图书介绍

用商业案例学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】

经管之家主编；常国珍，曾珂，朱江编著著
出版社：北京：电子工业出版社
ISBN：9787121319587
出版时间：2017
标注页数：445页
文件大小：79MB
文件页数：463页
主题词：程序语言－程序设计

PDF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]

点击复制MD5值：9de8ddff9d2c73c606c38da599e3b3a3

下载说明

用商业案例学R语言数据挖掘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。

点击复制85GB完整离线版磁力链接到迅雷FDM等BT下载工具进行下载详情点击-查看共享计划

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

图书目录

第1章商业数据分析基础1

1.1 商业数据分析的本质1

1.2 商业数据分析中心的建设3

第2章数据分析的武器库5

2.1 数据挖掘简介5

2.2 R语言简介13

2.3 R与RStudio的下载和安装15

2.4 在RStudio中安装包20

2.5 练习题22

第3章 R语言编程23

3.1 R的基本数据类型23

3.2 R的基本数据结构24

3.3 R的程序控制34

3.4 R的函数41

3.5 R的日期与时间数据类型42

3.6 在R中读写数据43

3.7 练习题47

第4章 R描述性统计分析与绘图48

4.1 描述性统计分析48

4.2 制图的步骤60

4.3 R基础绘图包63

4.4 ggplot2绘图74

4.5 练习题79

第5章数据整合和数据清洗80

5.1 数据整合80

5.2 R中的高级数据整合96

5.3 R中的抽样101

5.4 R的数据清洗103

5.5 练习题110

第6章统计推断基础111

6.1 基本的统计学概念111

6.2 假设检验与单样本t检验116

6.3 双样本t检验119

6.4 方差分析（分类变量和连续变量关系检验）121

6.5 相关分析（两连续变量关系检验）127

6.6 卡方检验（二分类变量关系检验）134

6.7 练习题137

第7章客户价值预测：线性回归模型与诊断139

7.1 相关性分析139

7.2 线性回归139

7.3 线性回归诊断150

7.4 正则化方法159

7.5 练习题169

第8章 Logistic回归构建初始信用评级170

8.1 Logistic回归的相关关系分析170

8.2 Logistic回归模型及实现171

8.3 最大熵模型与极大似然法估计179

8.4 模型评估187

8.5 练习题193

第9章使用决策树进行信用评级195

9.1 决策树建模思路195

9.2 决策树算法197

9.3 在R中实现决策树209

9.4 组合算法（Ensemble Learning）214

9.5 练习题234

第10章神经网络235

10.1 神经元模型235

10.2 人工神经网络模型237

10.3 单层感知器239

10.4 BP神经网络242

10.5 RBF神经网络246

10.6 神经网络设计与R代码实现253

10.7 练习题261

第11章分类器入门：最近邻域与贝叶斯网络263

11.1 分类器的概念263

11.2 KNN算法264

11.3 朴素贝叶斯269

11.4 贝叶斯网络273

11.5 练习题281

第12章高级分类器：支持向量机282

12.1 线性可分与线性不可分282

12.2 线性可分支持向量机283

12.3 线性支持向量机291

12.4 非线性支持向量机297

12.5 R中的支持向量机303

12.6 练习题306

第13章连续变量的维度归约307

13.1 维度归约方法概述307

13.2 主成分分析308

13.3 因子分析314

13.4 奇异值分解320

13.5 对应分析和多维尺度分析326

13.6 练习题334

第14章聚类336

14.1 聚类分析概述337

14.2 聚类算法逻辑337

14.3 层次聚类339

14.4 k-means聚类342

14.5 基于密度的聚类346

14.6 聚类模型的评估349

14.7 高斯混合模型（Gaussian Mixture Model）352

14.8 客户分群364

14.9 练习题379

第15章关联规则与推荐算法380

15.1 长尾理论380

15.2 关联规则383

15.3 序贯模型390

15.4 推荐算法与推荐系统395

15.5 练习题406

第16章时间序列建模407

16.1 认识时间序列407

16.2 简单时间序列分析409

16.3 平稳时间序列分析ARMA模型419

16.4 非平稳时间序列分析ARIMA模型434

第17章特征工程（Feature Engineering）（博文视点官方网站下载）446

17.1 特征工程概述446

17.2 数据预处理（Data Preprocessing）447

17.3 特征构造（Feature Construction）460

17.4 特征抽取（Feature Extraction）461

17.5 特征选择（Feature Selection）466

第18章 R文本挖掘（博文视点官方网站下载）471

18.1 文本挖掘471

18.2 文本清洗473

18.3 中文分词与文档模型476

18.4 文本的特征选择及相关性度量481

18.5 文本分类487

18.6 主题模型489

18.7 综合案例495

附录A 数据说明（博文视点官方网站下载）500