第0章 致敬，R！ 1
致敬，肩膀！ 1
致敬，时代！ 3
致敬，人才！ 4
致敬，R瑟！ 5
上篇数据预处理 10
第1章 数据挖掘导引 10
1.1 数据挖掘概述 10
1.1.1 数据挖掘的过程 10
1.1.2 数据挖掘的对象 12
1.1.3 数据挖掘的方法 12
1.1.4 数据挖掘的应用 13
1.2 数据挖掘的算法 14
1.3 数据挖掘的工具 17
1.3.1 工具的分类 17
1.3.2 工具的选择 18
1.3.3 商用的工具 19
1.3.4 开源的工具 21
1.4 R在数据挖掘中的优势 23
第2章 数据概览 25
2.1 n×m数据集 25
2.2 数据的分类 28
2.2.1 一般的数据分类 28
2.2.2 R的数据分类 29
2.2.3 用R简单处理数据 31
2.3 数据抽样及R实现 34
2.3.1 简单随机抽样 34
2.3.2 分层抽样 36
2.3.3 整群抽样 38
2.4 训练集与测试集 40
2.5 本章汇总 40
第3章 用R获取数据 42
3.1 获取内置数据集 42
3.1.1 datasets数据集 42
3.1.2 包的数据集 43
3.2 获取其他格式的数据 45
3.2.1 CSV与TXT格式 45
3.2.2 从Excel直接获取数据 47
3.2.3 从其他统计软件中获取数据 48
3.3 获取数据库数据 50
3.4 获取网页数据 52
3.5 本章汇总 55
第4章 探索性数据分析 56
4.1 数据集 56
4.2 数字化探索 57
4.2.1 变量概况 57
4.2.2 变量详情 58
4.2.3 分布指标 61
4.2.4 稀疏性 62
4.2.5 缺失值 63
4.2.6 相关性 65
4.3 可视化探索 68
4.3.1 直方图 68
4.3.2 累积分布图 71
4.3.3 箱形图 73
4.3.4 条形图 78
4.3.5 点阵图 81
4.3.6 饼图 82
4.5 本章汇总 84
第5章 数据预处理 86
5.1 数据集加载 86
5.2 数据清理 88
5.2.1 缺失值处理 90
5.2.2 噪声数据处理 95
5.2.3 数据不一致的处理 97
5.3 数据集成 99
5.4 数据变换 101
5.5 数据归约 102
5.6 本章汇总 104
中篇基本算法及应用 106
第6章 关联分析 106
6.1 概述 106
6.2 R 中的实现 109
6.2.1 相关软件包 109
6.2.2 核心函数 109
6.2.3 数据集 110
6.3 应用案例 111
6.3.1 数据初探 111
6.3.2 对生成规则进行强度控制 112
6.3.3 一个实际应用 114
6.3.4 改变输出结果形式 115
6.3.5 关联规则的可视化 116
6.4 本章汇总 120
第7章 聚类分析 121
7.1 概述 121
7.1.1 K-均值聚类 122
7.1.2 K-中心点聚类 122
7.1.3 系谱聚类 122
7.1.4 密度聚类 124
7.1.5 期望最大化聚类 125
7.2 R 中的实现 126
7.2.1 相关软件包 126
7.2.2 核心函数 127
7.2.3 数据集 129
7.3 应用案例 131
7.3.1 K-均值聚类 131
7.3.2 K-中心点聚类 135
7.3.3 系谱聚类 137
7.3.4 密度聚类 140
7.3.5 期望最大化聚类 145
7.4 本章汇总 150
第8章 判别分析 151
8.1 概述 151
8.1.1 费希尔判别 152
8.1.2 贝叶斯判别 153
8.1.3 距离判别 153
8.2 R 中的实现 154
8.2.1 相关软件包 154
8.2.2 核心函数 155
8.2.3 数据集 157
8.3 应用案例 161
8.3.1 线性判别分析 161
8.3.2 朴素贝叶斯分类 167
8.3.3 K最近邻 172
8.3.4 有权重的K最近邻算法 174
8.4 推荐系统综合实例 175
8.4.1 kNN与推荐 176
8.4.2 MovieLens数据集说明 176
8.4.3 综合运用 177
8.5 本章汇总 182
第9章 决策树 183
9.1 概述 183
9.1.1 树形结构 183
9.1.2 树的构建 184
9.1.3 常用算法 185
9.2 R中的实现 185
9.2.1 相关软件包 185
9.2.2 核心函数 186
9.2.3 数据集 187
9.3 应用案例 190
9.3.1 CART应用 191
9.3.2 C4.5 应用 202
9.4 本章汇总 205
下篇高级算法及应用 208
第10章 集成学习 208
10.1 概述 208
10.1.1 一个概率论小计算 208
10.1.2 Bagging算法 209
10.1.3 AdaBoost算法 209
10.2 R 中的实现 209
10.2.1 相关软件包 209
10.2.2 核心函数 210
10.2.3 数据集 210
10.3 应用案例 213
10.3.1 Bagging算法 213
10.3.2 Adaboost算法 218
10.4 本章汇总 219
第11章 随机森林 220
11.1 概述 220
11.1.1 基本原理 220
11.1.2 重要参数 222
11.2 R 中的实现 223
11.2.1 相关软件包 223
11.2.2 核心函数 223
11.2.3 可视化分析 231
11.3 应用案例 232
11.3.1 数据处理 233
11.3.2 建立模型 234
11.3.3 结果分析 235
11.3.4 自变量的重要程度 236
11.3.5 优化建模 237
11.4 本章汇总 241
第12章 支持向量机 242
12.1 概述 242
12.1.1 结构风险最小原理 243
12.1.2 函数间隔与几何间隔 244
12.1.3 核函数 245
12.2 R中的实现 245
12.2.1 相关软件包 245
12.2.2 核心函数 246
12.2.3 数据集 248
12.3 应用案例 248
12.3.1 数据初探 249
12.3.2 建立模型 249
12.3.3 结果分析 249
12.3.4 预测判别 250
12.3.5 综合建模 251
12.3.6 可视化分析 252
12.3.7 优化建模 254
12.4 本章汇总 256
第13章 神经网络 257
13.1 概述 257
13.2 R中的实现 258
13.2.1 相关软件包 258
13.2.2 核心函数 258
13.3 应用案例 261
13.3.1 数据初探 261
13.3.2 数据处理 262
13.3.3 建立模型 263
13.3.4 结果分析 264
13.3.5 预测判别 264
13.3.6 模型差异分析 266
13.3.7 优化建模 268
13.4 本章汇总 272
第14章 模型评估与选择 273
14.1 评估过程概述 273
14.2 安装Rattle包 274
14.3 Rattle功能简介 275
14.3.1 Data——选取数据 275
14.3.2 Explore——数据探究 276
14.3.3 Test——数据相关检验 276
14.3.4 Transform——数据预处理 277
14.3.5 Cluster——数据聚类 277
14.3.6 Model——模型评估 277
14.3.7 Evaluate——模型评估 280
14.3.8 Log——模型评估记录 281
14.4 模型评估相关概念 281
14.4.1 误判率 281
14.4.2 正确/错误的肯定判断、正确/错误的否定判断 281
14.4.3 精确度、敏感度及特异性 282
14.5 Rattle在模型评估中的应用 282
14.5.1 混淆矩阵 282
14.5.2 风险图 283
14.5.3 ROC图及相关图表 286
14.5.4 模型得分数据集 287
14.6 综合实例 288
14.6.1 数据介绍 288
14.6.2 模型建立 288
14.6.3 模型结果分析 289