R語(yǔ)言數(shù)據(jù)分析、挖掘建模與可視化

第1章  R語(yǔ)言的基礎(chǔ)知識(shí) 1
1.1  R語(yǔ)言簡(jiǎn)介 1
1.2  R軟件的下載與安裝 2
1.3  第三方包的下載與加載 4
1.3.1  手動(dòng)下載法 4
1.3.2  代碼下載法 4
1.3.3  第三方包的加載 5
1.4  如何查看幫助文檔 6
1.4.1  知包知函數(shù)——help函數(shù) 6
1.4.2  知函數(shù)未知包——help.search函數(shù) 6
1.4.3  知包未知函數(shù)——apropos函數(shù) 7
1.4.4  未知函數(shù)未知包——RSiteSearch函數(shù) 8
1.5  R語(yǔ)言中的數(shù)據(jù)結(jié)構(gòu) 9
1.5.1  向量的創(chuàng)建 9
1.5.2  向量元素的獲取 13
1.5.3  基于向量的數(shù)據(jù)類(lèi)型轉(zhuǎn)換 15
1.5.4  向量的因子化轉(zhuǎn)換 18
1.5.5  基于向量的常用函數(shù) 20
1.6  矩陣的構(gòu)造 21
1.6.1  矩陣索引的使用 23
1.6.2  基于矩陣運(yùn)算的常用函數(shù) 24
1.7  數(shù)據(jù)框的構(gòu)造及常用函數(shù) 24
1.7.1  構(gòu)造數(shù)據(jù)框 24
1.7.2  基于數(shù)據(jù)框的常用函數(shù) 26
1.8  列表的構(gòu)造及索引的使用 30
1.8.1  列表的構(gòu)造 30
1.8.2  列表索引的使用 31
1.9  控制流語(yǔ)句及自定義函數(shù) 31
1.9.1  if分支 32
1.9.2  for循環(huán) 33
1.9.3  while循環(huán) 35
1.10  R語(yǔ)言中的自定義函數(shù) 37
1.11  巧用apply簇函數(shù) 38
1.11.1  tapply函數(shù)的使用 38
1.11.2  apply函數(shù)的使用 40
1.11.3  lapply與sapply函數(shù)的使用 42
1.12  教你一個(gè)爬蟲(chóng)項(xiàng)目 44
1.13  篇章總結(jié) 46
第2章  數(shù)據(jù)的讀寫(xiě)操作 47
2.1  文本文件數(shù)據(jù)的讀取 47
2.1.1  csv或txt格式的數(shù)據(jù)讀入 47
2.1.2  Json格式的數(shù)據(jù)讀入 53
2.2  Excel數(shù)據(jù)的讀取 56
2.2.1  xlsx包讀取Excel數(shù)據(jù) 56
2.2.2  readxl包讀取Excel數(shù)據(jù) 60
2.3  數(shù)據(jù)庫(kù)數(shù)據(jù)的讀取 63
2.3.1  讀取MySQL數(shù)據(jù)庫(kù) 63
2.3.2  讀取SQL Server數(shù)據(jù)庫(kù) 66
2.4  幾種常見(jiàn)的數(shù)據(jù)寫(xiě)出格式 70
2.4.1  寫(xiě)出至文本文件 70
2.4.2  寫(xiě)出至電子表格Excel 71
2.4.3  寫(xiě)出至數(shù)據(jù)庫(kù) 73
2.5  篇章總結(jié) 74
第3章  數(shù)據(jù)的清洗與管理 76
3.1  重復(fù)記錄的識(shí)別和處理 77
3.2  缺失值的識(shí)別 79
3.3  缺失值的處理辦法 82
3.3.1  刪除法 82
3.3.2  替換法 83
3.3.3  插補(bǔ)法 84
3.4  異常值的識(shí)別和處理 86
3.4.1  基于分位數(shù)法識(shí)別異常值 86
3.4.2  基于σ方法識(shí)別異常值 88
