深入浅出地为你介绍如何使用Python进行金融数据分析、挖掘和量化投资的全过程。
电子书
编辑推荐
以医学数据为例，讲解如何使用R进行数据分析。
内容简介
本书以医学数据为例，讲解如何使用R进行数据分析，结合大量精选的实例对常用分析方法进行了介绍，以帮助读者解决医学数据分析中的实际问题。本书共分为14章，第1章～第3章介绍了R语言的基本用法；第4章介绍了数据可视化；第5章介绍了基本的统计分析方法；第6章～第8章介绍了医学研究中最常用的三种回归模型；第9章介绍了生存分析的基本方法；第10章～第12章介绍了几种常用的多元统计分析方法；第13章介绍了临床诊断试验的统计评价指标和计算方法；第14章介绍了在医学科研实践中常用的Meta分析方法。
章节目录
- 扉页
- 内容提要
- 序言
- 前言
- 资源与支持
- 配套资源
- 提交勘误
- 扫码关注本书
- 与我们联系
- 关于异步社区和异步图书
- 目录
- 第 1章 R语言介绍
- 1.1 什么是R语言
- 1.2 为什么使用R分析数据
- 1.3 R的下载与安装
- 1.4 启动和退出R
- 1.5 RStudio
- 1.6 R包
- 1.6.1 什么是包
- 1.6.2 包的安装
- 1.6.3 包的使用和更新
- 1.7 开始使用R
- 1.7.1 获取帮助
- 1.7.2 把R当作一个计算器
- 1.7.3 R对象
- 1.8 工作空间管理
- 1.9 小结
- 1.10 习题
- 第 2章 创建数据集
- 2.1 R的数据结构
- 2.1.1 向量
- 2.1.2 因子
- 2.1.3 矩阵
- 2.1.4 数组
- 2.1.5 列表
- 2.1.6 数据框
- 2.1.7 数据类型的转换
- 2.2 用R获取数据
- 2.2.1 获取内置数据集
- 2.2.2 模拟特定分布的数据
- 2.2.3 获取其他格式的数据
- 2.2.4 导出数据
- 2.2.5 用rio包导入和导出数据
- 2.3 数据录入
- 2.4 小结
- 2.5 习题
- 第 3章 数据框的操作
- 3.1 用基本包处理数据框
- 3.1.1 查看数据框里的内容
- 3.1.2 选取数据框的子集
- 3.1.3 将数据框按照某个变量的值排序
- 3.1.4 查找和删除重复数据
- 3.1.5 在数据框中添加和删除变量
- 3.1.6 把数据框添加到搜索路径
- 3.2 用dplyr包处理数据框
- 3.2.1 使用filter( )和slice( )筛选行
- 3.2.2 使用arrange( )排列行
- 3.2.3 使用select( )选择列
- 3.2.4 使用mutate( )添加新变量
- 3.2.5 使用summarise( )计算统计量
- 3.2.6 使用group_by( )拆分数据框
- 3.2.7 使用传递符“%>%”组合多个操作
- 3.3 数据框的合并
- 3.3.1 纵向合并
- 3.3.2 横向合并
- 3.3.3 按照某个共有变量合并
- 3.4 数据框的长宽格式的转换
- 3.5 缺失值的处理
- 3.5.1 识别缺失值
- 3.5.2 探索数据框里的缺失值
- 3.5.3 填充缺失值
- 3.6 处理大型数据集的策略
- 3.6.1 清理工作空间
- 3.6.2 快速读取.csv文件
- 3.6.3 模拟一个大型数据集
- 3.6.4 剔除不需要的变量
- 3.6.5 选取数据集的一个随机样本
- 3.7 小结
- 3.8 习题
- 第 4章 数据可视化
- 4.1 用R的基础绘图系统作图
- 4.1.1 函数plot( )
- 4.1.2 直方图和密度曲线图
- 4.1.3 条形图
- 4.1.4 饼图
- 4.1.5 箱线图和小提琴图
- 4.1.6 克利夫兰点图
- 4.1.7 导出图形
- 4.2 用ggplot2包作图
- 4.2.1 初识ggplot2包
- 4.2.2 分布的特征
- 4.2.3 比例的构成
- 4.2.4 用函数ggsave( )保存图形
- 4.3 其他图形
- 4.3.1 金字塔图
- 4.3.2 横向堆栈条形图
- 4.3.3 热图
- 4.3.4 三维散点图
- 4.3.5 词云图
- 4.3.6 动态图形
- 4.4 小结
- 4.5 习题
- 第 5章 基本统计分析
- 5.1 数值型变量的描述性统计分析
- 5.2 分类变量的列联表和独立性检验
- 5.2.1 生成频数表和列联表
- 5.2.2 独立性检验
- 5.3 连续型变量组间差异的比较
- 5.3.1 独立样本的t检验
- 5.3.2 非独立样本的t检验
- 5.3.3 单因素方差分析
- 5.3.4 组间差异的非参数检验
- 5.4 用函数tablestack( )汇总双变量分析结果
- 5.5 变量间的相关性
- 5.5.1 连续型变量间的相关性
- 5.5.2 分类变量间的相关性
- 5.5.3 相关性的可视化
- 5.6 小结
- 5.7 习题
- 第 6章 线性回归分析
- 6.1 简单线性回归
- 6.1.1 拟合简单线性回归模型
- 6.1.2 模型输出结果的解释
- 6.1.3 回归诊断
