了得網研究生

編輯推薦

該書深入淺出地介紹 R 語言在大數據分析應用中的相關知識及編程。基礎篇：討論數據處理的R環境，包括R數據結構（數據框、列表等）、數據導入/導出、數據清洗（處理數據的缺失值、不一致、異常值）、數據變換（彙總、集成、透視表、規約等）、可視化、高級語言編程、數據分析常用建模方法和原理，涵蓋了目前數據挖掘的主要算法，包括分類與預測、聚類分析、關聯規則、智能推薦和時序模式，利用可視化數據挖掘包Rattle進行試驗指導。
應用篇：討論2個經典的數據分析報告案例，通過案例分析使讀者能夠把學到的R基礎知識應用到解決實際問題中，把數據變成價值。
進階篇：解決R語言在處理大數據時性能低下的問題，討論了兩個R包：RHadoop、SparkR。本書注重實踐；注重數據變成價值；注重大數據的分析。

內容簡介

近年來，R語言可謂是數據分析的熱門語言，相關的資料五花八門，讓讀者難以抉擇。本書力求用簡潔、精練，以理論與實踐相結合的方式讓大家快速掌握R語言。
全書共14章，第1章為緒論，從數學、統計學和邏輯學3個方面探討了樹立正確數據思維的一些原則；其餘各章分為基礎篇（第2～10章）、應用篇（第11、12章）和進階篇（第13、14章）。基礎篇按照數據分析過程，主要討論了R的數據結構、數據導入/導出、數據清洗、數據變換、可視化、高級語言編程和常用建模方法。應用篇通過對2個經典案例的分析，使讀者能夠把學到的R基礎知識應用到解決實際問題，把數據變成價值。進階篇解決如何用R處理大數據的一些技術。
本書可用作培養應用型人纔的課程教材，也可作為數據分析愛好者的參考資料。

作者簡介

李法平- 副教授/繫統分析師，碩士，重慶電子工程職業學院軟件學院移動應用開發教研室主任，主要從事高職軟件類專業教學研究、教育信息化繫統和企業信息化繫統等應用技術研究。

