[套装书]R语言：实用数据分析和可视化技术（原书第2版）+R语言数据分析与挖掘实战（2册）

作者
[美] 贾里德· P. 兰德（Jared P. Lander）张良均 云伟标 王路 刘晓勇
丛书名
大数据技术丛书
出版社
机械工业出版社
ISBN
9781912039581
简要
简介
内容简介书籍计算机书籍 ---------------------------R语言：实用数据分析和可视化技术（原书第2版）--------------------------- 本书借鉴数据科学家Jared P. Lander在R语言上丰富的教学经验，通过大量实例，详细讲解R语言的核心功能。对于刚接触统计程序和模型的人，本书的内容组织结构使得学习R语言相当简单和直观。本书主要介绍R语言中20%的核心功能，但是这20%的功能足以让你解决80%的现代数据分析。 书中每一章都是从基础知识开始，提供大量的实例和代码。你将学习下载和安装R语言；设置和使用R语言环境；掌握基本的程序编写，数据导入、操作和可视化；完成几个测验。然后在此基础上，你将构建几个完整的模型，包括线性和非线性模型，学习数据挖掘技术。接着你将在代码中学习使用LaTeX，RMarkdown和Shiny等R语言包。 ---------------------------R语言数据分析与挖掘实战--------------------------- 这是一本系统性的、以实践为导向的R数据挖掘与分析实战指南，多位技术专家结合自己10多年的经验，以电力、航空、医疗、互联网、制造业等10个行业的实战案例为主线，深入浅出地讲解了如何利用R语言及其相关技术进行数据挖掘建模、数据分析和二次开发，不仅为多个行业提供了成熟的解决方案，而且还提供了大量的技巧。 本书共16章，分三个部分： 基础篇(第1-5章)，第l章的主要内容是数据挖掘概述；第2章对本书所用到的数据挖掘建模工具R语言进行了简明扼要的说明；第3、4、5章对数据挖掘的建模过程，包括数据探索、数据预处理及挖掘建模的常用算法与原理进行了介绍。 实战篇(第6—15章)，重点对数据挖掘技术在电力、航空、医疗、互联网、生产制造以及公共服务等行业的应用进行了分析。在案例结构组织上，本书是按照先介绍案例背景与挖掘目标，再阐述分析方法与过程，最后完成模型构建的顺序进行的，在建模过程等关键环节，穿插程序实现代码。最后通过上机实践，加深数据挖掘技术在案例应用中的理解。 . 高级篇(第16章)，介绍了基于R语言二次开发的数据挖掘应用软件——TipDM数据挖掘建模工具，并以此工具为例详细介绍了基于R语言完成数据挖掘二次开发的各个步骤，使读者体验到通过R语言实现数据挖掘二次开发的强大魅力。 提供原始样本数据文件、建模源程序、数据挖掘模型及其源代码、教学用PPT等。
目录



