r語言數(shù)據(jù)分析與挖掘?qū)崙?zhàn) 張良均pdf掃描版

r語言數(shù)據(jù)分析與挖掘?qū)崙?zhàn)是一本由10余位數(shù)據(jù)挖掘領(lǐng)域資深專家和科研人員0余年大數(shù)據(jù)挖掘咨詢與實施經(jīng)驗結(jié)晶，由張良均，云偉標，王路，劉曉勇四人編著。全書以數(shù)據(jù)挖掘的應(yīng)用出發(fā)，以電力、航空、醫(yī)療等10個行業(yè)真實案例為主線，詳細講解了R數(shù)據(jù)挖掘建模的過程和數(shù)據(jù)挖掘的二次開發(fā)。全書以大家熟知的數(shù)據(jù)挖掘建模工具R語言來展開，以解決某個應(yīng)用的挖掘目標為前提，先介紹案例背景提出挖掘目標，再闡述分析方法與過程，最后完成模型構(gòu)建，在介紹建模過程中同時穿插操作訓練，把相關(guān)的知識點嵌入相應(yīng)的操作過程中，使讀者輕松理解并掌握相關(guān)的理論和知識點。

內(nèi)容介紹

《R語言數(shù)據(jù)分析與挖掘?qū)崙?zhàn)》是一本系統(tǒng)性的、以實踐為導向的R數(shù)據(jù)挖掘與分析實戰(zhàn)指南，多位技術(shù)專家結(jié)合自己10多年的經(jīng)驗，以電力、航空、醫(yī)療、互聯(lián)網(wǎng)、制造業(yè)等10個行業(yè)的實戰(zhàn)案例為主線，深入淺出地講解了如何利用R語言及其相關(guān)技術(shù)進行數(shù)據(jù)挖掘建模、數(shù)據(jù)分析和二次開發(fā)，不僅為多個行業(yè)提供了成熟的解決方案，而且還提供了大量的技巧。

本書共16章，分三個部分：

基礎(chǔ)篇（第1～5章），第1章的主要內(nèi)容是數(shù)據(jù)挖掘概述；第2章對本書所用到的數(shù)據(jù)挖掘建模工具R語言進行了簡明扼要的說明；第3、4、5章對數(shù)據(jù)挖掘的建模過程，包括數(shù)據(jù)探索、數(shù)據(jù)預(yù)處理及挖掘建模的常用算法與原理進行了介紹。

實戰(zhàn)篇（第6～15章），重點對數(shù)據(jù)挖掘技術(shù)在電力、航空、醫(yī)療、互聯(lián)網(wǎng)、生產(chǎn)制造以及公共服務(wù)等行業(yè)的應(yīng)用進行了分析。在案例結(jié)構(gòu)組織上，本書是按照先介紹案例背景與挖掘目標，再闡述分析方法與過程，最后完成模型構(gòu)建的順序進行的，在建模過程等關(guān)鍵環(huán)節(jié)，穿插程序?qū)崿F(xiàn)代碼。最后通過上機實踐，加深數(shù)據(jù)挖掘技術(shù)在案例應(yīng)用中的理解。

高級篇（第16章），介紹了基于R語言二次開發(fā)的數(shù)據(jù)挖掘應(yīng)用軟件——TipDM數(shù)據(jù)挖掘建模工具，并以此工具為例詳細介紹了基于R語言完成數(shù)據(jù)挖掘二次開發(fā)的各個步驟，使讀者體驗到通過R語言實現(xiàn)數(shù)據(jù)挖掘二次開發(fā)的強大魅力。