3.4.3  基于模型法識(shí)別異常值 90
3.4.4  異常值的處理辦法 92
3.5  數(shù)據(jù)形狀的重塑 93
3.5.1  reshape2包 93
3.5.2  Tidyr包 96
3.6  數(shù)據(jù)的聚合操作 97
3.6.1  基于aggregate函數(shù)的聚合 97
3.6.2  基于sqldf函數(shù)的聚合 99
3.6.3  基于group_by和summarize函數(shù)的聚合 101
3.7  數(shù)據(jù)的合并與連接 102
3.7.1  基于bind_rows函數(shù)的數(shù)據(jù)合并 102
3.7.2  基于*_join函數(shù)的數(shù)據(jù)連接 104
3.8  幾種常用的抽樣技術(shù) 106
3.8.1  簡(jiǎn)單隨機(jī)抽樣 106
3.8.2  分層抽樣 107
3.8.3  整群抽樣 108
3.9  篇章總結(jié) 109
第4章  基于正則表達(dá)式的字符串處理技術(shù) 111
4.1  基于字符串位置的處理技術(shù) 112
4.1.1  數(shù)據(jù)截?cái)?mdash;—特定位置的子串獲取 112
4.1.2  數(shù)據(jù)清洗——非常規(guī)的字符型轉(zhuǎn)數(shù)值型 114
4.1.3  數(shù)據(jù)清洗——字符串子串的隱藏 116
4.2  正則表達(dá)式的定義及用途 117
4.2.1  什么是正則表達(dá)式 117
4.2.2  正則表達(dá)式的常見(jiàn)用法 118
4.3  基于正則的單字符匹配 118
4.3.1  從靜態(tài)文本的匹配開(kāi)始 118
4.3.2  任意單字符的匹配 121
4.3.3  指定字符集的匹配 122
4.4  字符匹配次數(shù)的設(shè)置 125
4.4.1  無(wú)上限的次數(shù)匹配 125
4.4.2  有限次數(shù)的匹配 128
4.5  其他正則符號(hào)的使用 131
4.6  篇章總結(jié) 132
第5章  數(shù)據(jù)可視化技術(shù)的應(yīng)用 134
5.1  條形圖的繪制 136
5.2  餅圖與環(huán)形圖的繪制 140
5.3  矩形圖與瓦片圖的繪制 141
5.4  直方圖與頻次多邊形圖的繪制 144
5.5  箱線(xiàn)圖與小提琴圖的繪制 147
5.6  折線(xiàn)圖與階梯圖的繪制 150
5.7  面積圖與帶狀圖的繪制 153
5.8  散點(diǎn)圖及氣泡圖的繪制 155
5.9  區(qū)塊頻次圖的繪制 160
5.10  核密度圖的繪制 163
5.11  QQ圖的繪制 165
5.12  篇章總結(jié) 166
第6章  可視化圖形的個(gè)性化調(diào)整 169
6.1  分面圖與組合圖的繪制 169
6.2  參考線(xiàn)和文本標(biāo)簽的添加 175
6.3  軸系統(tǒng)coord_*的設(shè)置 180
6.4  尺度scale_*的設(shè)置 182
6.5  顏色、形狀和線(xiàn)條類(lèi)型的自定義設(shè)置 189
6.6  圖形主題的設(shè)置 191
6.7  有關(guān)圖例布局的調(diào)整 195
6.8  篇章總結(jié) 199
第7章  線(xiàn)性回歸模型的預(yù)測(cè)應(yīng)用 201
7.1  相關(guān)性分析 201
7.2  回歸性分析 202
7.3  線(xiàn)性回歸模型的介紹 203
7.4  回歸系數(shù)求解 204
7.4.1  構(gòu)造似然函數(shù) 205
7.4.2  取對(duì)數(shù)并整理 205
7.4.3  展開(kāi)并求導(dǎo) 206
7.4.4  計(jì)算偏回歸系數(shù) 206
