數(shù)據(jù)挖掘r語言實戰(zhàn)下載 最新更新|軟件分類|軟件專題|手機版|論壇轉(zhuǎn)貼|軟件發(fā)布

您當(dāng)前所在位置： 首頁 → 教程下載 → 電腦刊物 → 數(shù)據(jù)挖掘r語言實戰(zhàn)pdf 高清免費版

數(shù)據(jù)挖掘r語言實戰(zhàn)pdf

高清免費版

數(shù)據(jù)挖掘r語言實戰(zhàn)pdf下載
  • 軟件大小：45.81 MB
  • 軟件語言：中文
  • 軟件類型：國產(chǎn)軟件 / 電腦刊物
  • 軟件授權(quán)： 免費軟件
  • 更新時間：2019-07-09 12:57:54
  • 軟件等級：4星
  • 軟件廠商： -
  • 應(yīng)用平臺：WinXP, Win7, Win8, Win10
  • 軟件官網(wǎng)：

ITMOP本地下載文件大?。?5.81 MB

點贊 好評 0%（0） 差評 差評 0%（0）

軟件介紹人氣軟件精品推薦相關(guān)文章網(wǎng)友評論下載地址

小編為您推薦： 數(shù)據(jù)挖掘 r語言

數(shù)據(jù)挖掘r語言實戰(zhàn)pdf高清免費版是專門為讀者提供數(shù)據(jù)挖掘的學(xué)習(xí)書籍，全書圍繞數(shù)據(jù)挖掘進行深入講解，并且分為三大類別，讓讀者可以清楚明白數(shù)據(jù)信息，通過本書進行數(shù)據(jù)處理功能，歡迎有需要的用戶來IT貓撲下載！

關(guān)于數(shù)據(jù)挖掘r語言實戰(zhàn)

R是一個免費的開源軟件，它提供了首屈一指的統(tǒng)計計算和繪圖功能，尤其是大量的數(shù)據(jù)挖掘方面的算法包，使得它成為一款優(yōu)秀的、不可多得的數(shù)據(jù)挖掘工具軟件。本書的主要目的是向讀者介紹如何用R進行數(shù)據(jù)挖掘，通過大量的精選實例，循序漸進、全面系統(tǒng)地講述R在數(shù)據(jù)挖掘領(lǐng)域的應(yīng)用。

數(shù)據(jù)挖掘r語言實戰(zhàn)以數(shù)據(jù)預(yù)處理、基本算法及應(yīng)用和高級算法及應(yīng)用這三篇展開。

數(shù)據(jù)挖掘r語言實戰(zhàn)下載

（1）上篇：數(shù)據(jù)預(yù)處理

由第1-5章組成，首先簡要介紹數(shù)據(jù)挖掘流程、算法和工具，然后介紹R中的數(shù)據(jù)分類和數(shù)據(jù)集，以及使用R獲取數(shù)據(jù)的多種靈活的方法。最后講述對數(shù)據(jù)進行探索性分析和預(yù)處理的方法。這些內(nèi)容是使用R進行數(shù)據(jù)挖掘的最基礎(chǔ)內(nèi)容。

（2）中篇：基本算法及應(yīng)用

由第6-9章組成，主要講述數(shù)據(jù)挖掘的基本算法及應(yīng)用，包括關(guān)聯(lián)分析、聚類分析、判別分析和決策樹，這些算法也是數(shù)據(jù)挖掘使用最多最普遍的算法。R中提供了豐富的、功能強大的算法包和實現(xiàn)函數(shù)，數(shù)據(jù)挖掘的初級和中級用戶務(wù)必掌握。

（3）下篇：高級算法及應(yīng)用

由第10-14章組成，主要講述數(shù)據(jù)挖掘的高級算法及應(yīng)用，包括集成學(xué)習(xí)、隨機森林、支持向量機和神經(jīng)網(wǎng)絡(luò)，以及使用R中的工具對數(shù)據(jù)挖掘的模型進行評估與選擇。對于中高級的用戶，可以深入學(xué)習(xí)一下本篇的內(nèi)容。

數(shù)據(jù)挖掘r語言實戰(zhàn)pdf目錄

第0章 致敬，R！

致敬，肩膀！

致敬，時代！

致敬，人才！

致敬，R 瑟！

上篇 數(shù)據(jù)預(yù)處理

第1章 數(shù)據(jù)挖掘?qū)б?/strong>

1.1 數(shù)據(jù)挖掘概述

1.1.1 數(shù)據(jù)挖掘的過程

1.1.2 數(shù)據(jù)挖掘的對象

1.1.3 數(shù)據(jù)挖掘的方法

1.1.4 數(shù)據(jù)挖掘的應(yīng)用

1.2 數(shù)據(jù)挖掘的算法

1.3 數(shù)據(jù)挖掘的工具

1.3.1 工具的分類

1.3.2 工具的選擇

1.3.3 商用的工具

1.3.4 開源的工具

1.4 R 在數(shù)據(jù)挖掘中的優(yōu)勢

數(shù)據(jù)挖掘：R 語言實戰(zhàn)