---------------------------R语言：实用数据分析和可视化技术（原书第2版）---------------------------


译者序
序
前言
致谢
第1章　获取R语言 1
1.1　下载R语言 1
1.2　R语言版本 2
1.3　32位与64位 2
1.4　安装R语言 2
1.4.1　在Windows系统上安装 2
1.4.2　在Mac OS X系统上安装 5
1.4.3　在Linux系统上安装 8
1.5　微软开源R语言 10
1.6　小结 10
第2章　R语言环境 11
2.1　命令行界面 12
2.2　RStudio 13
2.2.1　RStudio项目 14
2.2.2　RStudio工具 16
2.2.3　Git集成 20
2.3　微软Visual Studio 22
2.4　小结 22
第3章　R语言包 23
3.1　安装R语言包 23
3.2　加载R语言包 25
3.3　构建R语言包 26
3.4　小结 26
第4章　R语言基础 27
4.1　基本数学运算 27
4.2　变量 28
4.2.1　变量赋值 28
4.2.2　删除变量 29
4.3　数据类型 30
4.3.1　数值型 30
4.3.2　字符型 31
4.3.3　日期型 32
4.3.4　逻辑型 32
4.4　向量 34
4.4.1　向量操作 34
4.4.2　factor向量 37
4.5　函数调用 38
4.6　函数文档 38
4.7　缺失数据 39
4.7.1　NA 39
4.7.2　NULL 40
4.8　管道 40
4.9　小结 41
第5章　高级数据结构 42
5.1　数据框 42
5.2　列表 48
5.3　矩阵 53
5.4　数组 56
5.5　小结 56
第6章　R语言读取数据 57
6.1　读取CSV文件 57
6.1.1　read_delim函数 59
6.1.2　fread函数 60
6.2　读取Excel数据 60
6.3　读取数据库数据 62
6.4　读取其他统计工具的数据 64
6.5　读取R语言二进制文件 65
6.6　读取R语言数据 67
6.7　读取网页数据 68
6.7.1　读取HTML表格 68
6.7.2　抽取网页数据 69
6.8　读取JSON数据 70
6.9　小结 72
第7章　统计图 73
7.1　基础统计图 73
7.1.1　基础直方图 74
7.1.2　基础散点图 74
7.1.3　箱线图 75
7.2　ggplot2 75
7.2.1　ggplot2：直方图和核密度曲线 76
7.2.2　ggplot2：散点图 77
7.2.3　ggplot2：箱线图和小提琴图 79
7.2.4　ggplot2：曲线图 82
7.2.5　主题 83
7.3　小结 84
第8章　编写R语言函数 85
8.1　Hello，World！ 85
8.2　函数参数 86
8.2.1　默认参数 87
8.2.2　额外参数 87
8.3　返回值 88
8.4　do.call函数 89
8.5　小结 89
第9章　控制语句 90
9.1　if和else语句 90
9.2　switch语句 92
9.3　ifelse函数 94
9.4　复合检查 95
9.5　小结 95
第10章　R语言的循环迭代 96
10.1　for循环 96
10.2　while循环 97
10.3　控制循环 98
10.4　小结 99
第11章　分组操作 100
11.1　apply函数族 100
11.1.1　apply函数 100
11.1.2　lapply和sapply函数 101
11.1.3　mapply函数 102
11.1.4　其他的apply函数 102
11.2　aggregate函数 103
11.3　plyr包 105
11.3.1　ddply函数 106
11.3.2　llply函数 108
11.3.3　plyr的辅助函数 109
11.3.4　速度与便利性 109
11.4　data.table包 109
11.4.1　键值 113
11.4.2　data.table聚合 115
11.5　小结 117
第12章　高效的分组操作：dplyr 118
12.1　管道 118
12.2　tbl数据类型 119
12.3　select函数 120
12.4　filter函数 127
12.5　slice函数 131
12.6　mutate函数 132
12.7　summarize函数 135
12.8　group_by函数 136
12.9　arrange函数 137
12.10　do函数 137
12.11　dplyr使用数据库 139
12.12　小结 140
第13章　数据迭代 141
13.1　map函数 141
13.2　特定类型的map函数 143
13.2.1　map_int函数 144
13.2.2　map_dbl函数 144
13.2.3　map_chr函数 144
