《數據挖掘與R語言》 基本信息 原書名：Data Mining with R：Learning with Case Studies 作者： (葡)Luís Torgo 譯者： 李洪成 陳道輪 吳立明 叢書名： 計算機科學叢書 出版社：機械工業出版社 ISBN：9787111407003 上架時間：2013-4-25 出版日期：2013 年4月 開本：16開 頁碼：1 版次：1-1 所屬分類：計算機 > 數據庫 > 數據庫存儲與管理
更多關于 》》》《數據挖掘與R語言》 內容簡介 計算機書籍 《數據挖掘與r語言》首先簡要介紹了r軟件的基礎知識（安裝、r數據結構、r編程、r的輸入和輸出等）。然后通過四個數據挖掘的實際案例（藻類頻率的預測、證券趨勢預測和交易系統仿真、交易欺詐預測、微陣列數據分類）介紹數據挖掘技術。這四個案例基本覆蓋了常見的數據挖掘技術，從無監督的數據挖掘技術、有監督的數據挖掘技術到半監督的數據挖掘技術。全書以實際問題、解決方案和對解決方案的討論為主線來組織內容，脈絡清晰，并且各章自成體系。讀者可以從頭至尾逐章學習，也可以根據自己的需要進行學習，找到自己實際問題的解決方案。 《數據挖掘與r語言》不需要讀者具備r和數據挖掘的基礎知識。不管是r初學者，還是熟練的r用戶都能從書中找到對自己有用的內容。讀者既可以把《數據挖掘與r語言》作為學習如何應用r的一本優秀教材，也可以作為數據挖掘的工具書。 目錄 《數據挖掘與r語言》 出版者的話 推薦序 中文版序 譯者序 前言 致謝 第1章簡介 1.1如何閱讀《數據挖掘與r語言》 1.2r簡介 1.2.1r起步 1.2.2r對象 1.2.3向量 1.2.4向量化 1.2.5因子 1.2.6生成序列 1.2.7數據子集 1.2.8矩陣和數組 1.2.9列表 1.2.10數據框 .1.2.11構建新函數 1.2.12對象、類和方法 1.2.13管理r會話 1.3mysql簡介 第2章預測海藻數量 2.1問題描述與目標 2.2數據說明 2.3數據加載到r 2.4數據可視化和摘要 2.5數據缺失 2.5.1將缺失部分剔除 2.5.2用最高頻率值來填補缺失值 2.5.3通過變量的相關關系來填補缺失值 2.5.4通過探索案例之間的相似性來填補缺失值 2.6獲取預測模型 2.6.1多元線性回歸 2.6.2回歸樹 2.7模型的評價和選擇 2.8預測7類海藻的頻率 2.9小結 第3章預測股票市場收益 3.1問題描述與目標 3.2可用的數據 3.2.1在r中處理與時間有關的數據 3.2.2從csv文件讀取數據 3.2.3從網站上獲取數據 3.2.4從mysql數據庫讀取數據 3.3定義預測任務 3.3.1預測什么 3.3.2預測變量是什么 3.3.3預測任務 3.3.4模型評價準則 3.4預測模型 3.4.1如何應用訓練集數據來建模 3.4.2建模工具 3.5從預測到實踐 3.5.1如何應用預測模型 3.5.2與交易相關的評價準則 3.5.3模型集成：仿真交易 3.6模型評價和選擇 3.6.1蒙特卡羅估計 3.6.2實驗比較 3.6.3結果分析 3.7交易系統 3.7.1評估最終測試數據 3.7.2在線交易系統 3.8小結 第4章偵測欺詐交易 4.1問題描述與目標 4.2可用的數據 4.2.1加載數據至r 4.2.2探索數據集 4.2.3數據問題 4.3定義數據挖掘任務 4.3.1問題的不同解決方法 4.3.2評價準則 4.3.3實驗方法 4.4計算離群值的排序 4.4.1無監督方法 4.4.2有監督方法 4.4.3半監督方法 4.5小結 第5章微陣列樣本分類 5.1問題描述與目標 5.1.1微陣列實驗背景簡介 5.1.2數據集all 5.2可用的數據 5.3基因（特征）選擇 5.3.1基于分布特征的簡單過濾方法 5.3.2anova過濾 5.3.3用隨機森林進行過濾 5.3.4用特征聚類的組合進行過濾 5.4遺傳學異常的預測 5.4.1定義預測任務 5.4.2模型評價標準 5.4.3實驗過程 5.4.4建模技術 5.4.5模型比較 5.5小結 參考文獻 主題索引 數據挖掘術語索引 r函數索引 本圖書信息來源：中國互動出版網

轉載于:https://www.cnblogs.com/china-pub/archive/2013/04/16/3024397.html

總結

以上是生活随笔為你收集整理的数据挖掘与R语言的全部內容，希望文章能夠幫你解決所遇到的問題。

如果覺得生活随笔網站內容還不錯，歡迎將生活随笔推薦給好友。