包邮数据分析与挖掘――R语言

第1章 R语言简介 1 1.1 获取R 1 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的常用操作 6 1.3 R的简单操作 8 1.3.1 基本数学运算 8 1.3.2 变量 8 1.3.3 数据结构 9 1.4 R数据分析包 12 1.5 小结 12 参考文献 13 第2章 数据挖掘基础 14 2.1 数据挖掘的定义 14 2.2 数据探索及预处理 15 2.2.1 脏数据分析 15 2.2.2 数据特征分析 19 2.2.3 数据预处理 23 2.3 模型简介 27 2.3.1 聚类模型 27 2.3.2 回归模型 31 2.3.3 决策树 34 2.3.4 人工神经网络 35 2.3.5 关联规则分析模型 38 2.4 小结 42 参考文献 42 第3章 数据挖掘网站用户行为分析及网页智能推荐 44 3.1 背景与挖掘目标 44 3.2 用户分群 47 3.2.1 用户分群的分析方法 47 3.2.2 数据的抽取 48 3.2.3 数据的预处理与探索分析 49 3.2.4 用户分群结果 57 3.2.5 用户分群的应用 66 3.3 网页智能推荐 66 3.3.1 网页智能推荐的分析方法 66 3.3.2 数据的预处理 67 3.3.3 组合推荐模型 68 3.3.4 组合推荐结果 78 3.4 总结 78 3.4.1 相关结论及应用 78 3.4.2 相关的问题思考 78 参考文献 79 第4章 生活服务点评网站客户分群 80 4.1 背景与挖掘目标 80 4.2 分析方法与过程 81 4.2.1 数据抽取 82 4.2.2 数据探索 82 4.2.3 数据预处理 94 4.2.4 模型构建 102 4.3 小结 113 第5章 水冷中央空调系统的优化控制策略 114 5.1 背景及挖掘目标 114 5.2 分析的方法及流程 115 5.3 数据预处理 118 5.3.1 变量选取 118 5.3.2 数据探索 120 5.3.3 数据变换 130 5.4 优化控制模型 131 5.4.1 总耗电量与可控变量 132 5.4.2 冷却负载与可控变量 140 5.5 模型求解 144 5.5.1 工作日模型求解 144 5.5.2 确定状态值 148 5.6 总结 155 参考文献 156 第6章 电商评价文本的主题特征词分析 157 6.1 背景与挖掘目标 157 6.2 分析的方法及过程 158 6.2.1 评论数据采集 159 6.2.2 文本数据预处理 161 6.2.3 基于LDA主题模型的特征词分析 167 6.3 小结 169 参考文献 169 第7章 均线投资策略 171 7.1 背景及投资策略介绍 171 7.1.1 移动平均线相关理论介绍 172 7.1.2 名词及概念介绍 175 7.2 基于移动平均线的投资策略 176 7.2.1 单均线投资策略 177 7.2.2 双均线投资策略 177 7.3 双均线投资策略实际应用 178 7.3.1 双均线投资策略总体流程 178 7.3.2 数据获取 178 7.3.3 简单的K线图实现 179 7.3.4 均线模型 180 7.3.5 其他双均线策略的收益 188 7.4 主要结论及展望 189 7.4.1 结论 189 7.4.2 后续策略的展望 190 参考文献 191 致谢 192