数据挖掘与数据分析：基于R语言

封面

版权信息

前言

第1章 R语言基础

■ 学习目标

■ 应用背景介绍

1.1 R语言中的数据读取和数据导出

1.1.1 第一个R会话

1.1.2 变量赋值

1.1.3 从文件中读取数据

1.1.4 从R语言的包中获取数据

1.1.5 导出数据

1.2 R语言中的数据类型和对象

1.2.1 数据类型

1.2.2 R语言中的向量

1.2.3 R语言中的矩阵

1.2.4 R语言中的数据框

1.2.5 R语言中的列表

1.2.6 R语言中的因子

1.3 R语言中的控制语句及函数

1.3.1 if分支

1.3.2 for循环

1.3.3 while循环

1.3.4 switch语句

1.3.5 自定义函数

1.3.6 R语言中的内置函数

1.4 R语言中的数据处理

1.4.1 从数据集中提取信息

1.4.2 缺失信息处理

1.4.3 运算符

1.4.4 替换现有字段中的数据

1.4.5 变量的重命名

1.4.6 数字的四舍五入

1.4.7 子集数据

1.4.8 随机抽样

1.4.9 apply()函数集合

1.4.10 数据类型转换

1.4.11 数据聚合

1.4.12 文本数据排序

1.4.13 数据合并

1.4.14 table()函数

1.5 R包

1.5.1 dplyr包

1.5.2 tidyr包

◎ 本章小结

◎ 课后习题

第2章 R语言可视化技术

■ 学习目标

■ 应用背景介绍

2.1 ggplot2的图层语法

2.1.1 图像的组成

2.1.2 散点图示例

2.2 图层

2.2.1 绘图对象

2.2.2 几何对象

2.2.3 统计变换

2.2.4 位置调整

2.3 图像细节调整

2.3.1 标度

2.3.2 坐标系

2.3.3 分面

2.3.4 主题

2.4 常用工具图的绘制

2.4.1 条形图与直方图

2.4.2 折线图与路线图

2.4.3 饼图

2.4.4 箱线图与小提琴图

2.4.5 QQ图

◎ 本章小结

◎ 课后习题

第3章 线性回归

■ 学习目标

■ 应用背景介绍

3.1 线性回归模型的基本形式

3.2 线性回归模型参数的估计

3.3 自变量为分类变量的处理

3.4 线性回归模型的显著性检验

3.5 线性回归中的多重共线性

3.6 线性回归模型的拟合优度

3.7 回归诊断

3.7.1 异常点识别

3.7.2 线性关系检验

3.7.3 残差的正态性检验

3.8 线性回归的R语言实现

◎ 本章小结

◎ 课后习题

第4章 逻辑回归

■ 学习目标

■ 应用背景介绍

4.1 逻辑回归原理

4.1.1 逻辑回归模型简介

4.1.2 逻辑回归函数

4.1.3 逻辑回归推导

4.2 逻辑回归算法示例

4.3 模型理解

4.4 R语言编程

4.4.1 数据导入

4.4.2 数据预处理

4.4.3 逻辑回归模型训练

4.4.4 逻辑回归模型验证