章節(jié)目錄

前　言
基　礎(chǔ)　篇
第1章　數(shù)據(jù)挖掘基礎(chǔ)2
1.1　某知名連鎖餐飲企業(yè)的困惑2
1.2　從餐飲服務(wù)到數(shù)據(jù)挖掘3
1.3　數(shù)據(jù)挖掘的基本任務(wù)4
1.4　數(shù)據(jù)挖掘建模過程4
1.4.1　定義挖掘目標4
1.4.2　數(shù)據(jù)取樣5
1.4.3　數(shù)據(jù)探索6
1.4.4　數(shù)據(jù)預(yù)處理7
1.4.5　挖掘建模7
1.4.6　模型評價7
1.5　常用數(shù)據(jù)挖掘建模工具7
1.6　小結(jié)9
第2章　R語言簡介10
2.1　R安裝10
2.2　R使用入門11
2.2.1　R操作界面11
2.2.2　RStudio窗口介紹12
2.2.3　R常用操作13
2.3　R數(shù)據(jù)分析包16
2.4　配套附件使用設(shè)置18
2.5　小結(jié)18
第3章　數(shù)據(jù)探索19
3.1　數(shù)據(jù)質(zhì)量分析19
3.1.1　缺失值分析20
3.1.2　異常值分析20
3.1.3　一致性分析22
3.2　數(shù)據(jù)特征分析23
3.2.1　分布分析23
3.2.2　對比分析25
3.2.3　統(tǒng)計量分析27
3.2.4　周期性分析29
3.2.5　貢獻度分析30
3.2.6　相關(guān)性分析31
3.3　R語言主要數(shù)據(jù)探索函數(shù)35
3.3.1　統(tǒng)計特征函數(shù)35
3.3.2　統(tǒng)計作圖函數(shù)37
3.4　小結(jié)40
第4章　數(shù)據(jù)預(yù)處理41
4.1　數(shù)據(jù)清洗42
4.1.1　缺失值處理42
4.1.2　異常值處理45
4.2　數(shù)據(jù)集成45
4.2.1　實體識別46
4.2.2　冗余屬性識別46
4.3　數(shù)據(jù)變換46
4.3.1　簡單函數(shù)變換46
4.3.2　規(guī)范化47
4.3.3　連續(xù)屬性離散化48
4.3.4　屬性構(gòu)造51
4.3.5　小波變換52
4.4　數(shù)據(jù)規(guī)約55
4.4.1　屬性規(guī)約55
4.4.2　數(shù)值規(guī)約58
4.5　R語言主要數(shù)據(jù)預(yù)處理函數(shù)61
4.6　小結(jié)65
第5章　挖掘建模66
5.1　分類與預(yù)測66
5.1.1　實現(xiàn)過程66
5.1.2　常用的分類與預(yù)測算法67
5.1.3　回歸分析68
5.1.4　決策樹73
5.1.5　人工神經(jīng)網(wǎng)絡(luò)79
5.1.6　分類與預(yù)測算法評價83
5.1.7　R語言主要分類與預(yù)測算法函數(shù)87
5.2　聚類分析89
5.2.1　常用聚類分析算法89
5.2.2　KMeans聚類算法90
5.2.3　聚類分析算法評價95
5.2.4　R語言主要聚類分析算法函數(shù)95
5.3　關(guān)聯(lián)規(guī)則97
5.3.1　常用關(guān)聯(lián)規(guī)則算法97
5.3.2　Apriori算法98
5.4　時序模式102
5.4.1　時間序列算法103
5.4.2　時間序列的預(yù)處理104
5.4.3　平穩(wěn)時間序列分析105
5.4.4　非平穩(wěn)時間序列分析107
5.4.5　R語言主要時序模式算法函數(shù)114
5.5　離群點檢測116
5.5.1　離群點檢測方法117
5.5.2　基于模型的離群點檢測方法118
5.5.3　基于聚類的離群點檢測方法120
5.6　小結(jié)122
實　戰(zhàn)　篇
第6章　電力竊漏電用戶自動識別126
6.1　背景與挖掘目標126
6.2　分析方法與過程129
6.2.1　數(shù)據(jù)抽取130
6.2.2　數(shù)據(jù)探索分析130
6.2.3　數(shù)據(jù)預(yù)處理133
6.2.4　構(gòu)建專家樣本137
6.2.5　模型構(gòu)建138
6.3　上機實驗143
6.4　拓展思考144
6.5　小結(jié)144
第7章　航空公司客戶價值分析145
7.1　背景與挖掘目標145
7.2　分析方法與過程146
7.2.1　數(shù)據(jù)抽取149
