R语言实战 编程基础、统计分析与数据挖掘宝典PDF|Epub|txt|kindle电子书版本网盘下载

R语言实战 编程基础、统计分析与数据挖掘宝典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 R的基本介绍1

1.1 强大的R1

1.2 R的安装与启动2

1.2.1 安装并启动R3

1.2.2 安装并启动一个IDE5

1.3 R的向量、矩阵和数组6

1.3.1 向量的操作方法和固有属性6

1.3.2 矩阵的操作和运算9

1.3.3 数组中的维度函数12

1.4 R的列表和数据框14

1.4.1 列表的特性和编辑方法14

1.4.2 数据框的创建和基本操作18

1.5 R数据文件的载入和载出20

1.5.1 结构化纯文本文件的读取和输出21

1.5.2 其他文件的读取和输出23

1.6 向R中安装包25

第2章 原始数据的探索与预处理29

2.1 度量数据集的集中程度29

2.2 度量数据集的分散程度31

2.2.1 极值、方差和标准差31

2.2.2 标准误和偏度系数、峰度系数33

2.3 创建一个数值摘要表35

2.4 异常值的观测与说明37

2.4.1 利用箱线图观测异常值并处理38

2.4.2 异常值检测的其他情况和说明40

2.5 缺失值的填补与处理42

2.5.1 删除缺失值或对其进行简单填补42

2.5.2 按照相关性对空缺值进行填补45

第3章 R的数据可视化47

3.1 plot()函数和常用的图形参数47

3.1.1 设置plot()函数中的参数47

3.1.2 修改散点图的坐标并加入标注51

3.2 经典的基础图形及用途54

3.2.1 线图54

3.2.2 直方图59

3.2.3 箱线图和茎叶图63

3.3 将图形组合起来66

3.4 更多的高水平作图函数69

3.5 更多的常用作图命令72

第4章 R中参数的估计和检验75

4.1 使用R进行点估计和区间估计75

4.1.1 简单的点估计和区间估计75

4.1.2 估计单侧置信区间79

4.2 与正态总体有关的参数检验83

4.3 列联表与独立性检验87

4.4 几种检验数据分布的函数89

4.5 对非正态总体的区间估计和检验92

4.5.1 非正态总体的区间估计92

4.5.2 非参数检验中的符号检验94

4.5.3 非参数检验中的秩检验96

第5章 R中的方差分析99

5.1 方差分析模型的建立99

5.2 单因素方差分析100

5.2.1 单因素方差分析的数学思想与模型101

5.2.2 检验样本是否满足方差分析的假设条件102

5.2.3 构建单因素方差分析模型105

5.3 多因素方差分析108

5.3.1 多因素方差分析的数学思想与模型108

5.3.2 不考虑交互作用的双因素方差分析110

5.3.3 考虑交互作用的双因素方差分析112

5.4 秩检验和协方差分析114

5.4.1 对控制变量应用秩检验方法114

5.4.2 协方差分析的假设与应用116

第6章 R中的相关分析和回归分析118

6.1 多种相关系数的度量和分析118

6.1.1 简单相关系数的计算和检验118

6.1.2 散布矩阵图和偏相关系数121

6.1.3 典型相关分析123

6.2 线性回归分析及其常规参数125

6.2.1 对数据进行预处理126

6.2.2 构建第一个回归模型127

6.2.3 修正方程并检验残差129

6.3 使用逐步回归筛选自变量132

6.3.1 逐步回归的思想与分类132

6.3.2 构建逐步回归模型133

6.4 哑变量和逻辑回归135

6.4.1 哑变量和逻辑回归的思想135

6.4.2 向线性回归模型中纳入哑变量137

第7章 更高级的数据可视化140

7.1 基础图形的拓展与延伸140

7.1.1 绘制分类散点图并添加图标140

7.1.2 绘制含多种类别的密度分布图143

7.1.3 复合条形图和堆栈条形图146

7.2 有关多元分布函数的特殊图形149

7.2.1 星图和脸谱图150

7.2.2 轮廓图153

7.2.3 调和曲线图155

7.3 建立最简单的3D图形157

7.4 如何让图形更美观160

7.5 更多的绘图包和系统162

第8章 R中的聚类分析和判别分析164

8.1 几种聚类分析的异同164

8.2 使用R实现KNN聚类165

8.2.1 KNN算法的思想和模型165

8.2.2 使用R实现KNN聚类167

8.3 使用R实现系统聚类170

8.3.1 系统聚类的思想和模型170

8.3.2 使用R实现系统聚类171

8.4 使用R实现快速聚类174

8.4.1 快速聚类的思想和模型174

8.4.2 使用R实现快速聚类176

8.5 几种判别分析模型综述178

8.5.1 距离判别模型179

8.5.2 Fisher判别模型182

第9章 R中的主成分分析和因子分析186

9.1 主成分分析的实现与应用186

9.1.1 主成分分析的模型假设和数据处理186

9.1.2 构造一个主成分分析模型189

9.1.3 计算主成分的综合得分191

9.2 因子分析的初次构建与完善193

9.2.1 构造一个简单的因子分析模型194

9.2.2 计算因子得分并分析196

9.3 对因子分析模型进行修正198

9.3.1 修改因子分析模型中的因子个数198

9.3.2 基于主成分法和主轴因子法进行因子分析200

9.4 在降维分析的基础上进行回归分析和聚类分析202

9.4.1 在降维分析的基础上进行回归分析202

9.4.2 在降维分析的基础上进行聚类分析206

第10章 R中的广义线性回归模型209

10.1 一般的广义线性回归模型209

