R语言数据分析与挖掘实战手册9787113257453
正版图书，可开发票，请放心购买。
￥ 37.51 6.3折 ￥ 59.8 全新
仅1件
广东广州
认证卖家担保交易快速发货售后保障
作者程静编著
出版社中国铁道出版社有限公司
ISBN9787113257453
出版时间2019-06
装帧平装
开本16开
定价59.8元
货号9545854
上书时间2024-12-14
- 店主推荐
- 最新上架
商品详情
- 品相描述：全新
- 商品描述
-
作者简介
程静，毕业于重庆大学，目前就职于西部估值最高的互联网公司猪八戒网，担任高级数据分析工程师，负责行业数据搜集、整理、分析，并依据数据做出行业研究、评估和预测，擅长大数据分析及数据挖掘的各种算法熟练使用R语言及Python语言。
目录
第1 章 R 语言简介
1.1 R 语言软件的安装与运行................................................................................................. 1
1.1.1 R 语言软件的安装、启动与关闭........................................................................... 1
1.1.2 R 语言程辑包的安装和使用.................................................................................. 4
1.2 R 语言的数据结构............................................................................................................. 6
1.2.1 R 语言对象和类型................................................................................................. 6
1.2.2 向量........................................................................................................................ 7
1.2.3 数组和矩阵........................................................................................................... 12
1.2.4 列表...................................................................................................................... 17
1.2.5 数据框.................................................................................................................. 20
第2 章 数据的读取与保存
2.1 数据的读取...................................................................................................................... 24
2.1.1 读取内置数据集和文本文件................................................................................ 24
2.1.2 读取Excel 数据和CSV 格式的数据.................................................................... 30
2.1.3 读取R 语言格式数据和网页数据........................................................................ 33
2.1.4 读取其他格式的数据........................................................................................... 34
2.2 数据保存.......................................................................................................................... 36
2.2.1 写出数据.............................................................................................................. 36
2.2.2 使用函数cat() ...................................................................................................... 37
2.2.3 保存为R 语言格式文件....................................................................................... 38
2.2.4 保存为其他类型文件........................................................................................... 39
第3 章 数据预处理
3.1 缺失值处理...................................................................................................................... 40
3.1.1 缺失值判断........................................................................................................... 40
3.1.2 缺失模型判断....................................................................................................... 44
3.1.3 常用处理方法....................................................................................................... 48
3.2 数据整理.......................................................................................................................... 53
3.2.1 数据合并.............................................................................................................. 53
3.2.2 选取子集.............................................................................................................. 56
3.2.3 数据转换.............................................................................................................. 59
第4 章 数据的探索性分析
4.1 基本绘图函数.................................................................................................................. 66
4.2 探索单个变量.................................................................................................................. 74
4.2.1 单组数据的图形描述........................................................................................... 74
4.2.2 单组数据的描述性分析....................................................................................... 79
4.3 探索多个变量.................................................................................................................. 81
4.3.1 两组数据的图形描述........................................................................................... 81
4.3.2 多组数据的图形描述........................................................................................... 85
4.3.3 多组数据的描述性统计....................................................................................... 88
4.4 其他图像探索.................................................................................................................. 90
第5 章 回归分析
5.1 一元线性回归.................................................................................................................. 94
5.1.1 模型简介.............................................................................................................. 94
5.1.2 函数介绍.............................................................................................................. 96
5.1.3 综合案例：iris 数据集的一元回归建模.............................................................. 97
5.2 多元线性回归.................................................................................................................. 99
5.2.1 模型简介.............................................................................................................. 99
5.2.2 综合案例：iris 数据集的多元回归建模............................................................ 100
5.3 变量的选择.................................................................................................................... 105
5.3.1 逐步回归方法简介及函数介绍.......................................................................... 105
5.3.2 综合案例：swiss 数据集的逐步回归建模......................................................... 106
5.3.3 岭回归的方法简介及函数介绍.......................................................................... 109
5.3.4 综合案例：longley 数据集的岭回归探索.......................................................... 110
5.3.5 lasso 回归方法简介及函数介绍......................................................................... 114
5.3.6 综合案例：longley 数据集的lasso 回归建模.................................................... 115
5.4 Logistic 回归.................................................................................................................. 117
5.4.1 模型简介............................................................................................................ 117
5.4.2 函数介绍............................................................................................................ 119
5.4.3 综合案例：iris 数据集的逻辑回归建模............................................................ 120
第6 章 方差分析
6.1 单因素方差分析............................................................................................................ 124
6.1.1 模型介绍............................................................................................................ 124
6.1.2 函数介绍............................................................................................................ 126
6.1.3 综合案例：不同治疗方法下胆固醇降低效果的差异性分析............................ 127
6.2 双因素方差分析............................................................................................................ 130
6.2.1 模型介绍............................................................................................................ 130
6.2.2 综合案例：不同剂量下老鼠妊娠重量的差异性分析........................................ 132
6.3 协方差分析.................................................................................................................... 136
6.3.1 模型简介............................................................................................................ 136
6.3.2 函数介绍............................................................................................................ 136
6.3.3 综合案例：hotdog 数据集的协方差分析........................................................... 137
第7 章 主成分分析和因子分析
7.1 降维的基本方法：主成分分析..................................................................................... 139
7.1.1 理论基础：原始变量的线性组合...................................................................... 139
7.1.2 模型介绍............................................................................................................ 141
7.1.3 函数介绍............................................................................................................ 143
7.1.4 综合案例：longley 数据集的变量降维及回归.................................................. 144
7.1.5 综合案例：longley 数据集的变量降维及回归(主成分回归)....................... 148
7.2 推广发展：因子分析.................................................................................................... 150
7.2.1 理论基础：多个变量综合为少数因子............................................................... 150
7.2.2 模型介绍............................................................................................................ 151
7.2.3 函数介绍............................................................................................................ 153
7.2.4 综合案例：能力和智商测试的因子分析探索................................................... 154
第8 章 判别分析
8.1 距离判别法.................................................................................................................... 160
8.1.1 理论基础：离谁近，就属于谁.......................................................................... 160
8.1.2 函数介绍............................................................................................................ 162
8.1.3 综合案例：基于距离判别的iris 数据集分类.................................................... 164
8.2 Bayes 判别法................................................................................................................. 168
8.2.1 理论基础：先验概率与错判损失...................................................................... 168
8.2.2 函数介绍....................................................
— 没有更多了 —
以下为对购买帮助不大的评价