R语言与数据挖掘

前　言**部分　基础篇第1章　r语言的安装与使用 21.1　r安装与升级 31.2　r使用入门 41.2.1　r操作界面 41.2.2　rstudio窗口介绍 51.2.3　r常用操作 61.3　r数据分析包 81.4　配套资源使用说明 101.5　小结 101.6　上机实验 10第2章　数据对象与数据读写 122.1　数据类型 122.2　数据结构 162.2.1　向量 162.2.2　矩阵 192.2.3　数组 242.2.4　数据框 252.2.5　因子 282.2.6　列表 312.3　数据文件的读写 342.3.1　键盘输入数据 342.3.2　读取不同格式的数据 352.3.3　从其他统计软件获取数据 372.3.4　从数据库获取数据 372.3.5　从网页获取数据 392.4　小结 402.5　上机实验 40第3章　r语言常用数据管理 423.1　变量的重命名 423.2　缺失值分析 453.3　数据排序 463.4　随机抽样 483.5　数值运算函数 493.6　字符串处理 523.7　文本分词 563.8　apply函数族 623.9　数据整合 653.10　控制流 683.11　函数的编写 713.12　小结 723.13　上机实验 73第4章　图形探索 754.1　图形元素 764.1.1　颜色 764.1.2　点 804.1.3　文本 824.1.4　线条 864.1.5　图例 914.1.6　坐标轴 924.2　图形组合 944.3　图形保存 974.4　图形函数 984.5　小结 1164.6　上机实验 116第5章　高级绘图工具 1175.1　lattice包绘图工具 1175.1.1　绘图特色 1175.1.2　基本图形 1225.2　ggplot2包绘图工具 1355.2.1　从qplot开始 1355.2.2　ggplot作图 1375.3　交互式绘图工具简介 1425.3.1　rcharts包 1435.3.2　recharts包 1475.3.3　googlevis包 1475.3.4　htmlwidgets包 1485.3.5　shiny包 1535.4　小结 1635.5　上机实验 163第二部分　建模应用篇第6章　分类与预测 1666.1　回归分析 1666.2　决策树 1756.2.1　c4.5算法 1766.2.2　cart算法 1786.2.3　c5.0算法 1806.3　人工神经网络 1816.4　knn算法 1836.5　朴素贝叶斯分类 1856.6　其他分类与预测算法函数 1876.7　分类与预测算法评价 1926.8　小结 1966.9　上机实验 196第7章　聚类分析 1987.1　k-means聚类分析函数 1997.2　层次聚类算法 2047.3　其他聚类分析函数 2077.4　小结 2117.5　上机实验 212第8章　关联规则 2138.1　apriori关联规则 2148.2　小结 2268.3　上机实验 226第9章　智能推荐 2289.1　智能推荐模型构建 2289.2　智能推荐模型评价 2329.3　小结 2359.4　上机实验 235第10章　时间序列 23710.1　arima模型 23710.2　其他时间序列模型 24510.3　小结 25010.4　上机实验 251第三部分　rattle篇第11章　可视化数据挖掘工具rattle 25411.1　rattle简介及其安装 25411.1.1　rattle简介 25411.1.2　rattle安装 25411.2　功能预览 25511.3　数据导入 25611.3.1　导入csv数据 25611.3.2　导入arff数据 26111.3.3　导入odbc数据 26211.3.4　r dataset——导入其他数据源 26411.3.5　导入rdata file数据集 26711.3.6　导入library数据 26811.4　数据探索 26911.4.1　数据总体概况 26911.4.2　数据分布探索 27211.4.3　相关性 27511.4.4　主成分 27711.4.5　交互图 27811.5　数据建模 28311.5.1　聚类分析 28311.5.2　关联规则 28811.5.3　决策树 29111.5.4　随机森林 29311.6　模型评估 29611.6.1　混淆矩阵 29611.6.2　风险图 29611.6.3　roc图及相关图表 29711.6.4　模型得分数据集 29811.7　小结 29911.8　上机实验 299参考资料 301