10.1.1 使用二次函数拟合线性回归模型209

10.1.2 拟合更多的广义线性模型212

10.1.3 比较线性模型的优劣214

10.2 Logistic线性回归模型217

10.2.1 Logistic模型的原理与构建方法217

10.2.2 Logistic模型的显著性检验和优势比220

10.2.3 修正被警告的Logistic模型221

10.3 泊松回归分析模型224

10.3.1 拟合第一个泊松回归模型224

10.3.2 泊松回归模型的过散布检验228

10.4 广义线性模型的交叉验证230

第11章 R中的时间序列模型233

11.1 将数据转换为时间序列格式233

11.1.1 使用ts()函数转换数据格式并绘制时间序列曲线233

11.1.2 使用zoo()函数转换数据格式并绘制时间序列曲线236

11.2 分解时间序列并检验时间序列的自相关性239

11.2.1 使用经典方法分解时间序列239

11.2.2 使用STL方法分解时间序列241

11.3 探究时间序列的自相关性243

11.3.1 使用月图和季度图探究自相关性243

11.3.2 使用散点图探究自相关性245

11.4 构建时间序列并预测248

11.4.1 均值预测、单纯预测和漂移248

11.4.2 不考虑长期趋势和季节波动的简单指数平滑251

11.4.3 在指数平滑中加入长期趋势和季节波动253

11.4.4 自回归移动平均模型256

第12章 R中的最优化问题260

12.1 最优化问题简述260

12.2 黄金分割法261

12.2.1 黄金分割法和局部最优解262

12.2.2 使用R实现黄金分割法264

12.3 牛顿最优化方法266

12.3.1 牛顿法的算法原理266

12.3.2 在一维情形下实现牛顿迭代法268

12.3.3 在多维情形下实现牛顿迭代法271

12.4 最快上升法273

12.4.1 利用梯度求解上升最快的相邻点273

12.4.2 构建最快上升法函数并检验275

12.5 R中的最优化函数277

第13章 使用R绘制地理信息图形280

13.1 绘制世界、国家、省市地图280

13.1.1 使用map()函数绘制地图280

13.1.2 另一种绘制地图的方法282

13.1.3 分省市绘制地图285

13.2 向地图中添加颜色289

13.2.1 向地图中添加颜色前的准备工作289

13.2.2 在地图上添加颜色291

13.3 向地图中添加标签和线条293

13.3.1 向地图中添加标签前的准备工作294

13.3.2 在地图上添加标签296

13.3.3 在地图上添加线条299

13.4 使用其他格式的文件优化地图301

第14章 使用R构建支持向量机306

14.1 构建一个简单的支持向量机306

14.1.1 支持向量机的算法原理306

14.1.2 构建一个简单的支持向量机309

14.1.3 使用其他核函数构建支持向量机312

14.2 优化支持向量机的参数316

14.2.1 优化参数degree316

14.2.2 优化参数cost319

14.2.3 优化参数gamma322

14.3 比较支持向量机与Logistic回归的优劣326

14.4 比较支持向量机和KNN聚类算法的优劣330

第15章 实现更高效的流程控制和高级循环333

15.1 R中的流程控制333

15.1.1 if语句的多种实现方法333

15.1.2 ifelse语句与花括号的结合335

15.1.3 适合多分支情况的switch语句337

15.2 R中的for循环、while循环和repeat循环340

15.2.1 R中的for循环和while循环340

15.2.2 R中的repeat循环342

15.3 apply家族中的循环函数345

15.3.1 R中的apply()函数345

15.3.2 R中的lapply()函数和sapply()函数349

15.3.3 R中的tapply()函数352

15.3.4 R中的mapply()函数355

15.4 更多的高级循环函数358

15.4.1 R中的replicate()函数和sweep()函数358

15.4.2 R中的aggregate()函数361

第16章 R代码的调试与优化365

16.1 R代码的常见信息与警告365

16.1.1 R代码的正常信息与警告365

16.1.2 R代码中的警告处理方法367

16.2 R代码中的错误与错误处理方法370

16.2.1 使用try()函数处理错误信息370

16.2.2 将try()函数与循环相结合372

16.3 调试R代码374

16.3.1 查看调用栈或暂停代码374

16.3.2 修改error选项376

16.4 向量化编程方法378

16.4.1 向量化编程思想378

16.4.2 比较循环和向量的运行速度379

第17章 构建电影评分预测模型382

17.1 获取数据并探索382

17.2 利用recommenderlab包处理数据385

17.3 建立模型并评估388

17.3.1 模型的选择与建立388

17.3.2 模型之间的比较和评估390

第18章 贝叶斯垃圾邮件过滤器模型394

18.1 贝叶斯模型中的条件概率394

18.2 复杂的数据预处理过程396

18.2.1 利用for循环读入多封邮件正文396

18.2.2 利用tm包进一步转换数据格式398

18.2.3 将TDM转换成真正有用的数据框400

18.3 利用occurrece值构造分类器403

18.3.1 完成理论准备并处理测试邮件和普通邮件403

18.3.2 创建一个函数用于比较概率406