数据挖掘与R语言PDF电子书下载

第1章 简介 1

1.1如何阅读本书 1

1.2 R简介 2

1.2.1 R起步 2

1.2.2 R对象 4

1.2.3向量 5

1.2.4向量化 7

1.2.5因子 8

1.2.6生成序列 10

1.2.7数据子集 12

1.2.8矩阵和数组 13

1.2.9列表 17

1.2.10数据框 19

1.2.11构建新函数 22

1.2.12对象、类和方法 24

1.2.13管理R会话 25

1.3 MySQL简介 25

第2章 预测海藻数量 28

2.1问题描述与目标 28

2.2数据说明 28

2.3数据加载到R 29

2.4数据可视化和摘要 30

2.5数据缺失 37

2.5.1将缺失部分剔除 37

2.5.2用最高频率值来填补缺失值 38

2.5.3通过变量的相关关系来填补缺失值 39

2.5.4通过探索案例之间的相似性来填补缺失值 42

2.6获取预测模型 43

2.6.1多元线性回归 44

2.6.2回归树 49

2.7模型的评价和选择 53

2.8预测7类海藻的频率 64

2.9小结 65

第3章 预测股票市场收益 67

3.1问题描述与目标 67

3.2可用的数据 67

3.2.1在R中处理与时间有关的数据 68

3.2.2从CSV文件读取数据 71

3.2.3从网站上获取数据 72

3.2.4从MySQL数据库读取数据 73

3.3定义预测任务 76

3.3.1预测什么 76

3.3.2预测变量是什么 78

3.3.3预测任务 82

3.3.4模型评价准则 83

3.4预测模型 84

3.4.1如何应用训练集数据来建模 84

3.4.2建模工具 86

3.5从预测到实践 91

3.5.1如何应用预测模型 91

3.5.2与交易相关的评价准则 92

3.5.3模型集成：仿真交易 92

3.6模型评价和选择 99

3.6.1蒙特卡罗估计 99

3.6.2实验比较 100

3.6.3结果分析 104

3.7交易系统 110

3.7.1评估最终测试数据 110

3.7.2在线交易系统 114

3.8小结 115

第4章 侦测欺诈交易 116

4.1问题描述与目标 116

4.2可用的数据 116

4.2.1加载数据至R 117

4.2.2探索数据集 117

4.2.3数据问题 122

4.3定义数据挖掘任务 128

4.3.1问题的不同解决方法 128

4.3.2评价准则 130

4.3.3实验方法 135

4.4计算离群值的排序 136

4.4.1无监督方法 136

4.4.2有监督方法 145

4.4.3半监督方法 155

4.5小结 160

第5章 微阵列样本分类 162

5.1问题描述与目标 162

5.1.1微阵列实验背景简介 162

5.1.2数据集ALL 163

5.2可用的数据 163

5.3基因（特征）选择 167

5.3.1基于分布特征的简单过滤方法 167

5.3.2 ANOVA过滤 170

5.3.3用随机森林进行过滤 171

5.3.4用特征聚类的组合进行过滤 173

5.4遗传学异常的预测 175

5.4.1定义预测任务 175

5.4.2模型评价标准 175

5.4.3实验过程 175

5.4.4建模技术 176

5.4.5模型比较 179

5.5小结 185

参考文献 187

主题索引 195

数据挖掘术语索引 199

R函数索引 200