本书以深入浅出的语言系统地讲解了数据挖掘的框架和基本方法，主要内容包括：数据挖掘与R语言概述、数据理解、数据准备、关联规则挖掘、聚类分析、线性模型与广义线性模型、神经网络的基本方法、决策树、基于决策树的模型组合、模型评估与比较。本书使用基于R语言的数据挖掘案例贯穿全书，并辅以上机实验和习题，帮助读者熟练使用R语言进行数据挖掘。
电子书
内容简介
本书共13章，主要包括：数据分析概述及R语言环境，R语言的数据对象及其类型，R语言数据存储与读取，R语言编程，R语言可视化，R语言描述性统计，R语言参数估计，R语言参数假设检验等内容。
章节目录
- A-fy
- 56154-bq
- C-qy
- 前言
- D-ml
- 目录
- 01
- 数据分析概述及R语言环境
- 第1章
- 1.1 数据分析的含义
- 1.2 数据的类型
- 1．横截面数据
- 2．时间序列数据
- 3．面板数据
- 1.3 数据的来源
- 1．专业性网站
- 2．专业数据公司和信息公司
- 3．抽样调查
- 1.4 数据分析工具简介
- 1.4.1 R语言简介
- 1.4.2 Python简介
- 1.4.3 Stata简介
- 1.4.4 MATLAB简介
- 1.4.5 EViews简介
- 1.4.6 SAS简介
- 1.4.7 SPSS简介
- 1.5 R语言及安装
- 1．R语言概述
- 2．R的下载
- 3．R语言的安装
- 4．R语言程序包的安装
- 5．R启动和退出
- 6．R语言的在线帮助系统
- 练习题
- 02
- R语言的数据对象及其类型
- 第2章
- 2.1 R语言的对象与属性
- 1．数值型
- 2．字符型
- 3．复数型
- 4．逻辑型
- 2.2 对象的显示和删除
- 2.3 R语言向量
- 2.3.1 数值型向量
- 2.3.2 字符型向量
- 2.3.3 逻辑型向量
- 2.3.4 因子型向量
- 2.3.5 数值型向量的运算
- 2.3.6 常用统计函数
- 2.3.7 向量的下标与子集（元素）的提取
- 2.4 R语言数组与矩阵
- 2.4.1 数组的建立
- 2.4.2 矩阵的建立
- 2.4.3 数组与矩阵的下标和子集（元素）的提取
- 2.4.4 矩阵的运算函数
- 1．矩阵的代数运算
- 2．矩阵的统计运算
- 2.5 R语言数据框
- 2.5.1 数据框的直接建立
- 2.5.2 数据框的间接建立
- 2.5.3 适用于数据框的函数
- 2.5.4 数据框的下标和子集的提取
- 1．提取单个元素
- 2．提取一个子集
- 3．提取一列（变量的值）
- 4．提取满足条件的子集
- 2.5.5 数据框中添加新变量
- 2.6 R语言时间序列
- 2.7 R语言列表
- 练习题
- 03
- R语言数据存储与读取
- 第3章
- 3.1 R语言数据存储
- 1．保存为简单的文本文件
- 2．保存为用逗号分隔的文本文件
- 3．保存为R格式文件
- 3.2 R语言数据读取
- 3.2.1 文本文件数据的读取
- 1．使用函数read.table()
- 2．使用函数scan()
- 3．使用函数read.fwf()
- 3.2.2 Excel数据的读取
- 1．使用剪贴板
- 2．使用程序包RODBC
- 3.2.3 R语言中数据集的读取
- 1．R语言的标准数据集程序包—datasets
- 2．专用程序包中的数据集
- 3．其他数据文件
- 3.2.4 R语言中数据集的加载
- 练习题
- 04
- R语言编程
- 第4章
- 4.1 R语言函数基础
- 1．函数名称
- 2．函数声明
- 3．函数参数
- 4．函数体
- 4.2 R语言循环和向量化
- 4.2.1 控制结构
- 1．条件语句
- 2．循环
- 4.2.2 向量化
- 4.3 用R语言编写程序
- 4.4 用R语言编写函数
- 4.5 用R语言编写标准函数的实例
- 1．用if编写条件判断语句
- 2．用for循环编写算法
- 3．返回值
- 4.6 R语言面向对象的编程及其实例
- 4.6.1 什么是面向对象
- 4.6.2 R语言为什么要进行面向对象编程
- 4.6.3 R语言面向对象编程实例
- 1．R语言实现封装
- 2．R语言实现继承
- 3．R语言实现多态
- 练习题
- 05
- R语言可视化
- 第5章
- 5.1 R语言绘图基础知识
- 5.1.1 绘图函数