VI

第2章 數(shù)據(jù)概覽

2.1 n×m 數(shù)據(jù)集

2.2 數(shù)據(jù)的分類

2.2.1 一般的數(shù)據(jù)分類

2.2.2 R 的數(shù)據(jù)分類

2.2.3 用R 簡單處理數(shù)據(jù)

2.3 數(shù)據(jù)抽樣及R 實現(xiàn)

2.3.1 簡單隨機抽樣

2.3.2 分層抽樣

2.3.3 整群抽樣

2.4 訓(xùn)練集與測試集

2.5 本章匯總

第3章 用R 獲取數(shù)據(jù)

3.1 獲取內(nèi)置數(shù)據(jù)集

3.1.1 datasets 數(shù)據(jù)集

3.1.2 包的數(shù)據(jù)集

3.2 獲取其他格式的數(shù)據(jù)

3.2.1 CSV 與TXT 格式

3.2.2 從Excel 直接獲取數(shù)據(jù)

3.2.3 從其他統(tǒng)計軟件中獲取數(shù)據(jù)

3.3 獲取數(shù)據(jù)庫數(shù)據(jù)

3.4 獲取網(wǎng)頁數(shù)據(jù)

3.5 本章匯總

第4章 探索性數(shù)據(jù)分析

4.1 數(shù)據(jù)集

4.2 數(shù)字化探索

4.2.1 變量概況

4.2.2 變量詳情

4.2.3 分布指標(biāo)

4.2.4 稀疏性

4.2.5 缺失值

4.2.6 相關(guān)性

4.3 可視化探索

4.3.1 直方圖

目 錄

VII

4.3.2 累積分布圖

4.3.3 箱形圖

4.3.4 條形圖

4.3.5 點陣圖

4.3.6 餅圖

4.5 本章匯總

第5章 數(shù)據(jù)預(yù)處理

5.1 數(shù)據(jù)集加載

5.2 數(shù)據(jù)清理

5.2.1 缺失值處理

5.2.2 噪聲數(shù)據(jù)處理

5.2.3 數(shù)據(jù)不一致的處理

5.3 數(shù)據(jù)集成

5.4 數(shù)據(jù)變換

5.5 數(shù)據(jù)歸約

5.6 本章匯總

中篇 基本算法及應(yīng)用

第6章 關(guān)聯(lián)分析

6.1 概述

6.2 R 中的實現(xiàn)

6.2.1 相關(guān)軟件包

6.2.2 核心函數(shù)

6.2.3 數(shù)據(jù)集

6.3 應(yīng)用案例

6.3.1 數(shù)據(jù)初探

6.3.2 對生成規(guī)則進行強度控制

6.3.3 一個實際應(yīng)用

6.3.4 改變輸出結(jié)果形式

6.3.5 關(guān)聯(lián)規(guī)則的可視化

6.4 本章匯總

第7章 聚類分析

7.1 概述

7.1.1 K-均值聚類

數(shù)據(jù)挖掘：R 語言實戰(zhàn)

VIII

7.1.2 K-中心點聚類

7.1.3 系譜聚類

7.1.4 密度聚類

7.1.5 期望最大化聚類

7.2 R 中的實現(xiàn)

7.2.1 相關(guān)軟件包

7.2.2 核心函數(shù)

7.2.3 數(shù)據(jù)集

7.3 應(yīng)用案例

7.3.1 K-均值聚類

7.3.2 K-中心點聚類

7.3.3 系譜聚類

7.3.4 密度聚類

7.3.5 期望最大化聚類

7.4 本章匯總

第8章 判別分析

8.1 概述

8.1.1 費希爾判別

8.1.2 貝葉斯判別

8.1.3 距離判別

8.2 R 中的實現(xiàn)

8.2.1 相關(guān)軟件包

8.2.2 核心函數(shù)

8.2.3 數(shù)據(jù)集

8.3 應(yīng)用案例

8.3.1 線性判別分析

8.3.2 樸素貝葉斯分類

8.3.3 K 最近鄰

8.3.4 有權(quán)重的K 最近鄰算法

8.4 推薦系統(tǒng)綜合實例

8.4.1 kNN 與推薦

8.4.2 MovieLens 數(shù)據(jù)集說明

8.4.3 綜合運用

8.5 本章匯總

目 錄

IX

第9章 決策樹

9.1 概述

9.1.1 樹形結(jié)構(gòu)