第1章緒論
1.1 為什麼學習R語言 1
1.1.1 R是什麼 1
1.1.2 R語言主要優勢 2
1.2 正確的數據思維觀 4
1.2.1 數學思維 5
1.2.2 統計思維 5
1.2.3 邏輯思維 10
習題 12
基礎篇
第2章 R語言入門
2.1 新手上路 17
2.1.1 兩個例子 17
2.1.2 R是什麼 19第1章緒論
1.1 為什麼學習R語言 1
1.1.1 R是什麼 1
1.1.2 R語言主要優勢 2
1.2 正確的數據思維觀 4
1.2.1 數學思維 5
1.2.2 統計思維 5
1.2.3 邏輯思維 10
習題 12
基礎篇
第2章 R語言入門
2.1 新手上路 17
2.1.1 兩個例子 17
2.1.2 R是什麼 19
2.2 R語言開發環境部署 19
2.2.1 安裝R 19
2.2.2 安裝RStudio 20
2.3 獲取幫助 22
2.3.1 文檔和搜索 22
2.3.2 演示 22
2.3.3 幫助函數 23
2.4 工作空間 23
2.5 腳本 24
2.6 R包 25
習題 25
第3章數據類型
3.1 變量與常量 27
3.1.1 變量 27
3.1.2 常量 28
3.2 結構類型 28
3.2.1 向量 29
3.2.2 矩陣 31
3.2.3 數組 33
3.2.4 數據框 35
3.2.5 因子 36
3.2.6 列表 37
3.3 字符串操作 38
3.3.1 基本操作 38
3.3.2 字符串處理stringr包 39
3.4 用於數據處理和轉換的常用函數 40
習題 41
第4章數據準備
4.1 數據導入 43
4.1.1 鍵盤輸入數據 44
4.1.2 導入文本文件 45
4.1.3 導入Excel數據 46
4.1.4 導入數據庫文件 47
4.2 數據導出 48
4.2.1 導出文本文件 48
4.2.2 保存圖片 49
習題 49
第5章數據可視化
5.1 低水平繪圖命令 51
5.1.1 點 51
5.1.2 線 54
5.1.3 面 56
5.2 高水平繪圖命令 59
5.2.1 認識ggplot2 59
5.2.2 幾何對像 59
5.2.3 映射 60
5.2.4 統計對像 62
5.2.5 標度 63
5.2.6 分面 65
5.2.7 其他修飾 67
5.3 交互式繪圖命令 69
5.3.1 rCharts包 69
5.3.2 plotly包 70
5.3.3 shiny 72
習題 80
第6章數據探索
6.1 缺失值分析 82
6.1.1 與缺失值相關的幾個概念 82
6.1.2 缺失值檢測 83
6.2 異常值分析 84
6.2.1 箱線圖檢驗離群點 85
6.2.2 散點圖檢測離群點 86
6.2.3 LOF方法檢測異常值 87
6.2.4 聚類方法檢測異常值 87
6.3 不一致值分析 88
6.4 數據的統計特征分析 88
6.4.1 分布分析 88
6.4.2 對比分析 90
6.4.3 統計量分析 91
6.4.4 周期性分析 93
6.4.5 相關性分析 94
習題 97
第7章數據變換
7.1 數據清洗 100
7.1.1 缺失數據處理 100
7.1.2 數據去重 101
7.1.3 規範化 102
7.2 數據選擇 103
7.2.1 刪除有75%以上相同數值的自變量 103
7.2.2 刪除高相關性的自變量 104
7.2.3 重要變量的選擇 105
7.2.4 數據集選擇 106
7.2.5 主成分分析 106
7.2.6 因子分析 108
7.3 數據集成 109
7.3.1 通過向量化重構數據 109
7.3.2 為數據添加新變量 110
7.3.3 數據透視表 112
7.3.4 頻度 117
7.3.5 數據整合 118
7.3.6 分組彙總 121
習題 124
第8章高級編程
8.1 控制結構 126
8.1.1 選擇結構程序設計 126
8.1.2 循環結構程序設計 127
8.2 用戶自定義函數 128
習題 129
第9章數據建模
9.1 Rattle包 132
9.2 聚類模型 139
9.2.1 背景 139
9.2.2 K-Means聚類 139
9.2.3 Ewkm聚類 142
9.2.4 層次聚類（Hierachical） 144
9.2.5 雙向聚類（BiCluster） 146
9.3 關聯分析模型 147
9.3.1 背景 147
9.3.2 基本術語 148
9.3.3 關聯規則的分類 149
9.3.4 Apriori算法 150
9.3.5 實驗指導 151
9.4 傳統決策樹模型 153
9.4.1 背景 153
9.4.2 ID3算法 155
9.4.3 C4.5算法 156
9.4.4 實驗指導 156
9.5 隨機森林決策樹模型 159
9.5.1 背景 159
9.5.2 隨機森林算法 159
9.5.3 實驗指導 161
9.6 自適應選擇決策樹模型 164
9.6.1 背景 164
9.6.2 Boosting算法 164
9.6.3 adaboost算法 165
9.6.4 實驗指導 165
9.7 SVM 169
9.7.1 背景 169
9.7.2 SVM算法 169
9.7.3 實驗指導 172
9.8 線性回歸模型 173
9.8.1 背景 173
9.8.2 線性回歸方法 173
9.8.3 實驗指導 175
9.9 神經網絡模型 175
9.9.1 背景 175
9.9.2 人工神經網絡模型 176
9.9.3 實驗指導 179
習題 181
第10章模型評估
10.1 數據集 185
10.2 混淆矩陣 186
10.2.1 二分類混淆矩陣 186
10.2.2 模型評價指標 187
10.2.3 多分類混淆矩陣 188
10.3 風險圖 188
10.3.1 風險圖的作用 188
10.3.2 實驗指導 189
10.4 ROC曲線 191
10.4.1 什麼是ROC曲線 191
10.4.2 ROC曲線作用 191
10.4.3 實驗指導 191
習題 193
應用篇
第11章影響大學平均錄取分數線因素分析
11.1 背景與目標 197
11.2 數據說明 197
11.3 描述性分析 200
11.4 總結與建議 203
第12章收視率分析
12.1 背景介紹 204
12.2 數據說明 204
12.3 描述性分析 205
12.4 總結與建議 211
進階篇
第13章 RHadoop
13.1 認識RHadoop 215
13.1.1 為什麼要讓Hadoop結合R語言 215
13.1.2 Mahout與R在做數據挖掘的區別 216
13.2 RHadoop安裝 216
13.2.1 依賴包安裝 216
13.2.2 RHadoop的特點 219
13.3 綜合練習 220
習題 225
第14章 SparkR
14.1 認識SparkR 228
14.1.1 安裝SparkR 228
14.1.2 在R或Rstudio中調用SparkR 228
14.2 SparkDataFrame 229
14.3 SparkR支持的機器學習算法 230
14.4 綜合練習 230
14.4.1 加載數據 230
14.4.2 SparkDataFrame基本操作 231
14.4.3 從Spark上運行SQL查詢 233
14.4.4 SparkR操作hdfs上的文件 233
14.4.5 通過SparkR操作spark-sql以hive的表為對像 234
習題 234
參考文獻
附錄大數據和人工智能實驗環境

