下的支持向量分类7.5多分类的支持向量分类7.6支持向量回归7.7r的支持向量机及应用示例7.8本章函数列表第8章r的一般聚类：揭示数据内在结构8.1聚类分析概述8.2基于质心的聚类模型：k�瞞eans聚类8.3基于质心的聚类模型：pam聚类8.4基于联通性的聚类模型：层次聚类8.5基于统计分布的聚类模型：em聚类8.6本章函数列表第9章r的特色聚类：揭示数据内在结构9.1birch聚类9.2som网络聚类9.3基于密度的聚类模型：dbscan聚类9.4本章函数列表第10章r的关联分析：揭示数据关联性10.1简单关联规则及其测度10.2apriori算法及应用示例10.3eclat算法及应用示例10.4简单关联分析的应用示例10.5序列关联分析及spade算法10.6本章函数列表第11章r的模式甄别：诊断异常数据11.1模式甄别方法和评价概述11.2模式甄别的无监督侦测方法及应用示例11.3模式甄别的有监督侦测方法及应用示例11.4模式甄别的半监督侦测方法及应用示例11.5本章函数列表第12章r的网络分析初步12.1网络的定义表示及构建12.2网络节点重要性的测度12.3网络子群构成特征研究12.4网络整体特征刻画12.5主要网络类型及特点12.6本章函数列表

封面

书名:R语言数据挖掘

作者:薛薇

页数:445

定价:¥52.0

出版社:中国人民大学出版社

出版日期:2016-04-01

ISBN:9787300226705

PDF电子书大小:101MB 高清扫描完整版