[套装书]R语言：实用数据分析和可视化技术（原书第2版）+R语言与数据挖掘（2册）

作者
[美] 贾里德· P. 兰德（Jared P. Lander）张良均
丛书名
大数据技术丛书
出版社
机械工业出版社
ISBN
9781912039542
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语言与数据挖掘--------------------------- 本书主要分为三个部分，基础篇、建模应用篇和Rattle篇。基础篇（第1～5章）介绍了有关R语言的安装与使用、R语言中的数据结构、常用操作和绘图功能等基础功能。建模应用篇（第6～10章）主要介绍了目前在数据挖掘中的常用的建模方法在R语言中的实现函数，并对输出结果进行了解释，有助于读者快速掌握应用R语言进行分析挖掘建模的方法。Rattle篇（第11章）介绍了一个R语言的图形界面工具。图书配套提供了程序代码及数据，读者可通过上机实验，快速掌握书中所介绍的R语言的使用方法。
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语言与数据挖掘---------------------------


前言
第一部分　基础篇
第1章　R语言的安装与使用 2
1.1　R安装与升级 3
1.2　R使用入门 4
1.2.1　R操作界面 4
1.2.2　RStudio窗口介绍 5
1.2.3　R常用操作 6
1.3　R数据分析包 8
1.4　配套资源使用说明 10
1.5　小结 10
1.6　上机实验 10
第2章　数据对象与数据读写 12
2.1　数据类型 12
2.2　数据结构 16
2.2.1　向量 16
2.2.2　矩阵 19
2.2.3　数组 24
2.2.4　数据框 25
2.2.5　因子 28
2.2.6　列表 31
2.3　数据文件的读写 34
2.3.1　键盘输入数据 34
2.3.2　读取不同格式的数据 35
2.3.3　从其他统计软件获取数据 37
2.3.4　从数据库获取数据 37
2.3.5　从网页获取数据 39
2.4　小结 40
2.5　上机实验 40
第3章　R语言常用数据管理 42
3.1　变量的重命名 42
3.2　缺失值分析 45
3.3　数据排序 46
3.4　随机抽样 48
3.5　数值运算函数 49
3.6　字符串处理 52
3.7　文本分词 56
3.8　apply函数族 62
3.9　数据整合 65
3.10　控制流 68
3.11　函数的编写 71
3.12　小结 72
3.13　上机实验 73
第4章　图形探索 75
4.1　图形元素 76
4.1.1　颜色 76
4.1.2　点 80
4.1.3　文本 82
4.1.4　线条 86
4.1.5　图例 91
4.1.6　坐标轴 92
4.2　图形组合 94
4.3　图形保存 97
4.4　图形函数 98
4.5　小结 116
4.6　上机实验 116
第5章　高级绘图工具 117
5.1　lattice包绘图工具 117
5.1.1　绘图特色 117
5.1.2　基本图形 122
5.2　ggplot2包绘图工具 135
5.2.1　从qplot开始135
5.2.2　ggplot作图 137
5.3　交互式绘图工具简介 142
5.3.1　rCharts包 143
5.3.2　recharts包 147
5.3.3　googleVis包 147
5.3.4　htmlwidgets包 148
5.3.5　shiny包 153
5.4　小结 163
5.5　上机实验 163
第二部分　建模应用篇
第6章　分类与预测 166
6.1　回归分析 166
6.2　决策树 175
6.2.1　C4.5算法 176
6.2.2　CART算法 178
6.2.3　C5.0算法 180
6.3　人工神经网络 181
6.4　KNN算法 183
6.5　朴素贝叶斯分类 185
6.6　其他分类与预测算法函数 187
6.7　分类与预测算法评价 192
6.8　小结 196
6.9　上机实验 196
第7章　聚类分析 198
7.1　K-Means聚类分析函数 199
7.2　层次聚类算法 204
7.3　其他聚类分析函数 207
7.4　小结 211
7.5　上机实验 212
第8章　关联规则 213
8.1　Apriori关联规则 214
8.2　小结 226
8.3　上机实验 226
第9章　智能推荐 228
9.1　智能推荐模型构建 228
9.2　智能推荐模型评价 232
9.3　小结 235
9.4　上机实验 235
第10章　时间序列 237
10.1　ARIMA模型 237
10.2　其他时间序列模型 245
10.3　小结 250
10.4　上机实验251
第三部分　Rattle篇
第11章　可视化数据挖掘工具Rattle 254
11.1　Rattle简介及其安装 254
11.1.1　Rattle简介 254
11.1.2　Rattle安装 254
11.2　功能预览 255
11.3　数据导入 256
11.3.1　导入CSV数据 256
11.3.2　导入ARFF数据 261
11.3.3　导入ODBC数据 262
11.3.4　R Dataset——导入其他数据源 264
11.3.5　导入RData File数据集 267
11.3.6　导入Library数据 268
11.4　数据探索 269
11.4.1　数据总体概况 269
11.4.2　数据分布探索 272
11.4.3　相关性 275
11.4.4　主成分 277
11.4.5　交互图 278
11.5　数据建模 283
11.5.1　聚类分析 283
11.5.2　关联规则 288
11.5.3　决策树 291
11.5.4　随机森林 293
11.6　模型评估 296
11.6.1　混淆矩阵 296
11.6.2　风险图 296
11.6.3　ROC图及相关图表 297
11.6.4　模型得分数据集 298
11.7　小结 299
11.8　上机实验 299
参考资料 301



有问题微信扫码联系

推荐

Understand China
桂ICP备20004708号-4