21世纪统计学系列教材 R语言数据挖掘 第2版2025|PDF|Epub|mobi|kindle电子书版本百度云盘下载

21世纪统计学系列教材 R语言数据挖掘 第2版PDF格式电子书版下载

注意：本站所有压缩包均有解压码： 点击下载压缩包解压工具

第1章 数据挖掘与R语言概述1

1.1 什么是数据挖掘2

1.2 数据挖掘的结果3

1.3 数据挖掘能做什么7

1.4 数据挖掘方法的特点13

1.5 数据挖掘的典型应用16

1.6 R语言入门必备22

1.7 RStudio简介31

1.8 本章函数列表33

第2章 R的数据组织和整理34

2.1 R的数据对象34

2.2 向量的创建和访问37

2.3 矩阵的创建和访问41

2.4 数据框的创建和访问48

2.5 数组和列表的创建和访问52

2.6 数据对象的相互转换55

2.7 导入外部数据和保存数据61

2.8 R语言程序设计基础69

2.9 R语言数据整理和程序设计综合应用86

2.10 本章函数列表88

第3章 R的数据可视化90

3.1 绘图基础90

3.2 单变量分布特征的可视化96

3.3 多变量联合分布特征的可视化103

3.4 变量间相关性的可视化109

3.5 GIS数据的可视化121

3.6 文本词频数据的可视化126

3.7 本章函数列表128

第4章 R的近邻分析：数据预测129

4.1 近邻分析：K-近邻法129

4.2 基于变量重要性的加权K-近邻法139

4.3 基于观测相似性的加权K-近邻法143

4.4 本章函数列表149

第5章 R的决策树：数据预测150

5.1 决策树算法概述150

5.2 分类回归树的生长过程155

5.3 分类回归树的剪枝160

5.4 分类回归树的R函数和应用示例165

5.5 建立分类回归树的组合预测模型170

5.6 随机森林178

5.7 本章函数列表185

第6章 R的人工神经网络：数据预测187

6.1 人工神经网络概述188

6.2 B-P反向传播网络195

6.3 B-P反向传播网络的R函数和应用示例202

6.4 本章函数列表212

第7章 R的支持向量机：数据预测213

7.1 支持向量分类概述213

7.2 线性可分问题下的支持向量分类217

7.3 广义线性可分问题下的支持向量分类220

7.4 线性不可分问题下的支持向量分类222

7.5 多分类的支持向量分类225

7.6 支持向量回归225

7.7 R的支持向量机及应用示例229

7.8 本章函数列表239

第8章 R的一般聚类：揭示数据内在结构240

8.1 聚类分析概述240

8.2 基于质心的聚类模型：K-Means聚类242

8.3 基于质心的聚类模型：PAM聚类250

8.4 基于联通性的聚类模型：层次聚类252

8.5 基于统计分布的聚类模型：EM聚类256

8.6 本章函数列表264

第9章 R的特色聚类：揭示数据内在结构265

9.1 BIRCH聚类265

9.2 SO M网络聚类274

9.3 基于密度的聚类模型：DBSCAN聚类289

9.4 本章函数列表294

第10章 R的关联分析：揭示数据关联性295

10.1 简单关联规则及其测度295

10.2 Apriori算法及应用示例299

10.3 Eclat算法及应用示例313

10.4 简单关联分析的应用示例316

10.5 序列关联分析及SPADE算法320

10.6 本章函数列表329

第11章 R的模式甄别：诊断异常数据330

11.1 模式甄别方法和评价概述330

11.2 模式甄别的无监督侦测方法及应用示例335

11.3 模式甄别的有监督侦测方法及应用示例343

11.4 模式甄别的半监督侦测方法及应用示例354

11.5 本章函数列表356

第12章 R的网络分析初步357

12.1 网络的定义、表示及构建358

12.2 网络节点重要性的测度377

12.3 网络子群构成特征研究386

12.4 网络整体特征刻画395

12.5 主要网络类型及特点400

12.6 本章函数列表410