| 失效链接处理 |
|
R语言与数据挖掘最佳实践和经典案例 PDF
转载自：http://www.jb51.net/books/596061.html
本站整理下载：
版权归出版社和原作者所有，链接已删除，请购买正版
用户下载说明：
电子版仅供预览，下载后24小时内务必删除，支持正版，喜欢的请购买正版书籍：
http://product.dangdang.com/23566065.html
相关截图：
资料简介：
本书为研究人员、高校学生、数据分析人员介绍了使用R语言进行数据挖掘应用的实用方法和技术。读者会从本书中发现使用R语言完成数据挖掘任务（如分类和预测、聚类、孤立点检测、关联规则、序列分析、文本挖掘、社会网络分析、情感分析等）的非常有价值的指导。数据挖掘技术在广泛领域都发展迅速。本书重点关注数据挖掘过程的建模阶段，以及数据探查和模型评估问题。本书讲述简洁实用，配有现实应用案例和代码示例以及数据，在线资源及时丰富，是一本数据分析的实战技术图书。
资料目录：
R and Data Mining：Examples and Case Studies
出版者的话 译者序 缩写词表 第1章 简介1 1.1 数据挖掘1 1.2 R1 1.3 数据集2 1.3.1 iris数据集2 1.3.2 bodyfat数据集3 第2章 数据的导入与导出4 2.1 R数据的保存与加载4 2.2 .CSV文件的导入与导出4 2.3 从SAS中导入数据5 2.4 通过ODBC导入与导出数据6 2.4.1 从数据库中读取数据7 2.4.2 从Excel文件中导入与导出数据7 第3章 数据探索8 3.1 查看数据8 3.2 探索单个变量10 3.3 探索多个变量12 3.4 更多探索15 3.5 将图表保存到文件中19 第4章 决策树与随机森林21 4.1 使用party包构建决策树21 4.2 使用rpart包构建决策树24 4.3 随机森林29 第5章 回归分析33 5.1 线性回归33 5.2 逻辑回归38 5.3 广义线性回归38 5.4 非线性回归40 第6章 聚类41 6.1 k-means聚类41 6.2 k-medoids聚类43 6.3 层次聚类45 6.4 基于密度的聚类46 第7章 离群点检测50 7.1 单变量的离群点检测50 7.2 局部离群点因子检测53 7.3 用聚类方法进行离群点检测56 7.4 时间序列数据的离群点检测58 7.5 讨论59 第8章 时间序列分析与挖掘60 8.1 R中的时间序列数据60 8.2 时间序列分解60 8.3 时间序列预测62 8.4 时间序列聚类63 8.4.1 动态时间规整63 8.4.2 合成控制图的时间序列数据64 8.4.3 基于欧氏距离的层次聚类65 8.4.4 基于DTW距离的层次聚类66 8.5 时间序列分类67 8.5.1 基于原始数据的分类67 8.5.2 基于特征提取的分类68 8.5.3 k-NN分类69 8.6 讨论70 8.7 延伸阅读70 第9章 关联规则71 9.1 关联规则的基本概念71 9.2 Titanic数据集71 9.3 关联规则挖掘73 9.4 消除冗余78 9.5 解释规则79 9.6 关联规则的可视化80 9.7 讨论与延伸阅读82 第10章 文本挖掘84 10.1 Twitter的文本检索84 10.2 转换文本85 10.3 提取词干86 10.4 建立词项-文档矩阵88 10.5 频繁词项与关联90 10.6 词云91 10.7 词项聚类92 10.8 推文聚类94 10.8.1 基于k-means算法的推文聚类94 10.8.2 基于k-medoids算法的推文聚类96 10.9 程序包、延伸阅读与讨论98 第11章 社交网络分析99 11.1词项网络99 11.2推文网络102 11.3双模式网络107 11.4讨论与延伸阅读110 第12章 案例Ⅰ：房价指数的分析与预测111 12.1HPI数据导入111 12.2HPI数据探索112 12.3HPI趋势与季节性成分118 12.4HPI预测120 12.5房地产估价122 12.6讨论122 第13章 案例Ⅱ：客户回复预测与效益最大化123 13.1简介123 13.2KDD Cup 1998的数据123 13.3数据探索131 13.4训练决策树137 13.5模型评估140 13.6选择最优决策树143 13.7评分145 13.8讨论与总结148 第14章 案例Ⅲ：内存受限的大数据预测模型150 14.1简介150 14.2研究方法150 14.3数据与变量151 14.4随机森林152 14.5内存问题153 14.6样本数据的训练模型154 14.7使用已选变量建立模型156 14.8评分162 14.9输出规则168 14.9.1以文本格式输出规则168 14.9.2输出SAS规则的得分172 14.10总结与讨论177 第15章 在线资源178 15.1R参考文档178 15.2R178 15.3数据挖掘179 15.4R的数据挖掘180 15.5R的分类与预测181 15.6R的时间序列分析181 15.7R的关联规则挖掘181 15.8R的空间数据分析181 15.9R的文本挖掘182 15.10R的社交网络分析182 15.11R的数据清洗与转换182 15.12R的大数据与并行计算182 R语言数据挖掘参考文档184 参考资料197 通用索引201 包索引203 函数索引204 |
| Java1234官方群25： | 
|
| Java1234官方群25： | 838462530 |
苏公网安备 32061202001004号