- 5.1.2 低级绘图函数
- 5.1.3 绘图参数
- 5.2 R语言直方图的绘制
- 1．给图形增加标题
- 2．给坐标轴添加数值标签
- 3．设定直方图的起始值及直方条的宽度
- 5.3 R语言散点图的绘制
- 1．给图形增加标题、给坐标轴添加数值标签并设定间距、显示坐标轴的刻度
- 2．改变散点标志的形状
- 3．改变散点标志的颜色
- 5.4 R语言曲线标绘图的绘制
- 5.5 R语言连线标绘图的绘制
- 1．给图形增加标题、给坐标轴添加数值标签、显示坐标轴的刻度
- 2．改变散点标志的形状
- 5.6 R语言箱图的绘制
- 5.7 R语言饼图的绘制
- 5.8 R语言条形图的绘制
- 5.9 R语言点图的绘制
- 1．给图形增加标题
- 2．改变散点标志的形状
- 5.10 R语言复杂图形的绘制
- 练习题
- 06
- R语言描述性统计
- 第6章
- 6.1 R语言统计分布
- 6.1.1 正态分布
- 1．正态分布的性质
- 2．正态分布的置信区间
- 3．标准正态分布
- 4．对数正态分布
- 5．中心极限定理
- 6.1.2 t分布
- 6.1.3 卡方分布
- 6.1.4 F分布
- 6.2 描述性统计量
- 6.2.1 总体和样本
- 6.2.2 度量尺度
- 6.2.3 频数分布
- 6.2.4 集中趋势的度量
- 1．算术平均
- 2．几何平均
- 3．加权平均
- 4．调和平均
- 6.2.5 中位数
- 6.2.6 众数
- 6.2.7 分位数
- 6.2.8 离散程度的度量
- 1．极差
- 2．平均绝对差
- 3．总体方差和总体标准差
- 4．样本方差和样本标准差
- 5．变异系数
- 6．偏度
- 7．峰度
- 6.3 R语言单组数据描述性统计
- 6.3.1 总体描述
- 6.3.2 样本分位数描述
- 6.3.3 离差描述
- 6.3.4 偏度与峰度描述
- 6.4 R语言多组数据描述性统计
- 6.4.1 多组数据的概括
- 6.4.2 方差与协方差的计算
- 6.5 R语言分类数据描述性统计
- 6.5.1 列联表的创建
- 6.5.2 获得边际列表
- 6.5.3 获得频数列联表
- 6.6 R语言列联表图形描述
- 练习题
- 07
- R语言参数估计
- 第7章
- 7.1 参数估计概述
- 7.2 R语言点估计
- 7.3 R语言单正态总体均值区间估计
- 1．方差 已知时 的置信区间
- 2．方差 未知时 的置信区间
- 7.4 R语言单正态总体方差区间估计
- 7.5 R语言双正态总体均值差区间估计
- 1．两方差已知时两均值差的置信区间
- 2．两方差都未知时两均值的置信区间
- 7.6 R语言双正态总体方差比区间估计
- 7.7 R语言确定样本容量
- 7.7.1 估计正态总体均值时样本容量的确定
- 1．总体方差已知
- 2．总体方差未知
- 7.7.2 估计比例p时样本容量的确定
- 练习题
- 08
- R语言参数假设检验
- 第8章
- 8.1 参数假设检验基本理论
- 1．假设检验的概念
- 2．第一类错误和第二类错误
- 3．决策规则
- 4．单个总体均值的假设检验
- 5．两个独立总体均值的假设检验
- 6．成对比较检验
- 7．单个总体方差的假设检验
- 8．两个总体方差的假设检验
- 8.2 R语言单个样本t检验
- 8.3 R语言两个独立样本t检验
- 1．在同方差假设条件下进行假设检验
- 2．在异方差假设条件下进行假设检验
- 8.4 R语言配对样本t检验
- 8.5 R语言单样本方差假设检验
- 8.6 R语言双样本方差假设检验
- 练习题
- 09
- R语言相关分析、回归分析与计量检验
- 第9章
- 9.1 相关分析基本理论
- 1．简单相关系数的计算
- 2．简单相关系数的显著性检验
- 9.2 R语言相关分析
- 9.3 一元线性回归分析基本理论
- 9.3.1 一元线性回归分析模型
- 9.3.2 一元线性回归的假设
- 9.3.3 方差分析
- 9.3.4 决定系数
- 9.3.5 估计的标准误差
- 9.3.6 回归系数的假设检验
- 9.3.7 回归系数的置信区间
- 9.4 R语言一元线性回归分析
- 1．对数据进行描述性分析
- 2．对数据进行相关分析
- 3．对数据进行回归分析
- 4．求参数的置信区间
- 5．预测分析