7.2.2　數(shù)據(jù)探索分析149
7.2.3　數(shù)據(jù)預(yù)處理150
7.2.4　模型構(gòu)建153
7.3　上機實驗158
7.4　拓展思考159
7.5　小結(jié)159
第8章　中醫(yī)證型關(guān)聯(lián)規(guī)則挖掘160
8.1　背景與挖掘目標160
8.2　分析方法與過程162
8.2.1　數(shù)據(jù)獲取163
8.2.2　數(shù)據(jù)預(yù)處理165
8.2.3　模型構(gòu)建169
8.3　上機實驗171
8.4　拓展思考172
8.5　小結(jié)172
第9章　基于水色圖像的水質(zhì)評價173
9.1　背景與挖掘目標173
9.2　分析方法與過程174
9.2.1　數(shù)據(jù)預(yù)處理175
9.2.2　模型構(gòu)建177
9.2.3　水質(zhì)評價179
9.3　上機實驗180
9.4　拓展思考180
9.5　小結(jié)181
第10章　家用電器用戶行為分析與事件識別182
10.1　背景與挖掘目標182
10.2　分析方法與過程183
10.2.1　數(shù)據(jù)抽取184
10.2.2　數(shù)據(jù)探索分析185
10.2.3　數(shù)據(jù)預(yù)處理185
10.2.4　模型構(gòu)建195
10.2.5　模型檢驗198
10.3　上機實驗200
10.4　拓展思考201
10.5　小結(jié)202
第11章　應(yīng)用系統(tǒng)負載分析與磁盤容量預(yù)測203
11.1　背景與挖掘目標203
11.2　分析方法與過程205
11.2.1　數(shù)據(jù)抽取206
11.2.2　數(shù)據(jù)探索分析206
11.2.3　數(shù)據(jù)預(yù)處理207
11.2.4　模型構(gòu)建208
11.3　上機實驗213
11.4　拓展思考214
11.5　小結(jié)215
第12章　電子商務(wù)智能推薦服務(wù)216
12.1　背景與挖掘目標216
12.2　分析方法與過程222
12.2.1　數(shù)據(jù)抽取224
12.2.2　數(shù)據(jù)探索分析225
12.2.3　數(shù)據(jù)預(yù)處理230
12.2.4　模型構(gòu)建235
12.3　上機實驗245
12.4　拓展思考246
12.5　小結(jié)251
第13章　基于數(shù)據(jù)挖掘技術(shù)的市財政收入分析預(yù)測模型252
13.1　背景與挖掘目標252
13.2　分析方法與過程254
13.2.1　灰色預(yù)測與神經(jīng)網(wǎng)絡(luò)的組合模型255
13.2.2　數(shù)據(jù)探索分析256
13.2.3　模型構(gòu)建259
13.3　上機實驗273
13.4　拓展思考273
13.5　小結(jié)274
第14章　基于基站定位數(shù)據(jù)的商圈分析275
14.1　背景與挖掘目標275
14.2　分析方法與過程277
14.2.1　數(shù)據(jù)抽取277
14.2.2　數(shù)據(jù)探索分析278
14.2.3　數(shù)據(jù)預(yù)處理279
14.2.4　模型構(gòu)建282
14.3　上機實驗286
14.4　拓展思考286
14.5　小結(jié)287
第15章　電商產(chǎn)品評論數(shù)據(jù)情感分析288
15.1　背景與挖掘目標288
15.2　分析方法與過程288
15.2.1　評論數(shù)據(jù)采集289
15.2.2　評論預(yù)處理292
15.2.3　文本評論分詞297
15.2.4　模型構(gòu)建298
15.3　上機實驗312
15.4　拓展思考313
15.5　小結(jié)314
提　高　篇
第16章　基于R語言的數(shù)據(jù)挖掘二次開發(fā)316
16.1　混合編程應(yīng)用體驗——TipDM數(shù)據(jù)挖掘平臺316
16.2　二次開發(fā)過程環(huán)境配置320
16.3　R語言數(shù)據(jù)挖掘二次開發(fā)實例322
16.4　小結(jié)325
參考資料326

使用說明

1、下載并解壓，得出pdf文件

2、如果打不開本文件，請務(wù)必下載pdf閱讀器

3、安裝后，在打開解壓得出的pdf文件

4、雙擊進行閱讀