7.5  實(shí)戰(zhàn)案例——如何基于成本預(yù)測(cè)利潤(rùn) 206
7.6  模型的顯著性檢驗(yàn)——F檢驗(yàn) 210
7.6.1  提出假設(shè) 210
7.6.2  構(gòu)造統(tǒng)計(jì)量 210
7.6.3  計(jì)算統(tǒng)計(jì)量 211
7.6.4  對(duì)比統(tǒng)計(jì)量的值和理論分布值 212
7.7  參數(shù)的顯著性檢驗(yàn)——t檢驗(yàn) 212
7.7.1  提出假設(shè) 212
7.7.2  構(gòu)造統(tǒng)計(jì)量 213
7.7.3  計(jì)算統(tǒng)計(jì)量 213
7.7.4  對(duì)比統(tǒng)計(jì)量的值和理論分布值 214
7.8  變量選擇——逐步回歸法 214
7.9  驗(yàn)證模型的各類(lèi)假設(shè)前提 216
7.9.1  多重共線(xiàn)性檢驗(yàn) 216
7.9.2  正態(tài)性檢驗(yàn) 217
7.9.3  獨(dú)立性檢驗(yàn) 220
7.9.4  方差齊性檢驗(yàn) 220
7.10  模型的預(yù)測(cè) 222
7.11  篇章總結(jié) 223
第8章  嶺回歸與LASSO回歸模型 225
8.1  嶺回歸模型的介紹 225
8.1.1  參數(shù)求解 226
8.1.2  系數(shù)求解的幾何意義 227
8.1.3  嶺回歸模型的應(yīng)用 228
8.1.4  模型的預(yù)測(cè) 234
8.2  LASSO回歸模型的介紹 235
8.2.1  參數(shù)求解 236
8.2.2  系數(shù)求解的幾何意義 237
8.2.3  LASSO回歸模型的應(yīng)用 238
8.2.4  模型的預(yù)測(cè) 240
8.3  篇章總結(jié) 242
第9章  Logistic回歸模型的分類(lèi)應(yīng)用 244
9.1  Logistic回歸模型的構(gòu)建 245
9.2  Logistic回歸模型的參數(shù)求解 247
9.2.1  極大似然估計(jì) 247
9.2.2  梯度下降 249
9.3  Logistic回歸模型的參數(shù)解釋 249
9.4  幾種常用的模型評(píng)估方法 250
9.4.1  混淆矩陣 250
9.4.2  ROC曲線(xiàn) 251
9.4.3  K-S曲線(xiàn) 253
9.5  Logistic回歸模型的應(yīng)用 256
9.5.1  建模 256
9.5.2  預(yù)測(cè) 259
9.5.3  模型評(píng)估 260
9.6  篇章總結(jié) 262
第10章  決策樹(shù)與隨機(jī)森林的應(yīng)用 264
10.1  節(jié)點(diǎn)字段的選擇 265
10.1.1  信息增益 266
10.1.2  信息增益率 268
10.1.3  基尼指數(shù) 270
10.2  決策樹(shù)的剪枝 272
10.2.1  誤差降低剪枝法 272
10.2.2  悲觀剪枝法 273
10.2.3  代價(jià)復(fù)雜度剪枝法 274
10.3  隨機(jī)森林 276
10.3.1  隨機(jī)森林的思想 277
10.3.2  隨機(jī)森林的函數(shù)說(shuō)明 278
10.4  決策樹(shù)與隨機(jī)森林的應(yīng)用 279
10.4.1  分類(lèi)問(wèn)題的應(yīng)用 280
10.4.2  預(yù)測(cè)問(wèn)題的應(yīng)用 287
10.5  篇章總結(jié) 290
第11章  KNN模型 292
11.1  KNN算法的思想 292
11.2  k值的選擇 293
11.3  相似度的度量方法 294
11.3.1  歐氏距離 294
11.3.2  曼哈頓距離 295
11.3.3  余弦相似度 295
