R语言数据挖掘 实用项目解析pdf电子书版本下载

点此进入-本书在线PDF格式电子书下载【推荐-云解压-方便快捷】直接下载PDF格式图书。移动端-PC端通用
种子下载[BT下载速度快] 温馨提示：（请使用BT下载软件FDM进行下载）软件下载地址页 直链下载[便捷但速度慢]   [在线试读本书]   [在线获取解压码]

R语言数据挖掘 实用项目解析PDF格式电子书版下载

下载的文件为RAR压缩包。需要使用解压软件进行解压得到PDF格式图书。

建议使用BT下载工具Free Download Manager进行下载,简称FDM(免费,没有广告,支持多平台）。本站资源全部打包为BT种子。所以需要使用专业的BT下载软件进行下载。如 BitComet qBittorrent uTorrent等BT下载工具。迅雷目前由于本站不是热门资源。不推荐使用！后期资源热门了。安装了迅雷也可以迅雷进行下载！

（文件页数 要大于 标注页数，上中下等多册电子书除外）

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 使用R内置数据进行数据处理 1

1.1 什么是数据挖掘 2

1.2 R语言引论 4

1.2.1 快速入门 4

1.2.2 数据类型、向量、数组与矩阵 4

1.2.3 列表管理、因子与序列 7

1.2.4 数据的导入与导出 8

1.3 数据类型转换 10

1.4 排序与合并数据框 11

1.5 索引或切分数据框 15

1.6 日期与时间格式化 16

1.7 创建新函数 17

1.7.1 用户自定义函数 17

1.7.2 内置函数 18

1.8 循环原理——for循环 18

1.9 循环原理——repeat循环 19

1.10 循环原理while循环 19

1.11 apply原理 19

1.12 字符串操作 21

1.13 缺失值（NA）的处理 22

小结 23

第2章 汽车数据的探索性分析 24

2.1 一元分析 24

2.2 二元分析 30

2.3 多元分析 31

2.4 解读分布和变换 32

2.4.1 正态分布 32

2.4.2 二项分布 34

2.4.3 泊松分布 34

2.5 解读分布 34

2.6 变量分段 37

2.7 列联表、二元统计及数据正态性检验 37

2.8 假设检验 41

2.8.1 总体均值检验 42

2.8.2 双样本方差检验 46

2.9 无参数方法 48

2.9.1 Wilcoxon符号秩检验 49

2.9.2 Mann-Whitney-Wilcoxon检验 49

2.9.3 Kruskal-Wallis检验 49

小结 50

第3章 可视化diamond数据集 51

3.1 使用ggplot2可视化数据 54

3.1.1 条状图 64

3.1.2 盒状图 65

3.1.3 气泡图 65

3.1.4 甜甜圈图 66

3.1.5 地理制图 67

3.1.6 直方图 68

3.1.7 折线图 68

3.1.8 饼图 69

3.1.9 散点图 70

3.1.10 堆叠柱形图 75

3.1.11 茎叶图 75

3.1.12 词云 76

3.1.13 锯齿图 76

3.2 使用plotly 78

3.2.1 气泡图 78

3.2.2 用plotly画条状图 79

3.2.3 用plotly画散点图 79

3.2.4 用plotly画盒状图 80

3.2.5 用plotly画极坐标图 82

3.2.6 用plotly画极坐标散点图 82

3.2.7 极坐标分区图 83

3.3 创建地理制图 84

小结 84

第4章 用汽车数据做回归 85

4.1 回归引论 85

4.1.1 建立回归问题 86

4.1.2 案例学习 87

4.2 线性回归 87

4.3 通过逐步回归法进行变量选取 98

4.4 Logistic回归 99

4.5 三次回归 105

4.6 惩罚回归 106

小结 109

第5章 基于产品数据的购物篮分析 110

5.1 购物篮分析引论 110

5.1.1 什么是购物篮分析 111

5.1.2 哪里会用到购物篮分析 112

5.1.3 数据要求 112

5.1.4 前提假设／要求 114

5.1.5 建模方法 114

5.1.6 局限性 114

5.2 实际项目 115

5.2.1 先验算法 118

5.2.2 eclat算法 121

5.2.3 可视化关联规则 123

5.2.4 实施关联规则 124

小结 126

第6章 聚类电商数据 127

6.1 理解客户分类 128

6.1.1 为何理解客户分类很重要 128

6.1.2 如何对客户进行分类 128

6.2 各种适用的聚类方法 129

6.2.1 K均值聚类 130

6.2.2 层次聚类 135

6.2.3 基于模型的聚类 139

6.2.4 其他聚类算法 140

6.2.5 聚类方法的比较 143

参考文献 143

小结 143

第7章 构建零售推荐引擎 144

7.1 什么是推荐 144

7.1.1 商品推荐类型 145

7.1.2 实现推荐问题的方法 145

7.2 前提假设 147

7.3 什么时候采用什么方法 148

7.4 协同过滤的局限 149

7.5 实际项目 149

小结 157

第8章 降维 158

8.1 为什么降维 158

8.2 降维实际项目 161

8.3 有参数法降维 172

参考文献 173

小结 173

第9章 神经网络在医疗数据中的应用 174

9.1 神经网络引论 174

9.2 理解神经网络背后的数学原理 176

9.3 用R语言实现神经网络 177

9.4 应用神经网络进行预测 180

9.5 应用神经网络进行分类 183

9.6 应用神经网络进行预测 185

9.7 神经网络的优缺点 187

参考文献 187

小结 187