当前位置:首页 > 程序设计 >
《R语言实战》电子书封面

R语言实战

  • 发布时间:2019年10月24日 09:20:22
  • 作者:卡巴科佛(Kabacoff,R.I.)
  • 大小:22.5 MB
  • 类别:R语言电子书
  • 格式:PDF
  • 版本:完整中文版
  • 评分:8.2

    R语言推荐

    R语言实战 PDF 完整中文版

      给大家带来的一篇关于R语言相关的电子书资源,介绍了关于R语言、R语言实战方面的内容,本书是由人民邮电出版社出版,格式为PDF,资源大小22.5 MB,卡巴科佛(Kabacoff,R.I.)编写,目前豆瓣、亚马逊、当当、京东等电子书综合评分为:8.5分

      Tags:

      内容介绍

      R语言实战 PDF

      R是一个开源网站项目,具备强劲的统计分析测算及绘图工作能力,是以互联网大数据中获得有效信息内容的极佳专用工具,在各种各样流行电脑操作系统上能够安裝应用,其基础安裝就出示了成百上千的数据库管理、统计分析和图型涵数。另一个,小区开发设计的不计其数的拓展(包)为R提升了大量强劲作用。《R语言实战》重视应用性,是一本全方位而细腻的R手册,高宽比归纳了此软件和它的强劲作用,展现了好用的统计分析范例,且针对无法用传统式方式解决的杂乱、不详细和非正态的统计数据得出了雅致的解决方式。创作者不仅讨论数据分析,还论述了很多探寻和展现统计数据的图型作用。《R语言实战》合适数据统计分析工作人员及R客户学习培训参照。 R是一个源新项目,具备强劲的统计分析测算及绘图工作能力,是以互联网大数据中获得有效信息内容的极佳专用工具,在各种各样流行电脑操作系统上能够安裝应用,其基础安裝就出示了成百上千的数据库管理、统计分析和图型涵数。另一个,小区发的不计其数的拓展(包)为R提升了大量强劲作用。《R语言实战》重视应用性,是一本全方位而细腻的R手册,高宽比归纳了此软件和它的强劲作用,展现了好用的统计分析范例,且针对无法用传统式方式解决的杂乱、不详细和非正态的统计数据得出了雅致的解决方式。创作者不仅讨论数据分析,还论述了很多探寻和展现统计数据的图型作用。《R言语实战演练》合适数据统计分析工作人员及R客户学习培训参照。