9.1.2 樹的構(gòu)建

9.1.3 常用算法

9.2 R 中的實現(xiàn)

9.2.1 相關(guān)軟件包

9.2.2 核心函數(shù)

9.2.3 數(shù)據(jù)集

9.3 應(yīng)用案例

9.3.1 CART 應(yīng)用

9.3.2 C4.5 應(yīng)用

9.4 本章匯總

下篇 高級算法及應(yīng)用

第10章 集成學(xué)習(xí)

10.1 概述

10.1.1 一個概率論小計算

10.1.2 Bagging 算法

10.1.3 AdaBoost 算法

10.2 R 中的實現(xiàn)

10.2.1 相關(guān)軟件包

10.2.2 核心函數(shù)

10.2.3 數(shù)據(jù)集

10.3 應(yīng)用案例

10.3.1 Bagging 算法

10.3.2 Adaboost 算法

10.4 本章匯總

第11章 隨機森林

11.1 概述

11.1.1 基本原理

11.1.2 重要參數(shù)

11.2 R 中的實現(xiàn)

11.2.1 相關(guān)軟件包

數(shù)據(jù)挖掘：R 語言實戰(zhàn)

X

11.2.2 核心函數(shù)

11.2.3 可視化分析

11.3 應(yīng)用案例

11.3.1 數(shù)據(jù)處理

11.3.2 建立模型

11.3.3 結(jié)果分析

11.3.4 自變量的重要程度

11.3.5 優(yōu)化建模

11.4 本章匯總

第12章 支持向量機

12.1 概述

12.1.1 結(jié)構(gòu)風(fēng)險最小原理

12.1.2 函數(shù)間隔與幾何間隔

12.1.3 核函數(shù)

12.2 R 中的實現(xiàn)

12.2.1 相關(guān)軟件包

12.2.2 核心函數(shù)

12.2.3 數(shù)據(jù)集

12.3 應(yīng)用案例

12.3.1 數(shù)據(jù)初探

12.3.2 建立模型

12.3.3 結(jié)果分析

12.3.4 預(yù)測判別

12.3.5 綜合建模

12.3.6 可視化分析

12.3.7 優(yōu)化建模

12.4 本章匯總

第13章 神經(jīng)網(wǎng)絡(luò)

13.1 概述

13.2 R 中的實現(xiàn)

13.2.1 相關(guān)軟件包

13.2.2 核心函數(shù)

13.3 應(yīng)用案例

13.3.1 數(shù)據(jù)初探

目 錄

XI

13.3.2 數(shù)據(jù)處理

13.3.3 建立模型

13.3.4 結(jié)果分析

13.3.5 預(yù)測判別

13.3.6 模型差異分析

13.3.7 優(yōu)化建模

13.4 本章匯總

第14章 模型評估與選擇

14.1 評估過程概述

14.2 安裝Rattle 包

14.3 Rattle 功能簡介

14.3.1 Data――選取數(shù)據(jù)

14.3.2 Explore――數(shù)據(jù)探究

14.3.3 Test――數(shù)據(jù)相關(guān)檢驗

14.3.4 Transform――數(shù)據(jù)預(yù)處理

14.3.5 Cluster――數(shù)據(jù)聚類

14.3.6 Model――模型評估

14.3.7 Evaluate――模型評估

14.3.8 Log――模型評估記錄

14.4 模型評估相關(guān)概念

14.4.1 誤判率

14.4.2 正確/錯誤的肯定判斷、正確/錯誤的否定判斷

14.4.3 精確度、敏感度及特異性

14.5 Rattle 在模型評估中的應(yīng)用

14.5.1 混淆矩陣

14.5.2 風(fēng)險圖

14.5.3 ROC 圖及相關(guān)圖表

14.5.4 模型得分?jǐn)?shù)據(jù)集

14.6 綜合實例

14.6.1 數(shù)據(jù)介紹

14.6.2 模型建立

14.6.3 模型結(jié)果分析

數(shù)據(jù)挖掘：R 語言實戰(zhàn)

更多>> 軟件截圖

推薦應(yīng)用

    其他版本下載

      精品推薦

      相關(guān)文章

      下載地址

      • 數(shù)據(jù)挖掘r語言實戰(zhàn)pdf 高清免費版

      查看所有評論>> 網(wǎng)友評論

      發(fā)表評論

      (您的評論需要經(jīng)過審核才能顯示) 網(wǎng)友粉絲QQ群號:374962675

      查看所有 0條 評論>>

      更多>> 猜你喜歡