R语言数据挖掘【2025|PDF下载-Epub版本|mobi电子书|kindle百度云盘下载】

R语言数据挖掘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4

1.3 数据挖掘能做什么7

1.4 数据挖掘方法的特点14

1.5 数据挖掘的典型应用18

1.6 R语言入门必备24

1.7 本章函数列表34

第2章 R的数据组织和整理36

2.1 R的数据对象36

2.2 向量的创建和访问39

2.3 矩阵的创建和访问44

2.4 数据框的创建和访问50

2.5 数组和列表的创建和访问55

2.6 数据对象的相互转换58

2.7 导入外部数据和保存数据65

2.8 R语言程序设计基础74

2.9 R语言数据整理和程序设计综合应用92

2.10 本章函数列表94

第3章 R的数据可视化96

3.1 绘图基础96

3.2 单变量分布特征的可视化102

3.3 多变量联合分布特征的可视化110

3.4 变量间相关性的可视化116

3.5 GIS数据的可视化129

3.6 文本词频数据的可视化137

3.7 本章函数列表138

第4章 R的近邻分析：数据预测140

4.1 近邻分析：K-近邻法140

4.2 基于变量重要性的加权K-近邻法151

4.3 基于观测相似性的加权K-近邻法155

4.4 本章函数列表162

第5章 R的决策树：数据预测163

5.1 决策树算法概述163

5.2 分类回归树的生长过程168

5.3 分类回归树的剪枝174

5.4 分类回归树的R函数和应用示例179

5.5 建立分类回归树的组合预测模型185

5.6 随机森林194

5.7 本章函数列表202

第6章 R的人工神经网络：数据预测203

6.1 人工神经网络概述204

6.2 B-P反向传播网络212

6.3 B-P反向传播网络的R函数和应用示例219

6.4 本章函数列表230

第7章 R的支持向量机：数据预测231

7.1 支持向量分类概述231

7.2 线性可分问题下的支持向量分类235

7.3 广义线性可分问题下的支持向量分类238

7.4 线性不可分问题下的支持向量分类241

7.5 多分类的支持向量分类244

7.6 支持向量回归244

7.7 R的支持向量机及应用示例248

7.8 本章函数列表259

第8章 R的一般聚类：揭示数据内在结构260

8.1 聚类分析概述260

8.2 基于质心的聚类模型：K-Means聚类262

8.3 基于质心的聚类模型：PAM聚类270

8.4 基于联通性的聚类模型：层次聚类273

8.5 基于统计分布的聚类模型：EM聚类277

8.6 本章函数列表285

第9章 R的特色聚类：揭示数据内在结构287

9.1 BIRCH聚类287

9.2 SOM网络聚类297

9.3 基于密度的聚类模型：DBSCAN聚类313

9.4 本章函数列表318

第10章 R的关联分析：揭示数据关联性319

10.1 简单关联规则及其测度320

10.2 Apriori算法及应用示例324

10.3 Eclat算法及应用示例339

10.4 简单关联分析的应用示例341

10.5 序列关联分析及SPADE算法345

10.6 本章函数列表355

第11章 R的模式甄别：诊断异常数据356

11.1 模式甄别方法和评价概述356

11.2 模式甄别的无监督侦测方法及应用示例361

11.3 模式甄别的有监督侦测方法及应用示例370

11.4 模式甄别的半监督侦测方法及应用示例382

11.5 本章函数列表385

第12章 R的网络分析初步386

12.1 网络的定义、表示及构建387

12.2 网络节点重要性的测度408

12.3 网络子群构成特征研究418

12.4 网络整体特征刻画428

12.5 主要网络类型及特点433

12.6 本章函数列表444