- 6.2 分层线性回归
- 6.3 多重线性回归
- 6.3.1 拟合多重线性回归模型
- 6.3.2 多重共线性
- 6.3.3 逐步回归
- 6.3.4 回归诊断
- 6.4 小结
- 6.5 习题
- 第 7章 Logistic回归分析
- 7.1 二分类Logistic回归
- 7.1.1 Logistic回归模型
- 7.1.2 Logistic回归实例
- 7.1.3 表格数据的Logistic回归
- 7.2 条件Logistic回归
- 7.3 无序多分类Logistic回归
- 7.4 有序Logistic回归
- 7.5 小结
- 7.6 习题
- 第 8章 Poisson回归分析
- 8.1 Poisson回归模型
- 8.2 过度离散的判定及处理
- 8.3 对数线性模型
- 8.4 小结
- 8.5 习题
- 第9章 生存分析
- 9.1 生存对象
- 9.2 生存率的估计与生存曲线
- 9.3 生存率的比较
- 9.4 Cox回归
- 9.4.1 建立Cox回归模型
- 9.4.2 比例风险假定的检验
- 9.4.3 生存的预测
- 9.5 小结
- 9.6 习题
- 第10章 聚类分析
- 10.1 相似性的度量
- 10.1.1 样品间的距离
- 10.1.2 变量间的相似系数
- 10.2 层次聚类法
- 10.2.1 类之间相似系数的定义
- 10.2.2 Q型聚类
- 10.2.3 R型聚类
- 10.3 k均值聚类法
- 10.4 小结
- 10.5 习题
- 第11章 判别分析
- 11.1 距离判别
- 11.2 K最邻近判别
- 11.3 Fisher判别
- 11.4 Bayes 判别
- 11.5 小结
- 11.6 习题
- 第 12章 主成分分析和因子分析
- 12.1 主成分分析
- 12.1.1 主成分的定义
- 12.1.2 主成分的求解
- 12.1.3 主成分分析的注意事项
- 12.2 因子分析
- 12.2.1 因子分析模型的定义
- 12.2.2 因子分析模型的求解
- 12.2.3 因子旋转
- 12.2.4 因子分析的注意事项
- 12.3 小结
- 12.4 习题
- 第 13章 临床诊断试验评价
- 13.1 二分类结果的评价指标
- 13.1.1 灵敏度和特异度
- 13.1.2 预测值
- 13.1.3 图解灵敏度、特异度、阳性预测值和阴性预测值
- 13.1.4 诊断试验的综合评价指标
- 13.2 ROC及曲线下面积
- 13.2.1 单个ROC分析
- 13.2.2 两个ROC的比较
- 13.2.3 Logistic回归的ROC曲线
- 13.3 联合试验
- 13.4 小结
- 13.5 习题
- 第14章 Meta分析
- 14.1 Meta分析的基本步骤
- 14.2 Meta分析的常用统计方法
- 14.3 二分类变量资料的Meta分析
- 14.3.1 OR、RR或RD的合并
- 14.3.2 发表偏倚的识别
- 14.3.3 敏感性分析
- 14.4 连续型变量资料的Meta分析
- 14.5 Meta分析的注意事项
- 14.6 小结
- 14.7 习题
- 习题参考答案
- 函数索引
- 参考文献
展开全部
R语言医学数据分析实战是2020年由人民邮电出版社出版,作者赵军 编著。
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语言医学数据分析实战》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
适读人群 ：普通高校电子信息大类本科生学习、考研，同时也适合零售和培训。
采用“案例驱动”的编写模式。书中结合实际应用，将各章按照“案例引入——数据结构及其操作——案例分析与实现”的案例驱动思路来展开。每章使用一个有趣的“问题案例”开头，由该案例逐步引入新的数据结构，然后给出该数据结构的存储表示及各种基本操作的实现，之后进一步分析此案例，最终利用该数据结构来实现此案例。
算法讲解更加细致。新版教材中对每个算法思想进行详细阐述，将用文字描述的算法步骤与用类C语言表述的算法描述一一对应。
优化教材内容。参考计算机专业全新的全国统考考研大纲，增加了大纲近两年新增的考点内容，如分块查找、外部排序等，有助于考研学生复习备考使用。
电子书
理论与实际操作紧密结合，让你体验并掌握使用Access建立数据库应用系统的全过程。
电子书
涉及PowerBI所有原生组件、微软APPStore的三方组件，以及上北智信科技有限公司研发的特色组件，提供全书所有组件及案例文件，帮助读者火速上手并实际应用。
电子书
手把手带你从零开始学习Python。
电子书
1.上海交通大学机器学习、人工智能专家亲笔力作。
2.超过900分钟的全程视频讲解，扫一扫二维码，跟着视频轻松学。
3.网易云课堂同名人气课程，全部五星好评。
电子书
数据分析是当今大数据时代最关键的技术，其广泛应用于包括医学在内的各个领域。
电子书
Hadoop基础教程，大数据技术原理与应用教程，MapReduce框架入门实战指南。
