作者：山本义郎
页数：198
出版社：人民邮电出版社
出版日期：2018
ISBN：9787115478788
高清校对版pdf（带目录）
前往页尾底部查看PDF电子书
内容简介
1.从理论基础到实例应用，边学习边实践！
2.网罗数据挖掘中10种经典、常用的方法！
回归分析/Logistic回归分析/决策树分析/支持向量机/记忆基础推理/聚类分析/自组织映射/主成分分析/对应分析/关联规则分析
3.图文并茂，示例丰富，结合可下载的R代码和数据，让你亲自体验数据挖掘的流程！
如何预测邮件是否为垃圾邮件？
如何判断顾客会同时购买哪些商品？
如何根据股价数据判断经济的景气程度？
如何从SNS获取数据并分析？
……
大数据时代，必须了解数据挖掘！
本书首先介绍R的基础知识以及使用R进行数据挖掘的流程；然后结合具体示例、代码和图表介绍数据挖掘的10种常用方法；最 后介绍数据挖掘的实战案例，涉及多种方法的比较以及实际的大规模数据的分析。本书详略得当，脉络清晰，让你轻松入门数据挖掘。
作者简介
山本义郎（作者）
日本东海大学理学部数学系教授。著有《统计数据的可视化》《统计学序论》《概率统计序论 第 2版》（合著）。执笔本书最 2章、第6章、第9章、最 11章、最 12章、最 13章。
藤野友和（作者）
日本福冈女子大学国际文理学部讲师。著有《统计数据的可视化》（合著）。执笔本书最 1章、第3章、第4章、第8章。
久保田贵文（作者）
日本多摩大学经营信息学部副教授。执笔本书第5章、第7章、最 10章、最 14章。
朱建春（译者）
毕业于北京大学计算机系，曾在联想集团任职多年，是国内较早从事Windows掌上电脑和智能手机的系统和应用软件开发的IT工作者。后长期担任对日软件外包开发项目经理。
本书特色
本书使用R，结合大量实例，详细介绍了数据挖掘的理论和分析方法。全书分为3部分：最 1部分简单介绍了使用R进行数据挖掘的流程和数据挖掘的概要；最 2部分介绍了数据挖掘的10种常用方法，并在此基础上使用R实际进行数据挖掘；第3部分结合实际的数据挖掘事例介绍了如何使用这些方法。本书适合数据挖掘的初学者，以及正在从事数据分析相关工作，想了解更多分析方法的读者阅读。
目录
第I部分 使用R进行数据挖掘的准备 1
最 1章 基于R的数据分析入门..............................................................3
1.1 R及RStudio的安装..................................................................................4
1.2 RStudio的基本操作...................................................................................6
1.3 R语言入门.................................................................................................10
1.3.1 作为计算器使用的方法........................................................................10
1.3.2 向量——R的基本数据结构................................................................11
1.3.3 向量变量的赋值和运算........................................................................12
1.3.4 数组和矩阵.............................................................................................13
1.3.5 因子型.....................................................................................................15
1.3.6 列表.........................................................................................................16
1.3.7 数据框.....................................................................................................17
1.4 获取外部数据............................................................................................18
1.5 数据汇总.....................................................................................................19
1.6 安装程序包.................................................................................................21
1.7 基于dplyr程序包的数据框操作..........................................................22
1.8 数据的可视化............................................................................................25
1.8.1 柱状图.....................................................................................................26
1.8.2 直方图.....................................................................................................29
1.8.3 箱形图.....................................................................................................30
1.8.4 散点图.....................................................................................................32
1.8.5 逐层绘制的图.........................................................................................34
最 2章 数据挖掘概述..................................................................................36
2.1 大数据和数据挖掘...................................................................................36
2.2.1 业务理解（Business Understanding）..............................................37
2.2 CRISP-DM................................................................................................37
2.2.2 数据理解（Data Understanding）.......................................................38
2.2.3 数据准备（Data Preparation）............................................................38
2.2.4 建模（Modeling）..................................................................................39
2.2.5 评估（Evaluation）................................................................................39
2.2.6 运用（Deployment）.............................................................................39
2.3.1 数据的种类和建模................................................................................40
2.3 数据挖掘的方法........................................................................................40
2.3.2 预测和判别.............................................................................................41
2.3.3 分类和聚类.............................................................................................41
2.3.4 维规约.....................................................................................................41
2.3.5 规则发现.................................................................................................41
第II部分 数据挖掘的方法 43
第3章 回归分析............................................................................................45
3.1 一元回归分析............................................................................................45
3.2 多元回归分析............................................................................................50
第4章 Logistic回归分析..........................................................................60
4.1 数据准备.....................................................................................................60
4.2 使用一个解释变量进行预测..................................................................61
4.3 使用两个及以上的解释变量进行预测................................................67
第5章 决策树分析.......................................................................................71
5.1 使用分类树的判别...................................................................................71
5.2 使用回归树的预测...................................................................................77
第6章 支持向量机.......................................................................................81
6.1 支持向量机的概念...................................................................................81
6.2 类别预测的例子........................................................................................83
6.3 数值预测的例子........................................................................................86
第7章 记忆基础推理..................................................................................89
7.1 k最 近邻法的概念....................................................................................89
7.2 变量的基准化和标准化..........................................................................94
第8章 聚类分析............................................................................................96
8.1 聚类分析的概念........................................................................................96
8.2 层次聚类分析............................................................................................97
8.3 执行层次聚类分析...................................................................................99
8.4 可视化进阶...............................................................................................103
8.5 非层次聚类分析......................................................................................107
8.6 执行非层次聚类分析.............................................................................107
第9章 自组织映射....................................................................................110
9.1 自组织映射的概念.................................................................................110
9.2 基于自组织映射的分析实例................................................................111
9.3 基于自组织映射的分类........................................................................120
最 10章 主成分分析.................................................................................129
10.1 主成分分析的概念...............................................................................129
10.2 对象数据的准备...................................................................................132
10.3 执行主成分分析...................................................................................135
最 11章 对应分析......................................................................................141
11.1 对应分析.................................................................................................141
11.2 多重对应分析........................................................................................144
最 12章 关联规则分析............................................................................149
12.1 关联规则及其评价指标......................................................................149
12.2 关联规则分析的实例..........................................................................151
12.3 关联规则分析的应用实例..................................................................159
第III部分 数据挖掘实战 165
最 13章 对各种预测方法的评估........................................................167
13.1 关于预测方法的评估..........................................................................167
13.2 类别预测的判别方法的比较.............................................................168
13.2.1 Logistic回归分析.............................................................................168
13.2.2 决策树分析........................................................................................173
13.2.3 支持向量机........................................................................................175
13.3 数值预测方法的比较..........................................................................176
13.3.1 多元回归分析....................................................................................176
13.3.2 决策树分析........................................................................................178
13.3.3 支持向量机........................................................................................180
最 14章 用股价数据生成综合指数...................................................181
14.1 获取股价数据........................................................................................181
14.2 根据股价数据生成综合指数.............................................................183
最 15章 SNS数据的分析......................................................................189
15.1 微博API.................................................................................................189
15.2 通过R获取微博信息.........................................................................192
15.3 分词及词频统计...................................................................................195
15.4 词云图.....................................................................................................197
非特殊说明，本博所有文章均为博主原创。
如若转载，请注明出处：https://www.xiazainiu.com/Wd1qk_5_48436.html