      目录

      • 那些年,我们一起学过的R语言
      • 公元前
      • 公元纪年开始
      • 文艺复兴
      • 结束公元纪年
      • 译者致谢
      • 前言
      • 致谢
      • 关于本书
      • 读者对象
      • 本书结构
      • 例子
      • 排版约定
      • 作者在线
      • 关于封面图片
      • 第一部分 入门
      • 第1章 R语言介绍
      • 1.1 为何要使用R?
      • 1.2 R的获取和安装
      • 1.3 R的使用
      • 1.4 包
      • 1.5 批处理
      • 1.6 将输出用为输入——结果的重用
      • 1.7 处理大数据集
      • 1.8 示例实践
      • 1.9 小结
      • 第2章 创建数据集
      • 2.1 数据集的概念
      • 2.2 数据结构
      • 2.3 数据的输入
      • 2.4 数据集的标注
      • 2.5 处理数据对象的实用函数
      • 2.6 小结
      • 第3章 图形初阶
      • 3.1 使用图形
      • 3.2 一个简单的例子
      • 3.3 图形参数
      • 3.4 添加文本、自定义坐标轴和图例
      • 3.5 图形的组合
      • 3.6 小结
      • 第4章 基本数据管理
      • 4.1 一个示例
      • 4.2 创建新变量
      • 4.3 变量的重编码
      • 4.4 变量的重命名
      • 4.5 缺失值
      • 4.6 日期值
      • 4.7 类型转换
      • 4.8 数据排序
      • 4.9 数据集的合并
      • 4.10 数据集取子集
      • 4.11 使用SQL语句操作数据框
      • 4.12 小结
      • 第5章 高级数据管理
      • 5.1 一个数据处理难题
      • 5.2 数值和字符处理函数
      • 5.3 数据处理难题的一套解决方案
      • 5.4 控制流
      • 5.5 用户自编函数
      • 5.6 整合与重构
      • 5.7 小结
      • 第二部分 基本方法
      • 第6章 基本图形
      • 6.1 条形图
      • 6.2 饼图
      • 6.3 直方图
      • 6.4 核密度图
      • 6.5 箱线图
      • 6.6 点图
      • 6.7 小结
      • 第7章 基本统计分析
      • 7.1 描述性统计分析
      • 7.2 频数表和列联表
      • 7.3 相关
      • 7.4 t检验
      • 7.5 组间差异的非参数检验
      • 7.6 组间差异的可视化
      • 7.7 小结
      • 第三部分 中级方法
      • 第8章 回归
      • 8.1 回归的多面性
      • 8.2 OLS回归
      • 8.3 回归诊断
      • 8.4 异常观测值
      • 8.5 改进措施
      • 8.6 选择“最佳”的回归模型
      • 8.7 深层次分析
      • 8.8 小结
      • 第9章 方差分析
      • 9.1 术语速成
      • 9.2 ANOVA模型拟合
      • 9.3 单因素方差分析
      • 9.4 单因素协方差分析
      • 9.5 双因素方差分析
      • 9.6 重复测量方差分析
      • 9.7 多元方差分析
      • 9.8 用回归来做ANOVA
      • 9.9 小结
      • 第10章 功效分析
      • 10.1 假设检验速览
      • 10.2 用pwr包做功效分析
      • 10.3 绘制功效分析图形
      • 10.4 其他软件包
      • 10.5 小结
      • 第11章 中级绘图
      • 11.1 散点图
      • 11.2 折线图
      • 11.3 相关图
      • 11.4 马赛克图
      • 11.5 小结
      • 第12章 重抽样与自助法
      • 12.1 置换检验
      • 12.2 用coin包做置换检验
      • 12.3 lmPerm包的置换检验
      • 12.4 置换检验点评
      • 12.5 自助法
      • 12.6 boot包中的自助法
      • 12.7 小结
      • 第四部分 高级方法
      • 第13章 广义线性模型
      • 13.1 广义线性模型和glm()函数
      • 13.2 Logistic回归
      • 13.3 泊松回归
      • 13.4 小结
      • 第14章 主成分和因子分析
      • 14.1 R中的主成分和因子分析
      • 14.2 主成分分析
      • 14.3 探索性因子分析
      • 14.4 其他潜变量模型
      • 14.5 小结
      • 第15章 处理缺失数据的高级方法
      • 15.1 处理缺失值的步骤
      • 15.2 识别缺失值
      • 15.3 探索缺失值模式
      • 15.4 理解缺失数据的来由和影响
      • 15.5 理性处理不完整数据
      • 15.6 完整实例分析(行删除)
      • 15.7 多重插补
      • 15.8 处理缺失值的其他方法
      • 15.9 小结
      • 第16章 高级图形进阶
      • 16.1 R中的四种图形系统
      • 16.2 lattice包
      • 16.3 ggplot2包
      • 16.4 交互式图形
      • 16.5 小结
      • 后记:探索R的世界
      • 附录A 图形用户界面
      • 附录B 自定义启动环境
      • 附录C 从R中导出数据
      • C.1 符号分隔文本文件
      • C.2 Excel电子表格
      • C.3 统计学程序
      • 附录D 制作出版级品质的输出
      • D.1 用Sweave(R+LaTeX)实现高质量排版
      • D.2 用odfWeave整合OpenOffice
      • D.3 备注
      • 附录E R中的矩阵运算
      • 附录F 本书中用到的扩展包
      • 附录G 处理大数据
      • G.1 高效程序设计
      • G.2 在内存外存储数据
      • G.3 用于大数据的分析包
      • 附录H 更新R
      • 参考文献

      以上就是本次介绍的R语言电子书的全部相关内容,希望我们整理的资源能够帮助到大家,感谢大家对码农之家的支持。

      上一篇:JavaScript语言精粹

      下一篇:R语言实战

      展开 +

      收起 -

      下载地址:百度网盘下载
      R语言 相关电子书
      网络数据的统计分析:R语言实践
      网络数据的统计分析:R语言实践 PDF 清晰影印版

      本书用丰富的案例说明了如何利用多个R语言扩展包进行各类网络分析。R语言扩展包igraph提供了大量用于网络分析的功能,书中以其作为主要的工具

      立即下载
      数据挖掘:R语言实战
      数据挖掘:R语言实战 PDF 影印版

      本书侧重使用R 进行数据挖掘,重点讲述了R 的数据挖掘流程、算法包的使用及相关工具的应用,同时结合大量精选的数据挖掘实例对R 软件进行深入潜出和全面的介绍,以便读者能深刻理解R 的

      立即下载
      新媒体数据挖掘:基于R语言
      新媒体数据挖掘:基于R语言 PDF 影印中文版

      旨在为计算传播和计算社会科学领域的读者提供学习R编程语言和开发平台的捷径,希望能够填补这方面的空白,感兴趣的可以下载学习

      立即下载
      R语言数据分析项目精解:理论、方法、实战
      R语言数据分析项目精解:理论、方法、实战 PDF 完整超清版

      it行业数据统计分析工作人员:根据阅读文章这书,能够把学得的专业知识立即应用到生活实践中。 互联网技术商品策划工作人员:根据阅读文章这书,能够掌握数据统计分析精英团队通常是