11.3.4  杰卡德相似系數(shù) 296
11.4  近鄰樣本的搜尋方法 297
11.4.1  KD樹(shù)搜尋法 297
11.4.2  球樹(shù)搜尋法 301
11.5  KNN模型的應(yīng)用 303
11.5.1  分類(lèi)問(wèn)題的判別 304
11.5.2  預(yù)測(cè)性問(wèn)題的解決 309
11.6  篇章總結(jié) 312
第12章  樸素貝葉斯模型 314
12.1  樸素貝葉斯理論基礎(chǔ) 315
12.2  幾種貝葉斯模型 316
12.2.1  高斯貝葉斯分類(lèi)器 316
12.2.2  高斯貝葉斯分類(lèi)器的應(yīng)用 318
12.2.3  多項(xiàng)式貝葉斯分類(lèi)器 322
12.2.4  多項(xiàng)式貝葉斯分類(lèi)器的應(yīng)用 324
12.2.5  伯努利貝葉斯分類(lèi)器 327
12.2.6  伯努利貝葉斯分類(lèi)器的應(yīng)用 329
12.3  篇章總結(jié) 335
第13章  SVM模型 337
13.1  SVM的簡(jiǎn)介 338
13.1.1  距離公式的介紹 339
13.1.2  SVM的實(shí)現(xiàn)思想 339
13.2  幾種常見(jiàn)的SVM模型 341
13.2.1  線(xiàn)性可分的SVM 341
13.2.2  一個(gè)手工計(jì)算的案例 344
13.2.3  近似線(xiàn)性可分SVM 346
13.2.4  線(xiàn)性SVM的損失函數(shù) 348
13.2.5  非線(xiàn)性可分SVM 349
12.2.6  幾種常用的SVM核函數(shù) 351
12.2.7  SVM的回歸預(yù)測(cè) 352
12.2.8  R語(yǔ)言函數(shù)介紹 353
13.3  分類(lèi)性SVM模型的應(yīng)用—手寫(xiě)字母的識(shí)別 355
13.4  預(yù)測(cè)性SVM回歸模型的應(yīng)用—受災(zāi)面積的預(yù)測(cè) 358
13.5  篇章總結(jié) 361
第14章  GBDT模型 363
14.1  提升樹(shù)算法 364
14.1.1  AdaBoost算法的損失函數(shù) 364
14.1.2  AdaBoost算法的操作步驟 366
14.1.3  AdaBoost算法的簡(jiǎn)單例子 367
14.1.4  AdaBoost算法的應(yīng)用 369
14.2  GBDT算法的介紹 375
14.2.1  GBDT算法的操作步驟 375
14.2.2  GBDT分類(lèi)算法 376
14.2.3  GBDT回歸算法 377
14.2.4  GBDT算法的應(yīng)用 378
14.3  非平衡數(shù)據(jù)的處理 382
14.4  XGBoost算法 384
14.4.1  XGBoost算法的損失函數(shù) 384
14.4.2  損失函數(shù)的演變 386
14.4.3  XGBoost算法的應(yīng)用 388
14.5  篇章總結(jié) 394
第15章  Kmeans聚類(lèi)分析 396
15.1  Kmeans聚類(lèi) 397
15.1.1  Kmeans的思想 397
15.1.2  Kmeans的原理 398
15.2  k值的確定 399
15.2.1  拐點(diǎn)法 400
15.2.2  輪廓系數(shù)法 402
15.2.3  Gap Statistic 404
15.3  Kmeans聚類(lèi)的應(yīng)用 407
15.3.1  鳶尾花類(lèi)別的聚類(lèi) 407
15.3.2  基于NBA球員歷史參賽數(shù)據(jù)的聚類(lèi) 410
15.4  Kmeans聚類(lèi)的注意事項(xiàng) 415
15.5  篇章總結(jié) 416