游客，欢迎访问首都图书馆！
帮助中心
您的建议
False
本馆资源
本馆资源
高级检索
全部
题名
ISBN
作者
出版社
电子图书
首页
本馆资源
首图冬奥主题书目
数字资源平台
>
工学
>
计算机科学与技术
>
计算机软件与理论
>
R语言数据挖掘方法及应用
R语言数据挖掘方法及应用
作者：
薛薇
编著
出版社：
电子工业出版社
出版时间：
2016.04
ISBN：
978-7-121-28327-7
主题：
程序语言
丛编：
统计分析系列
中图法分类号：
TP312
【中图法分类】
T 工业技术
>
TP自动化技术、计算机技术
>
TP3计算技术、计算机技术
>
TP31计算机软件
【学科分类】
工学
>
计算机科学与技术
>
计算机软件与理论
建议阅读终端：
随书光盘：
畅想随书资源
在线试读
PDF格式
编辑推荐
简介
目录
评论
暂无推荐
简介
本书以“R语言数据挖掘入门并不难”为起步篇，总览了数据挖掘的理论和应用轮廓，明确了R语言入门的必备知识和学习路线，并展示了数据挖掘的初步成果，旨在使读者快速起步数据挖掘实践。
目录
封面
内容简介
版权页
前言
目录
第1篇 起步篇：R语言数据挖掘入门并不难
第1章 数据挖掘与R语言概述
1.1 为什么要学习数据挖掘和R语言
1.2 什么是数据挖掘
1.3 数据挖掘能给出什么
1.4 数据挖掘能解决什么问题
1.5 数据挖掘解决问题的思路
1.6 数据挖掘有哪些典型的商业应用
1.7 R语言入门需要知道什么
第2章 R语言数据挖掘起步：R对象和数据组织
2.1 什么是R的数据对象
2.2 如何用R的向量组织数据
2.3 如何用R的矩阵组织数据
2.4 如何用R的数据框组织数据
2.5 如何用R的数组、列表组织数据
2.6 R数据对象的相互转换
2.7 如何将外部数据组织到R数据对象中
2.8 R程序设计需哪些必备知识
2.9 R程序设计与数据整理综合应用
第3章 R语言数据挖掘初体验：对数据的直观印象
3.1 数据的直观印象
3.2 如何获得单变量分布特征的直观印象
3.3 如何获得多变量联合分布的直观印象
3.4 如何获得变量间相关性的直观印象
3.5 如何获得GIS数据的直观印象
3.6 如何获得文本词频数据的直观印象：政府工作报告中有哪些高频词
第2篇 数据预测篇：立足数据预测未知
第4章 基于近邻的分类预测：与近邻有趋同的选择
4.1 近邻分析：K鄄近邻法
4.2 K-近邻法的适用性及特征选择
4.3 基于变量重要性的加权K鄄近邻法
4.4 基于观测相似性的加权K鄄近邻法
第5章 基于规则的分类和组合预测：摇给出易懂且稳健的预测
5.1 决策树概述
5.2 分类回归树的生长过程
5.3 分类回归树的剪枝
5.4 分类回归树的R实现和应用
5.5 建立分类回归树的组合预测模型：给出稳健的预测
5.6 随机森林：具有随机性的组合预测
第6章 基于神经网络的分类预测：给出高精准的预测
6.1 人工神经网络概述
6.2 B-P反向传播网络：最常见的人工神经网络
6.3 B-P反向传播网络的R实现和应用
第7章 基于支持向量的分类预测：摇给出最大把握的预测
7.1 支持向量分类概述
7.2 理想条件下的分类：线性可分问题下的支持向量分类
7.3 一般条件下的分类：广义线性可分时的支持向量分类
7.4 复杂条件下的分类：线性不可分时支持向量分类
7.5 多分类的支持向量分类：二分类的拓展
7.6 支持向量回归：解决数值预测问题
7.7 支持向量机的R实现及应用
第3篇 数据分组篇：发现数据中的自然群组
第8章 常规聚类：直观的数据全方位自动分组
8.1聚类分析概述
8.2 基于质心的聚类：K鄄Means聚类
8.3 PAM聚类：改进的K鄄Means聚类
8.4 基于联通性的聚类：层次聚类
8.5 基于统计分布的聚类：EM聚类
第9章 特色聚类：数据分组还可以这样做
9.1 BIRCH聚类概述
9.2 SOM网络聚类概述
9.3 基于密度的聚类模型：DBSCAN聚类
第4篇 数据关联篇：发现数据的内在关联性
第10章 发现数据中的关联特征：关联是推荐的依据
10.1 简单关联规则及其测度
10.2 Apriori算法：发现简单关联规则的高效算法
10.3 Eclat算法：更快速地发现频繁项集
10.4 简单关联分析的应用：商品推荐
10.5 序列关联分析及SPADE 算法：发现数据中的时序关联性
10.6 序列关联分析应用：发现网民的浏览习惯
第11章 复杂网络分析初步：基于关系的研究
11.1 网络的定义表示及构建：复杂网络分析的第一步
11.2 网络节点重要性的测度：谁是网络的“主导”
11.3 网络子群构成特征研究：找到网络中的“小团体”
11.4 网络整体特征刻画：整体关系是这样的
11.5 主要网络类型及特点：多姿多彩的网络世界
第5篇 离群数据探索篇：发现数据中的离群点
第12章 模式甄别：诊断异常数据
12.1 模式甄别方法和评价概述
12.2 模式甄别的无监督侦测方法及应用示例
12.3 模式甄别的有监督侦测方法及应用示例
12.4 模式甄别的半监督侦测方法及应用示例
封底
展开 ∨
评论(0)
评分：
1
2
3
4
5
评价：
请输入评论信息
5
0
/255
我要评论
最新上架
Loading...