前言

隨著數據分析的需求不斷提升，Excel漸漸無法滿足價值挖掘的日常需求，需要更專業化的軟件做數據分析。相應的問題就來了，統計學軟件那麼多，SPSS、R、Python、SAS、JMP、Matlab等，該選哪一個？目前市場上較為火熱的軟件是R和Python。
開源軟件的R能夠迅速發展，很大程度上取決於其活躍的社區和各種R包的使用。截至目前（2017年2月25日），CRAN（Comprehensive R Archive Network）上已經有10162個可以獲取的R擴展包，內容涉及各行各業，可以適用於各種復雜的統計。
數據科學者的工作就是操縱數據，把原始數據加工成建模需求的形狀，而R語言是幫你實現整理數據的的工具。
該書深入淺出地介紹 R 語言在大數據分析應用中的相關知識，全書分為緒論（第1章）、基礎篇、應用篇和進階篇。基礎篇（第2～10章）學習如何用 R 完成數據處理，包括數據準備、數據探索、數據變換、數據可視化和數據建模等；應用篇（第11、12章）學習如何用R完成實際的數據分析報告撰寫，包括背景與目標、指標設計、描述性分析、模型分析和結論與建議；進階篇（第13、14章）學習如何使用R提高大數據處理性能，包括RHadoop、SparkR。隨著數據分析的需求不斷提升，Excel漸漸無法滿足價值挖掘的日常需求，需要更專業化的軟件做數據分析。相應的問題就來了，統計學軟件那麼多，SPSS、R、Python、SAS、JMP、Matlab等，該選哪一個？目前市場上較為火熱的軟件是R和Python。
開源軟件的R能夠迅速發展，很大程度上取決於其活躍的社區和各種R包的使用。截至目前（2017年2月25日），CRAN（Comprehensive R Archive Network）上已經有10162個可以獲取的R擴展包，內容涉及各行各業，可以適用於各種復雜的統計。
數據科學者的工作就是操縱數據，把原始數據加工成建模需求的形狀，而R語言是幫你實現整理數據的的工具。
該書深入淺出地介紹 R 語言在大數據分析應用中的相關知識，全書分為緒論（第1章）、基礎篇、應用篇和進階篇。基礎篇（第2～10章）學習如何用 R 完成數據處理，包括數據準備、數據探索、數據變換、數據可視化和數據建模等；應用篇（第11、12章）學習如何用R完成實際的數據分析報告撰寫，包括背景與目標、指標設計、描述性分析、模型分析和結論與建議；進階篇（第13、14章）學習如何使用R提高大數據處理性能，包括RHadoop、SparkR。
緒論從數據、統計學和邏輯學3個方面探討了樹立正確的數據思維的一些原則。數據分析師的數據思維對於整體分析思路，甚至分析結果都有著關鍵性的作用。普通數據分析師與高級數據分析師的主要差異就是有正確的數據思維觀。正確的數據思維觀與數據敏感度有關，類似於情商類的看不見，摸不著的東西。簡單來說，正確的數據思維觀是一種通過數據手段解決問題的思維。
基礎篇，討論數據處理的R環境，包括R數據結構（數據框、列表等）、數據導入/導出、數據清洗（處理數據的缺失值、不一致、異常值）、數據變換（彙總、集成、透視表、規約等）、可視化、高級語言編程、數據分析常用建模方法和原理，涵蓋了目前數據挖掘的主要算法，包括分類與預測、聚類分析、關聯規則、智能推薦和時序模式，利用可視化數據挖掘包Rattle進行試驗指導。
應用篇，討論2個經典的數據分析報告案例，通過案例分析使讀者能夠把學到的R基礎知識應用到解決實際問題中，把數據變成價值。
進階篇，解決R語言在處理大數據時性能低下的問題，討論了兩個R包：RHadoop、SparkR。
本書特點如下：
（1）知識學習的重點是模型的運用而不是模型的原理。第9章既是R語言的重點也是難點，本書利用可視化數據挖掘包Rattle進行試驗指導，簡化了建模需要具備的數學基礎，隻要了解相應模型的函數，設置幾個參數就可以輕松完成分類與預測、聚類分析、關聯規則、智能推薦和時序模式等數據挖掘任務。
（2）注重數據變成價值。數據分析師工作的重要一環就是寫出有情報價值的數據分析報告。直接將分析結果羅列到PPT或Word中，不僅看上去不美觀，而且也會影響報告的可讀性，使一份數據分析報告成為簡單的數據展示。本書通過案例探討了寫出一份具有情報價值的分析報告的技巧。
（3）關注大數據分析。R語言的缺點就是處理大數據的性能較低，無法直接處理TB以上的數據，本書進階篇討論的兩個R包（RHadoop、SparkR）基本上可以處理任何級別的數據。
（4）向讀者提供了書中所用的配套代碼、數據及PPT，讀者可通過上機實驗，快速掌握書中所介紹的R語言的使用方法。
本書由程顯毅、劉穎和朱倩負責編寫。在本書編寫過程中，孫麗麗、季國華、趙麗敏、楊琴和章小華等提供了許多參考資料，在此表示由衷的感謝。由於水平有限，書中可能會有不當之處，希望讀者多加指教。本書的編寫得到劉鵬教授和清華大學出版社王莉編輯的大力支持和悉心指導，在此深表感謝！

編者
2018年5月

商品搜索

商品分类

【醫學】

【各大出版社】