R語言數(shù)據(jù)挖掘（第2版）（21世紀統(tǒng)計學系列教材）
定 價：55 元
叢書名：21世紀統(tǒng)計學系列教材
- 作者：薛薇
- 出版時間：2018/7/1
- ISBN：9787300258256
- 出 版 社：中國人民大學出版社
- 中圖法分類：TP312R
- 頁碼：
- 紙張：膠版紙
- 版次：
- 開本：128開
數(shù)據(jù)挖掘，繼承和發(fā)展經典統(tǒng)計分析的理論成果，結合現(xiàn)代機器學習方法，借助大規(guī)模高性能計算不斷逼近大數(shù)據(jù)規(guī)律真相，突破了傳統(tǒng)數(shù)據(jù)分析方法的大數(shù)據(jù)應用局限；R語言，以其開源性、易用性、全面性、前沿性和可擴充性，是實現(xiàn)大數(shù)據(jù)分析實踐的有效工具�！禦語言數(shù)據(jù)挖掘》努力堅持：講明白理論原理，講明白案例問題，講明白實現(xiàn)步驟，講明白結果含義的寫作風格，圍繞大數(shù)據(jù)分析的四大核心問題：建立數(shù)據(jù)預測模型，揭示數(shù)據(jù)內在結構，探究數(shù)據(jù)關聯(lián)性，診斷異常數(shù)據(jù)，以應用案例為線索，深入淺出地討論了眾多經典數(shù)據(jù)挖掘方法原理，完整詳細地講解了R語言實現(xiàn)過程。本書可作為高等院校統(tǒng)計學、數(shù)據(jù)科學和大數(shù)據(jù)技術、大數(shù)據(jù)管理等相關專業(yè)本科生和研究生數(shù)據(jù)挖掘、機器學習和其他數(shù)據(jù)分析課程的教材，也可作為科研機構、政府和企業(yè)經營管理部門等研究人員參考用書。
薛薇，中國人民大學應用統(tǒng)計中心副主任，中國人民大學統(tǒng)計學院副教授。主要研究領域：數(shù)據(jù)挖掘、文本挖掘、復雜網(wǎng)絡建模。關注統(tǒng)計和數(shù)據(jù)挖掘算法及軟件應用，統(tǒng)計數(shù)據(jù)庫系統(tǒng)研發(fā)等方面。涉足交通、金融、貿易等復雜網(wǎng)絡動態(tài)建模，電商數(shù)據(jù)分析，網(wǎng)絡新媒體輿論傳播、熱點事件主題跟蹤和預測建模，政府和官方微博、學科學術熱點跟蹤等文本挖掘，以及社會網(wǎng)絡分析和以數(shù)據(jù)挖掘為依托的客戶關系管理等領域。
第1章數(shù)據(jù)挖掘與R語言概述
1.1什么是數(shù)據(jù)挖掘
1.2數(shù)據(jù)挖掘的結果
1.3數(shù)據(jù)挖掘能做什么
1.4數(shù)據(jù)挖掘方法的特點
1.5數(shù)據(jù)挖掘的典型應用
1.6R語言入門必備
1.7RStudio簡介
1.8本章函數(shù)列表
第2章R的數(shù)據(jù)組織和整理
2.1R的數(shù)據(jù)對象
2.2向量的創(chuàng)建和訪問
2.3矩陣的創(chuàng)建和訪問
2.4數(shù)據(jù)框的創(chuàng)建和訪問
2.5數(shù)組和列表的創(chuàng)建和訪問
2.6數(shù)據(jù)對象的相互轉換
2.7導入外部數(shù)據(jù)和保存數(shù)據(jù)
2.8R語言程序設計基礎
2.9R語言數(shù)據(jù)整理和程序設計綜合應用
2.10本章函數(shù)列表
第3章R的數(shù)據(jù)可視化
3.1繪圖基礎
3.2單變量分布特征的可視化
3.3多變量聯(lián)合分布特征的可視化
3.4變量間相關性的可視化
3.5GIS數(shù)據(jù)的可視化
3.6文本詞頻數(shù)據(jù)的可視化
3.7本章函數(shù)列表
第4章R的近鄰分析：數(shù)據(jù)預測
4.1近鄰分析：K近鄰法
4.2基于變量重要性的加權K近鄰法
4.3基于觀測相似性的加權K近鄰法
4.4本章函數(shù)列表
第5章R的決策樹：數(shù)據(jù)預測
5.1決策樹算法概述
5.2分類回歸樹的生長過程
5.3分類回歸樹的剪枝
5.4分類回歸樹的R函數(shù)和應用示例
5.5建立分類回歸樹的組合預測模型
5.6隨機森林
5.7本章函數(shù)列表
第6章R的人工神經網(wǎng)絡：數(shù)據(jù)預測
6.1人工神經網(wǎng)絡概述
6.2BP反向傳播網(wǎng)絡
6.3BP反向傳播網(wǎng)絡的R函數(shù)和應用示例
6.4本章函數(shù)列表
第7章R的支持向量機：數(shù)據(jù)預測
7.1支持向量分類概述
7.2線性可分問題下的支持向量分類
7.3廣義線性可分問題下的支持向量分類
7.4線性不可分問題下的支持向量分類
7.5多分類的支持向量分類
7.6支持向量回歸
7.7R的支持向量機及應用示例
7.8本章函數(shù)列表
第8章R的一般聚類：揭示數(shù)據(jù)內在結構
8.1聚類分析概述
8.2基于質心的聚類模型：KMeans聚類
8.3基于質心的聚類模型：PAM聚類
8.4基于聯(lián)通性的聚類模型：層次聚類
8.5基于統(tǒng)計分布的聚類模型：EM聚類
8.6本章函數(shù)列表
第9章R的特色聚類：揭示數(shù)據(jù)內在結構
9.1BIRCH聚類
9.2SOM網(wǎng)絡聚類
9.3基于密度的聚類模型：DBSCAN聚類
9.4本章函數(shù)列表
第10章R的關聯(lián)分析：揭示數(shù)據(jù)關聯(lián)性
10.1簡單關聯(lián)規(guī)則及其測度
10.2Apriori算法及應用示例
10.3Eclat算法及應用示例
10.4簡單關聯(lián)分析的應用示例
10.5序列關聯(lián)分析及SPADE算法
10.6本章函數(shù)列表
第11章R的模式甄別：診斷異常數(shù)據(jù)
11.1模式甄別方法和評價概述
11.2模式甄別的無監(jiān)督偵測方法及應用示例
11.3模式甄別的有監(jiān)督偵測方法及應用示例
11.4模式甄別的半監(jiān)督偵測方法及應用示例
11.5本章函數(shù)列表
第12章R的網(wǎng)絡分析初步
12.1網(wǎng)絡的定義、表示及構建
12.2網(wǎng)絡節(jié)點重要性的測度
12.3網(wǎng)絡子群構成特征研究
12.4網(wǎng)絡整體特征刻畫
12.5主要網(wǎng)絡類型及特點
12.6本章函數(shù)列表R語言數(shù)據(jù)挖掘
書單推薦
