R语言数据挖掘方法及应用 PDF 完整扫描版

为找资料的网友们整理了R语言相关的资料，介绍了关于R语言、数据挖掘方面，格式为PDF，资源大小188 MB，目前在R语言类资源综合评分为：8.7分。

大数据不但代表数据的累积、储存与管理方法，更代表大数据的剖析。数据挖掘无可置疑地变成现如今大数据剖析的关键神器。R语言因完全的开放式对策已经位居数据挖掘专用工具之首列。这书以R语言数据挖掘新手入门并不会太难为开场，一览了数据挖掘的基础理论和运用轮廊，确立了R语言新手入门的必需专业知识和学习培训线路，并展现了数据挖掘的基本成效，致力于使阅读者迅速发展数据挖掘实践活动。事后紧紧围绕数据挖掘运用的四大关键层面，分配了数据预测篇：立足于数据预测不明，数据排序篇：发觉数据中的当然群聊，数据关系篇：发觉数据的本质相关性，离群数据探寻篇：发觉数据中的离群点。每章下各设多个章节目录，各章节目录从简单易懂且具象征性的实例难题下手，分析基础理论方式 原理，解读R语言完成，并得出实例的R语言数据挖掘编码和結果表述。这书內容遮盖之普遍，原理解读之通俗化，R语言完成流程之详细，在世界各国类似书藉中尚少见。 目录 第一篇 起步篇：R语言数据挖掘入门并不难 第1章 数据挖掘与R语言概述 【本章学习目标】 1.1 为什么要学习数据挖掘和R语言 1.2 什么是数据挖掘 1.3数据挖掘能给出什么 1.3.1数据挖掘结果有哪些呈现方式 1.3.2 数据挖掘结果有哪些基本特征 1.4 数据挖掘能解决什么问题 1.4.1 数据预测 1.4.2 发现数据的内在结构 1.4.3 发现关联性 1.4.4 模式诊断 1.5 数据挖掘解决问题的思路 1.6数据挖掘有哪些典型的商业应用 1.6.1 数据挖掘在客户细分中的应用 1.6.2 数据挖掘在客户流失分析中的应用 1.6.3 数据挖掘在营销响应分析中的应用 1.6.4 数据挖掘在交叉销售中的应用 1.6.5 数据挖掘在欺诈甄别中的应用 1.7 R语言入门需要知道什么 1.7.1 什么是R的包 1.7.2 如何获得 R 1.7.3 R如何起步 1.7.4 R的基本操作和其他 【本章附录】 第2章 R语言数据挖掘起步：R对象和数据组织 【本章学习目标】 2.1 什么是R的数据对象 2.1.1 R的数据对象有哪些类型 2.1.2 如何创建和访问R的数据对象 2.2 如何用R的向量组织数据 2.2.1 创建只包含一个元素的向量 2.2.2 创建包含多个元素的向量 2.2.3 访问向量中的元素 2.3 如何用R的矩阵组织数据 2.3.1 创建矩阵 2.3.2 访问矩阵中的元素 2.4 如何用R的数据框组织数据 2.4.1 创建数据框 2.4.2 访问数据框 2.5 如何用R的数组、列表组织数据 2.5.1 创建和访问数组 2.5.2 创建和访问列表 2.6 R数据对象的相互转换 2.6.1 不同存储类型之间的转换 2.6.2 不同结构类型之间的转换 2.7 如何将外部数据组织到R数据对象中 2.7.1 将文本数据组织到R对象中 2.7.2 将SPSS数据组织到R对象中 2.7.3 将数据库和Excel表数据组织到R对象中 2.7.4 将网页表格数据组织到R对象中 2.7.5 R有哪些自带的数据包 2.7.6 如何将R对象中的数据保存起来 2.8 R程序设计需哪些必备知识 2.8.1 R程序设计涉及哪些基本概念 2.8.2 R有哪些常用的系统函数 2.8.3 用户自定义函数提升编程水平 2.8.4 如何提高R程序处理的能力 2.9 R程序设计与数据整理综合应用 2.9.1 综合应用一：数据的基本处理 2.9.2 综合应用二：如何将汇总数据还原为原始数据 【本章附录】 第3章 R语言数据挖掘初体验：对数据的直观印象 【本章学习目标】 【案例与思考】 3.1 数据的直观印象 3.1.1 R的数据可视化平台是什么? 3.1.3 R的图形边界和布局 3.1.2 R的图形组成和图形参数 3.1.4 如何修改R的图形参数？ 3.2如何获得单变量分布特征的直观印象 3.2.1核密度图：车险理赔次数的分布特点是什么？ 3.2.2 小提琴图：不同车型车险理赔次数的分布有差异吗？ 3.2.3克利夫兰点图：车险理赔次数存在异常吗？ 3.3如何获得多变量联合分布的直观印象 3.3.1 曲面图和等高线图 3.3.2 二元核密度曲面图：投保人年龄和车险理赔次数的联合分布特点是什么？ 3.3.3 雷达图：不同区域气候特点有差异吗？ 3.4如何获得变量间相关性的直观印象 3.4.1 马赛克图：车型和车龄有相关性吗？ 3.4.2 散点图：这些因素会影响空气湿度吗？ 3.4.3 相关系数图：淘宝各行业商品成交指数有相关性吗？ 3.5如何获得GIS数据的直观印象 3.5.1 绘制世界地图和美国地图 3.5.2 绘制中国行政区划地图 3.5.3 依据地图绘制热力图：不同省市的淘宝女装成交指数有差异吗？ 3.7如何获得文本词频数据的直观印象：政府工作报告中有哪些高频词? 【本章附录】 第二篇 数据预测篇：立足数据预测未知 第4章 基于近邻的分类预测：与近邻有趋同的选择！ 【本