- 9.5 多元线性回归分析基本理论
- 9.5.1 多元线性回归模型
- 9.5.2 方差分析
- 9.5.3 决定系数
- 9.5.4 估计的标准误差
- 9.5.5 回归系数的t检验和置信区间
- 9.5.6 回归系数的F检验
- 9.5.7 虚拟变量
- 9.6 R语言多元线性回归分析
- 1．对数据进行描述性分析
- 2．对数据进行相关分析
- 3．对数据进行回归分析
- 9.7 R语言处理多重共线性问题
- 1．特征值法
- 2．条件指数法
- 3．方差膨胀因子法
- 9.8 R语言处理自相关问题
- 9.8.1 自相关问题
- 9.8.2 自相关问题诊断
- 9.8.3 自相关问题的解决
- 9.8.4 R语言的自相关问题处理
- 9.9 R语言处理异方差问题
- 9.9.1 异方差问题
- 9.9.2 异方差问题诊断
- 9.9.3 异方差问题的解决
- 9.9.4 R语言的异方差处理
- 9.10 R语言的Logistic回归
- 9.10.1 Logistic回归
- 9.10.2 广义线性回归模型
- 9.10.3 与广义线性回归模型有关的R函数：glm()
- 1．基于正态分布的广义线性回归模型
- 2．基于二项分布的广义线性回归模型
- 3．基于泊松分布的广义线性回归模型
- 4．基于伽玛分布的广义线性回归模型
- 9.10.4 基于二项分布的广义线性回归模型应用实例
- 1．从Excel读入数据
- 2．logistic回归
- 3．模型的诊断与更新
- 4．预测分析
- 9.11 R语言Huber方法和bisquare方法的回归
- 9.11.1 线性回归中的几个术语
- 9.11.2 数据描述
- 9.11.3 稳健回归的R语言实现
- 练习题
- 10
- R语言时间序列分析
- 第10章
- 10.1 常用的时间序列数据程序包
- 10.2 时间序列数据的获取及预处理
- 10.3 时间序列数据的基本统计分析
- 10.4 时间序列数据的绘图
- 10.5 时间序列数据的基本特征：自相关、平稳性、白噪声
- 1．自相关性
- 2．平稳性
- 3．白噪声
- 10.6 线性时间序列模型：AR、MA、ARMA
- 10.7 GARCH模型的建立与应用
- 1．ARCH效应检验
- 2．fGarch包下的GARCH模型拟合
- 3．rugarch包下的GARCH模型拟合
- 10.8 GARCH模型的预测
- 练习题
- 11
- R语言主成分分析与因子分析
- 第11章
- 11.1 主成分分析基本理论
- 11.1.1 主成分分析
- 11.1.2 对主成分分析法进行综合评价特点的讨论
- 1．能消除评价指标间相关关系的影响，从而可减少指标选择的工作量
- 2．用主成分分析进行综合评价所得的权数是伴随数学变换自动生成的，具有客观性
- 3．综合评价结果不稳定
- 11.1.3 主成分综合评价方法的改进——原始数据的无量纲化方法的改进
- 11.1.4 用主成分分析法对被评价对象进行综合评价的实施步骤
- 1．对原始数据进行标准化处理
- 2．计算标准化的p个指标的协方差矩阵
- 3．计算相关系数矩阵R的特征根、特征向量
- 4．计算各主成分的方差贡献率αk及累计方差贡献率α(k)
- 5．选择主成分的个数
- 6．由主成分计算综合评分值，以此对被评价对象进行排序和比较
- 它们的方差贡献率为 ，以此为权数，将k个主成分y1,y2, ,yk线性加权求和即得综合评价值 ，以F值的大小来评判被评价对象的优劣。
- 11.2 R语言主成分分析
- 11.3 因子分析基本理论
- 11.3.1 因子分析的基本原理
- 1．因子模型
- 2．因子载荷矩阵A的统计意义
- 上式说明指标xi的方差由两部分组成。第一部分为共同度 ，它描述全部m个公共因子F1, F2, , Fm对指标xi的总方差的贡献。 越大，说明xi的原始信息被全部m个公共因子概括表示的程度越高，如 =0.9854，则说明xi提供的98.54%的信息量被m个公共因子所说明。也就是说，用这m个公共因子描述指标xi就越有效，保留的原始信息就越多。另一部分是单个指标所特有的方差。
- （3）A中第j列元素平方和 表示第j个公共因子Fj对原始指标所提供的方差贡献之总和，它是衡量各公共因子相对重要性的一个尺度。
- 由于各原始指标都已标准化，即 Var(xi) = 1（i = 1,2, ,p），因此，原始指标提供的总方差为 。
