R语言数据分析.挖掘建模与可视化

第1章 R语言的**基础知识 1.1 R语言简介 1.2 R软件的下载与安装 1.3 第三方包的下载与加载 1.3.1 手动下载法 1.3.2 代码下载法 1.3.3 第三方包的加载 1.4 如何查看帮助文档 1.4.1 知包知函数——help函数 1.4.2 知函数未知包——help.search函数 1.4.3 知包未知函数——apropos函数 1.4.4 未知函数未知包——RSiteSearch函数 1.5 R语言中的数据结构 1.5.1 向量的创建 1.5.2 向量元素的获取 1.5.3 基于向量的数据类型转换 1.5.4 向量的因子化转换 1.5.5 基于向量的常用函数 1.6 矩阵的构造 1.6.1 矩阵索引的使用 1.6.2 基于矩阵运算的常用函数 1.7 数据框的构造及常用函数 1.7.1 构造数据框 1.7.2 基于数据框的常用函数 1.8 列表的构造及索引的使用 1.8.1 列表的构造 1.8.2 列表索引的使用 1.9 控制流语句及自定义函数 1.9.1 if分支 1.9.2 for循环 1.9.3 while循环 1.10 R语言中的自定义函数 1.11 巧用apply簇函数 1.11.1 tapply函数的使用 1.11.2 apply函数的使用 1.11.3 lapply与sapply函数的使用 1.12 教你一个爬虫项目 1.13 篇章总结 第2章 数据的读写操作 2.1 文本文件数据的读取 2.1.1 csv或txt格式的数据读入 2.1.2 Json格式的数据读入 2.2 Excel数据的读取 2.2.1 xlsx包读取Excel数据 2.2.2 readxl包读取Excel数据 2.3 数据库数据的读取 2.3.1 读取MySQL数据库 2.3.2 读取SQL Server数据库 2.4 几种常见的数据写出格式 2.4.1 写出至文本文件 2.4.2 写出至电子表格Excel 2.4.3 写出至数据库 2.5 篇章总结 第3章 数据的清洗与管理 3.1 重复记录的识别和处理 3.2 缺失值的识别 3.3 缺失值的处理办法 3.3.1 删除法 3.3.2 替换法 3.3.3 插补法 3.4 异常值的识别和处理 3.4.1 基于分位数法识别异常值 3.4.2 基于σ方法识别异常值 3.4.3 基于模型法识别异常值 3.4.4 异常值的处理办法 3.5 数据形状的重塑 3.5.1 reshape2包 3.5.2 Tidyr包 …… 第4章 基于正则表达式的字符串处理技术 第5章 数据可视化技术的应用 第6章 可视化图形的个性化调整 第7章 线性回归模型的预测应用 第8章 岭回归与LASSO回归模型 第9章 Logistic回归模型的分类应用 第10章 决策树与随机森林的应用 第11章 KNN模型 第12章 朴素贝叶斯模型 第13章 SVM模型 第14章 GBDT模型 第15章 Kmeans聚类分析