高等学校大数据技术与应用规划教材：R语言数据分析与挖掘

*部分统计分析基础

第1章概述1

1.1 为什么使用R语言2

1.2 R的安装 3

1.3 RStudio集成环境 4

1.4 R的基础操作 4

1.5包 9

1.6 结果的重用性 10

1.7 综合示例 11

1.8 大数据处理 11

1.9 数据挖掘 13

小结 16

习题 16

第2章数据访问 17

2.1数据集合 17

2.2数据结构 18

2.3数据的输入 27

2.4数据的输出 35

2.5数据集的标注 36

2.6处理数据对象的实用函数36

小结 37

习题 37

第3章数据操作 39

3.1一个示例 39

3.2创建新变量 41

3.3变量的重编码 42

3.4变量的重命名 43

3.5缺失值 44

3.6日期型数据 46

3.7类型转换 48

3.8数据排序 49

3.9数据集的合并 49

3.10数据集取子集 50

3.11使用SQL 语句操作数据框53

3.12一个数据处理难题 53

3.13数值和字符处理函数 54

3.14数据处理难题的一套解决方案61

3.15控制语句 66

3.16自定义函数 68

3.17重构与整合 70

小结 73

习题 73

第4章数据可视化 75

4.1创建图形 75

4.2简单示例 77

4.3图形参数 78

4.4添加文本、自定义坐标轴和图例83

4.5图形的组合 89

4.6条形图 93

4.7饼图 97

4.8直方图 99

4.9核密度图 100

4.10点图 105

4.11 ggplot2包 107

小结 116

习题 116

第5章概率与分布 117

5.1随机抽样 117

5.2概率分布 118

5.3R的概率分布 122

5.4常用分布的概率函数图124

5.5中心极限定理及应用 127

小结 132

习题 132

第6章基本统计分析 133

6.1描述性统计分析 133

6.2频数表和列联表 139

6.3相关系数 148

6.4检验 152

6.5组间差异的非参数检验154

小结 157

习题 157

第7章回归分析 159

7.1概论 160

7.2 OLS 回归 161

7.3回归诊断 170

7.4异常观测值 179

7.5改进方法 182

7.6选择“*”的回归模型184

7.7深度分析 188

小结 192

习题 192

第8章方差分析 195

8.1 基本概念 195

8.2 ANOVA 模型拟合 196

8.3 单因素方差分析 198

8.4单因素协方差分析 202

8.5双因素方差分析 206

8.6重复测量方差分析 208

8.7多元方差分析 210

8.8回归实现ANOVA 214

小结 216

习题 216

第二部分机器学习实践

第9章大数据高性能计算 218

9.1数据选择 219

9.2数据聚合 223

9.3数据引用 225

9.4键与快速筛选 228

9.5数据连接 231

9.6数据变形 236

小结 238

习题 238

第10章机器学习流程 239

10.1数据探索 240

10.2数据划分 241

10.3数据填充 242

10.4特征选择 246

10.5建模与调优 251

10.6测试与评估 257

小结 260

习题 260

第11章有监督学习模型 261

11.1线性回归模型 263

11.2逻辑回归模型 269

11.3线性判别分析模型 275

11.4朴素贝叶斯模型 275

11.5k近邻模型 275

11.6决策树模型 284

11.7随机森林模型 299

11.8神经网络模型 309

11.9支持向量机模型 319

小结 330

习题 330

第12章无监督学习模型 331

12.1 k均值聚类模型 333

12.2 DBSCAN聚类模型 341

12.3 AGNES层次聚类模型 346

12.4关联分析模型 351

小结 357

习题 357

参考文献 358