13.2.4　map_lgl函数 145
13.2.5　map_df函数 145
13.2.6　map_if函数 146
13.3　数据框的迭代 147
13.4　map函数的多输入 148
13.5　小结 149
第14章　数据整理 150
14.1　cbind和rbind 150
14.2　连接 151
14.2.1　合并 152
14.2.2　plyr中的join 152
14.2.3　合并表 156
14.3　reshape2 157
14.3.1　melt函数 157
14.3.2　dcast函数 159
14.4　小结 160
第15章　数据重构：Tidyverse 161
15.1　合并行和列数据 161
15.2　用dplyr包连接 162
15.3　行列变换 166
15.4　小结 169
第16章　字符串操作 170
16.1　paste 170
16.2　把格式数据写成串（sprintf） 171
16.3　提取文本 172
16.4　正则表达式 175
16.5　小结 181
第17章　概率分布 182
17.1　正态分布 182
17.2　二项分布 186
17.3　泊松分布 190
17.4　其他分布 192
17.5　小结 194
第18章　基本统计 195
18.1　概括性统计量 195
18.2　相关系数和协方差 198
18.3　t-检验 205
18.3.1　单样本t-检验 206
18.3.2　两样本t-检验 208
18.3.3　两配对样本t-检验 210
18.4　方差分析 211
18.5　小结 213
第19章　线性模型 214
19.1　简单线性回归 214
19.2　多元回归 219
19.3　小结 234
第20章　广义线性模型 235
20.1　逻辑斯蒂回归 235
20.2　泊松回归 238
20.3　其他的广义线性模型 241
20.4　生存分析 242
20.5　小结 246
第21章　模型诊断 247
21.1　残差 247
21.2　模型比较 252
21.3　交叉验证 255
21.4　Bootstrap 259
21.5　逐步变量选择 262
21.6　小结 264
第22章　正则化和压缩 265
22.1　弹性网络 265
22.2　贝叶斯压缩 279
22.3　小结 282
第23章　非线性模型 283
23.1　非线性最小二乘法 283
23.2　样条插值 285
23.3　广义相加模型 288
23.4　决策树 293
23.5　boost树 295
23.6　随机森林 298
23.7　小结 299
第24章　时间序列和自相关 301
24.1　自回归移动平均模型 301
24.2　向量自回归 306
24.3　广义自回归异方差模型 311
24.4　小结 317
第25章　聚类 318
25.1　k-均值 318
25.2　PAM 325
25.3　分层聚类 329
25.4　小结 332
第26章　模型拟合调优：caret 333
26.1　caret介绍 333
26.2　caret选项 333
26.2.1　caret训练控制 334
26.2.2　caret网格搜索 334
26.3　boost树调优 335
26.4　小结 338
第27章　可重复性报告：knitr 339
27.1　安装LaTeX 339
27.2　LaTeX基础 340
27.3　knitr中使用LaTeX 342
27.4　小结 346
第28章　R语言文档：RMarkdown 347
28.1　文档编译 347
28.2　文档头信息 347
28.3　Markdown入门 348
28.4　Markdown代码块 350
28.5　htmlwidgets 351
28.5.1　表数据 352
28.5.2　leaflet 354
28.5.3　dygraphs 356
28.5.4　threejs 358
28.5.5　d3heatmap 360
28.6　RMarkdown幻灯片 361
28.7　小结 362
第29章　交互式dashboard：Shiny 363
29.1　在RMarkdown中使用Shiny 363
29.2　Shiny中的响应表达式 366
29.3　服务端和UI界面 368
29.4　小结 376
第30章　构建R包 377
30.1　结构 377
30.2　包文件 378
30.2.1　DESCRIPTION文件 378
30.2.2　NAMESPACE文件 380
30.2.3　其他包文件 382
30.3　包文档 384
30.4　测试 386
30.5　包的检查、构建和安装 388
30.6　提交至CRAN 389
30.7　C++代码 390
30.7.1　sourceCpp 390
30.7.2　编译包 392
30.8　小结 394
附录A　相关资源 395