- 3．因子载荷矩阵A的估计
- 4．因子旋转
- 5．因子得分
- 11.3.2 因子分析与主成分分析的异同点
- 1．相同点
- 2．不同点
- 11.3.3 用因子分析方法进行综合评价分析的基本步骤
- 11.4 R语言因子分析
- 11.4.1 R语言在科技企业发展评价中的应用
- 11.4.2 R语言在各省市及地区社会经济发展水平评价中的应用
- 1．我国各省市及地区社会经济发展指标体系的设置
- 2．各省市及地区社会经济发展因子模型的R语言应用分析
- 练习题
- 12
- 13
- R语言典型相关分析与对应分析
- 第13章
- 13.1 典型相关分析基本理论
- 13.2 R语言典型相关分析
- 13.3 对应分析基本理论
- 13.4 R语言对应分析
- 练习题
展开全部
R语言与数据分析实战是2021年由人民邮电出版社出版,作者朱顺泉。
温馨提示：
1.本电子书已获得正版授权，由出版社通过知传链发行。
2.该电子书为虚拟物品，付费之后概不接收任何理由退款。电子书内容仅支持在线阅读，不支持下载。
3.您在本站购买的阅读使用权仅限于您本人阅读使用，您不得/不能给任何第三方使用，由此造成的一切相关后果本平台保留向您追偿索赔的权利！版权所有，后果自负！
得书感谢您对《R语言与数据分析实战》关注和支持，如本书内容有不良信息或侵权等情形的，请联系本网站。
电子书
电子书
本书由浅入深，内容丰富。全书共11章，主要内容包括第1章R语言数据分析概述、第2章R语言数据操作基础、第3章数据读写、第4章数据预处理、第5章数据的描述统计分析、第6章数据相关性分析、第7章R语言可视化基础、第8章高级可视化工具、第9章聚类分析、第10章关联规则、第11章分类及预测。
电子书
本书从数据科学的角度，讲解了Python和R的语言特性以及各自的优缺点，介绍了包括包、框架和工作流在内的开源生态系统，分析了Python和R分别适用于哪些业务场景，并通过真实的案例演示如何在单个工作流中集成Python与R,使两种语言充分发挥优势，改善业务应用的效果。本书还提供了Python和R的对照翻译，帮助读者在两种语言间快速切换。本书适合数据科学领域有一定Python或R基础的开发人员阅读，
电子书
文本是一种特殊的非结构化数据，在当今的大数据时代，其价值日趋凸显。本书利用开源而强大的R软件，对文本数据挖掘的概念、技术及技巧进行了系统的介绍。本书共11章，内容包括：走进文本数据挖掘，R语言快速入门，字符串的基本处理，用好正则表达式，导入各类文本数据，对各类文本数据进行预处理，文本特征提取的4种方法，基于机器学习的文本分类方法，文本情感分析，文本可视化，文本数据挖掘项目实践。本书还提供了丰富的应
电子书
本书全面地讲解了在科学领域运用广泛的数据微积分、线性代数、统计学、数值计算、多元统计分析等数学基础知识。全书共6章：第1章介绍了大数据与数学、数学与R语言的关系；第2章介绍了微积分的基础知识，包括函数、极限、导数、微分、不定积分与定积分及其应用；第3章介绍了线性代数的基础知识，包括矩阵的运算、行列式、特征分解、奇异值分解；第4章介绍了统计学的基础知识，包括数据分布特征、概率论、随机变量的数字特征、
电子书
本书以R语言为实现工具，以数据可视化分析为导向，结合实际案例介绍数据可视化方法。全书共8章，第1章介绍数据可视化概述以及R语言数据处理的基本技能；第2章介绍R语言绘图基础，重点介绍R语言传统绘图包graphics中的绘图函数及基本使用方法；第3章介绍类别数据的可视化方法；第4章介绍数据分布特征的可视化方法；第5章介绍变量间关系的可视化方法；第6章介绍样本相似性的可视化方法；第7章介绍时间序列的可视
电子书
本书将目标设定为“在一台笔记本电脑上能够运行”，从单机大型数据集处理策略、提升计算性能、其他工具和技巧3个方面介绍了使用R语言处理数据时的实用方法。主要内容包括数据集占用空间、善用data.table处理数据、数据分块处理、提升硬盘资源使用效率、并行编程技术、提升机器学习性能，以及其他资源管理和提高性能的实用策略。
电子书
|a本书以Python数据分析常用技术与真实案例相结合的方式，介绍Python商务数据分析应用的重要内容。全书共10章，内容包括：商务数据分析概述、Python数据分析简介、数据获取、探索性分析、数据预处理等。
