本书涉及数据科学家感兴趣的核心话题，教会读者从各种各样的数据源中提取数据，并运用现有的公可用的R函数和R功能包来处理这些数据。在很多情况下，处理结果能够以图形的方式显示，并获得更直观的理解。读者从中能学到行业内经常使用的主流数据分析技术。 你可以从这本书中学到： ·发、执行和修改R语言脚本； ·发现、安装和使用第三方的R语言包； ·规划你的数据，以获得好的结果；
售 价：¥
纸质售价：¥47.60购买纸书
6.2
温馨提示：数字商品不支持退换货，不提供源文件，不支持导出打印
为你推荐
内容提要
作者简介
译者简介
关于中文版审稿人
英文版审核人简介
前言
本书内容
必备工具
目标读者
读者反馈
用户支持
下载示例代码
下载本书的彩色图像
勘误
版权保护
疑问
第1章 模式的数据挖掘
1.1 聚类分析
1.1.1 K-means聚类
1.1.2 K-medoids聚类
1.1.3 分层聚类
1.1.4 期望最大化
1.1.5 密度估计
1.2 异常检测
1.2.1 显示异常值
1.2.2 计算异常
1.3 关联规则
关联的挖掘
1.4 问题
1.5 总结
第2章 序列的数据挖掘
2.1 模式
2.1.1 Eclat
2.1.2 arulesNBMiner
2.1.3 Apriori
2.1.4 用TraMineR确定序列
2.1.5 序列相似点
2.2 问题
2.3 总结
第3章 文本挖掘
3.1 功能包
3.1.1 文本处理
3.1.2 文本集群
3.2 问题
3.3 总结
第4章 数据分析——回归分析
4.1 功能包
4.1.1 简单回归
4.1.2 多次回归
4.1.3 多变量回归分析
4.1.4 稳健回归
4.2 问题
4.3 总结
第5章 数据分析——相关性
5.1 功能包
5.1.1 基本相关性
5.1.2 可视化相关性
5.1.3 协方差
5.1.4 皮尔森相关性
5.1.5 多分格相关性
5.1.6 四分相关性
5.1.7 异构相关矩阵
5.1.8 部分相关性
5.2 问题
5.3 总结
第6章 数据分析——聚类
6.1 功能包
6.2 K-means聚类
6.2.1 示例
6.2.2 Medoids集群
6.2.3 cascadeKM函数
6.2.4 基于贝叶斯定理信息选取集群
6.2.5 仿射传播聚类
6.2.6 用于估测集群数量的间隙统计量
6.2.7 分级聚类
6.3 问题
6.4 总结
第7章 数据可视化——R图形
7.1 功能包
7.1.1 交互式图形
7.1.2 latticist功能包
7.1.3 ggplot2功能包
7.2 问题
7.3 总结
第8章 数据可视化——绘图
8.1 功能包
8.2 散点图
8.2.1 回归线
8.2.2 lowess线条
8.2.3 scatterplot函数
8.2.4 Scatterplot矩阵
8.2.5 密度散点图
8.3 直方图和条形图
8.3.1 条形图
8.3.2 直方图
8.3.3 ggplot2
8.3.4 词云
8.4 问题
8.5 总结
第9章 数据可视化——三维
9.1 功能包
9.2 生成三维图形
9.2.1 Lattice Cloud——三维散点图
9.2.2 scatterplot3d
9.2.3 scatter3d
9.2.4 cloud3d
9.2.5 RgoogleMaps
9.2.6 vrmlgenbar3D
9.2.7 大数据
9.2.8 研究方向
9.3 问题
9.4 总结
第10章 机器学习实战
10.1 功能包
10.2 数据集
10.2.1 数据划分
10.2.2 模型
10.2.3 train方法
10.3 问题
10.4 总结
第11章 用机器学习预测事件
11.1 自动预测功能包
11.1.1 时间序列
11.1.2 SMA函数
11.1.3 分解函数
11.1.4 指数平滑法
11.1.5 预测
11.1.6 霍尔特指数平滑法
11.2 问题
11.3 总结
第12章 监督学习和无监督学习
12.1 功能包
12.1.1 监督学习
12.1.2 无监督学习
12.2 问题
12.3 总结
买过这本书的人还买过
读了这本书的人还在读
同类图书排行榜
购物车
个人中心