---------------------------R语言数据分析与挖掘实战---------------------------


前　言
基　础　篇
第1章　数据挖掘基础2
1.1　某知名连锁餐饮企业的困惑2
1.2　从餐饮服务到数据挖掘3
1.3　数据挖掘的基本任务4
1.4　数据挖掘建模过程4
1.4.1　定义挖掘目标4
1.4.2　数据取样5
1.4.3　数据探索6
1.4.4　数据预处理7
1.4.5　挖掘建模7
1.4.6　模型评价7
1.5　常用数据挖掘建模工具7
1.6　小结9
第2章　R语言简介10
2.1　R安装10
2.2　R使用入门11
2.2.1　R操作界面11
2.2.2　RStudio窗口介绍12
2.2.3　R常用操作13
2.3　R数据分析包16
2.4　配套附件使用设置18
2.5　小结18
第3章　数据探索19
3.1　数据质量分析19
3.1.1　缺失值分析20
3.1.2　异常值分析20
3.1.3　一致性分析22
3.2　数据特征分析23
3.2.1　分布分析23
3.2.2　对比分析25
3.2.3　统计量分析27
3.2.4　周期性分析29
3.2.5　贡献度分析30
3.2.6　相关性分析31
3.3　R语言主要数据探索函数35
3.3.1　统计特征函数35
3.3.2　统计作图函数37
3.4　小结40
第4章　数据预处理41
4.1　数据清洗42
4.1.1　缺失值处理42
4.1.2　异常值处理45
4.2　数据集成45
4.2.1　实体识别46
4.2.2　冗余属性识别46
4.3　数据变换46
4.3.1　简单函数变换46
4.3.2　规范化47
4.3.3　连续属性离散化48
4.3.4　属性构造51
4.3.5　小波变换52
4.4　数据规约55
4.4.1　属性规约55
4.4.2　数值规约58
4.5　R语言主要数据预处理函数61
4.6　小结65
第5章　挖掘建模66
5.1　分类与预测66
5.1.1　实现过程66
5.1.2　常用的分类与预测算法67
5.1.3　回归分析68
5.1.4　决策树73
5.1.5　人工神经网络79
5.1.6　分类与预测算法评价83
5.1.7　R语言主要分类与预测算法函数87
5.2　聚类分析89
5.2.1　常用聚类分析算法89
5.2.2　K-Means聚类算法90
5.2.3　聚类分析算法评价95
5.2.4　R语言主要聚类分析算法函数95
5.3　关联规则97
5.3.1　常用关联规则算法97
5.3.2　Apriori算法98
5.4　时序模式102
5.4.1　时间序列算法103
5.4.2　时间序列的预处理104
5.4.3　平稳时间序列分析105
5.4.4　非平稳时间序列分析107
5.4.5　R语言主要时序模式算法函数114
5.5　离群点检测116
5.5.1　离群点检测方法117
5.5.2　基于模型的离群点检测方法118
5.5.3　基于聚类的离群点检测方法120
5.6　小结122
实　战　篇
第6章　电力窃漏电用户自动识别126
6.1　背景与挖掘目标126
6.2　分析方法与过程129
6.2.1　数据抽取130
6.2.2　数据探索分析130
6.2.3　数据预处理133
6.2.4　构建专家样本137
6.2.5　模型构建138
6.3　上机实验143
6.4　拓展思考144
6.5　小结144
第7章　航空公司客户价值分析145
7.1　背景与挖掘目标145
7.2　分析方法与过程146
7.2.1　数据抽取149
7.2.2　数据探索分析149
7.2.3　数据预处理150
7.2.4　模型构建153
7.3　上机实验158
7.4　拓展思考159
7.5　小结159
第8章　中医证型关联规则挖掘160
8.1　背景与挖掘目标160
8.2　分析方法与过程162
8.2.1　数据获取163
8.2.2　数据预处理165
8.2.3　模型构建169
8.3　上机实验171
8.4　拓展思考172
8.5　小结172
第9章　基于水色图像的水质评价173
9.1　背景与挖掘目标173
9.2　分析方法与过程174
9.2.1　数据预处理175
9.2.2　模型构建177
9.2.3　水质评价179
9.3　上机实验180
9.4　拓展思考180
9.5　小结181
第10章　家用电器用户行为分析与事件识别182
10.1　背景与挖掘目标182
10.2　分析方法与过程183
10.2.1　数据抽取184
10.2.2　数据探索分析185
10.2.3　数据预处理185
10.2.4　模型构建195
10.2.5　模型检验198
10.3　上机实验200
10.4　拓展思考201
10.5　小结202
第11章　应用系统负载分析与磁盘容量预测203
11.1　背景与挖掘目标203
11.2　分析方法与过程205
11.2.1　数据抽取206
11.2.2　数据探索分析206
11.2.3　数据预处理207
11.2.4　模型构建208
11.3　上机实验213
11.4　拓展思考214
11.5　小结215
第12章　电子商务智能推荐服务216
12.1　背景与挖掘目标216
12.2　分析方法与过程222
12.2.1　数据抽取224
12.2.2　数据探索分析225
12.2.3　数据预处理230
12.2.4　模型构建235
12.3　上机实验245
12.4　拓展思考246
12.5　小结251
第13章　基于数据挖掘技术的市财政收入分析预测模型252
13.1　背景与挖掘目标252
13.2　分析方法与过程254
13.2.1　灰色预测与神经网络的组合模型255
13.2.2　数据探索分析256
13.2.3　模型构建259
13.3　上机实验273
13.4　拓展思考273
13.5　小结274
第14章　基于基站定位数据的商圈分析275
14.1　背景与挖掘目标275
14.2　分析方法与过程277
14.2.1　数据抽取277
14.2.2　数据探索分析278
14.2.3　数据预处理279
14.2.4　模型构建282
14.3　上机实验286
14.4　拓展思考286
14.5　小结287
第15章　电商产品评论数据情感分析288
15.1　背景与挖掘目标288
15.2　分析方法与过程288
15.2.1　评论数据采集289
15.2.2　评论预处理292
15.2.3　文本评论分词297
15.2.4　模型构建298
15.3　上机实验312
15.4　拓展思考313
15.5　小结314
提　高　篇
第16章　基于R语言的数据挖掘二次开发316
16.1　混合编程应用体验——TipDM数据挖掘平台316
16.2　二次开发过程环境配置320
16.3　R语言数据挖掘二次开发实例322
16.4　小结325
参考资料326



有问题微信扫码联系

推荐

Understand China
桂ICP备20004708号-4