R语言与数据挖掘最佳实践和经典案例

出版日期:2014-9
ISBN:9787111475410
作者:(澳)Yanchang Zhao

内容概要

Yanchang Zhao 从2009年起担任澳大利亚政府部门的高级数据挖掘分析师。在加入澳大利亚政府部门之前,他是悉尼科技大学工程和信息技术学院博士后研究员。他的研究兴趣包括聚类分析、关联规则、时间序列、孤立点检测、数据挖掘应用等,当前关注在数据挖掘应用中使用R语言。他是IEEE高级会员和澳大利亚分析专业人员协会成员。他发表了50多篇数据挖掘研究和应用方面的论文,并独立或与他人合作编写了3本著作。

书籍目录

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

作者简介

【内容简介】
数据挖掘技术已经广泛用于政府机关、银行、保险、零售、电信、医药和研究领域。最近,越来越多的数据挖掘工作开始使用R工具来完成,R是一个用于统计计算和制图的免费软件。在最近的调查中,R已经被评为数据挖掘领域最流行的工具。本书介绍将R语言用于数据挖掘应用(从学术研究到工业应用),从大量数据中提取出有用知识的各种实用方法。
本书面向数据挖掘领域的研究人员、数据挖掘方向的研究生,以及数据挖掘工程师和分析师,对于学习数据挖掘课程的学生来说具有巨大的参考价值,对于参加数据挖掘与分析的行业培训课程的人来说是非常有用的资料。
本书主要特色
● 介绍了R用于数据挖掘应用的案例,涵盖了最常用的数据挖掘技术。
● 提供了代码示例和数据,以便读者可以轻松地学习数据挖掘技术。
● 现实应用中的特色案例研究有助于读者将学到的技术应用到自己的工作和研究中。


 R语言与数据挖掘最佳实践和经典案例下载 更多精彩书评



发布书评

 
 


精彩书评 (总计1条)

  •     2015最新数据挖掘入门到精通—R语言视频教程课程观看地址:http://www.xuetuwuyou.com/course/59课程出自学途无忧网:http://www.xuetuwuyou.com/课程介绍一、课程所用软件:R 3.2.2(64位) RStudio二、课程涉及到的技术点:1)R语言的基本语法、函数2)R中实用性很强的包3)模式识别、分类预测算法原理及其实现三、课程学习目标:本课程讲解理论的同时结合大量的案例,让学习者可以快速掌握数据挖掘技能,并利用R数据处理、画图、实现据挖掘模型的建立。学习完本课程,学习者能达到以下目标:1)掌握基本R用法;2)用R进行描述性统计分析、进行数据处理和数据可视化;3)缺失值的清洗能力;4)用R语言建立数据挖掘模型;四、课程大纲:第一章:基本概念介绍第1课、数据挖掘、R语言概念介绍第2课、软件安装和数据的读、写、修改 第3课、基本概念讲解(向量、矩阵、因子、数据框、列表) 第4课、基本图形的讲解和绘制 第二章:实用软件包介绍及应用第5课、plyr包主函数讲解第6课、plyr包辅助函数讲解第7课、Ggpolt2介绍 第8课、Ggpolt2实践第9课、reshape2包的讲解和实际操作 第10课、课缺失值的处理 第三章:算法讲解及应用第11课、knn原理简介 第12课、knn算法实际操作 第13课、决策树的理论讲解 第14课、决策树实操 第15课、人工神经网络的介绍1 第16课、人工神经网络介绍2 第17课、人工神经网络实操1 第18课、人工神经网络实操2 第19课、支持向量机原理介绍第20课、支持向量机的实操

精彩短评 (总计8条)

  •     本书和《数据挖掘与R语言》有些类似,唯一印象深刻的是对随机森林模型的讲解。
  •     例子也太简单了
  •     通过多个简洁明了的案例,介绍了常用的数据挖掘技术如何在R中实现,阅读学习本书时,需要准备一些原理、算法及思路知识,多用help。
  •     太简单了吧
  •     挺好懂的一本书,也比较容易上手。
  •     挺好的一本书
  •     写的一般般,算法与实现代码都没有给出比较好的解释,对初学者不太友好,只能充当其他数据挖掘类书籍的补充了。。。
  •     代码挺多的。
 

外国儿童文学,篆刻,百科,生物科学,科普,初中通用,育儿亲子,美容护肤PDF图书下载,。 零度图书网 

零度图书网 @ 2019