      立即下载
      R语言实战:机器学习与数据分析
      R语言实战:机器学习与数据分析 PDF 高清版 立即下载
      基于R语言数据挖掘的统计与分析
      基于R语言数据挖掘的统计与分析 PDF 影印完整版

      R语言的功能越来越丰富,越来越多的人对R语言产生了兴趣。本书是为了让对R语言有兴趣的读者能更加了解R语言,了解大数据时代的数据挖掘等,感兴趣的可以下载学习

      立即下载
      R语言与大数据编程实战
      R语言与大数据编程实战 PDF 超清原版

      全方位详细介绍了来源于数据分析、深度学习、人工智能技术等行业的多种多样数据统计分析优化算法,在解读与之有关的R编码时,还探讨了这种优化算法的基本原理、优点和缺点与可用背景

      立即下载
      量化投资:以R语言为工具
      量化投资:以R语言为工具 PDF 高清版

      量化投资:以R语言为工具 主要讲解量化投资的思想和策略,并借助R语言进行实战。由三部分组成: 首先,对R编程语言的介绍,通过学习,读者可以迅速掌握用R语言处理数据的方法,灵活运用

      立即下载
      读者心得
      122小时8分钟前回答

      r语言和python的详细对比

      r语言和python的对比,两者各有千秋,究竟要学哪一个,可根据自己的实际需求来作出选择,当然,最好是两者都学。 相关推荐:《python视频》 01 开发目的 R语言 R是由统计学家开发的,它的出生就肩负着统计分析、绘图、数据挖掘的重要使命。因此在R的语言体系里,有非常多统计学的原理和知识。 如果你具备一些统计背景,R会令你使用各类model和复杂的公式时更加愉悦有爽感,因为你总能找到对应的package,并且几行代码就可以调用搞定。 Python Python的创始人初衷,是为非专业程序员设计的一种开放型的语言。优雅,明确,简单,是它的标签。因此,总有人高唱「人生苦短,我用Python」。 数据分析、网……

      124小时10分钟前回答

      R语言 vs Python对比:数据分析哪家强?

      什么是R语言? R语言,一种自由软件编程语言与操作环境,主要用于统计分析、绘图、数据挖掘。R本来是由来自新西兰奥克兰大学的罗斯·伊哈卡和罗伯特·杰特曼开发(也因此称为R),现在由“R开发核心团队”负责开发。R基于S语言的一个GNU计划项目,所以也可以当作S语言的一种实现,通常用S语言编写的代码都可以不作修改的在R环境下运行。R的语法是来自Scheme。 R的源代码可自由下载使用,亦有已编译的可执行文件版本可以下载,可在多种平台下运行,包括UNIX(也包括FreeBSD和Linux)、Windows和MacOS。R主要是以命令行操作,同时有人开发了几种图形用户界面。 R的功能能够通过由用户撰写的包增强。增加的功……

      21小时34分钟前回答

      r语言和python有必要都学吗

      R和Python是目前最流行的两款高级编程语言,被大量运用于数据科学领域。两者都是开源的,也都有非常活跃的社区来支撑。那么问题来了:r语言和python有必要都学吗 R: R语言由新西兰奥克兰大学的Ross Ihaka和Robert Gentleman于1995设计出来(由于两人的名字均以 ‘R’ 字母开头,因此命名为R语言),现在由“R核心开发团队“负责开发。 虽然R主要用于数据分析、绘图以及数据挖掘,但也有人用作矩阵计算。其计算速度可媲美专用于矩阵计算的开源软件GNU Octave和商业软件MATLAB。 起初R主要在学术研究中使用,但近年来在企业界也表现突出,这使得R成为企业中使用的全球发展最快的统计语言之一。对于数据科学任……

      77小时40分钟前回答

      Python与R语言的简要对比

      数据挖掘技术日趋成熟和复杂,随着互联网发展以及大批海量数据的到来,之前传统的依靠spss、SAS等可视化工具实现数据挖掘建模已经越来越不能满足日常需求,依据美国对数据科学家(data scientist)的要求,想成为一名真正的数据科学家,编程实现算法以及编程实现建模已经是必要条件;目前很多从事数据挖掘工作的人,大多都是出身非计算机专业,本身对编程基础比较低,所以找到一门快速上手而又高效的编程语言是至关重要的,好的工具和编程语言可以起到事半功倍的效果。 目前在数据挖掘算法方面用的最多的编程语言有:Java、C++、C、Python、R等等 R语言作为统计界第一语言(软件),很多时候……

      码农之家

      牧明煦 提供上传

      资源
      19
      粉丝
      43
      喜欢
      113
      评论
      13

      Copyright 2018-2021 www.xz577.com 码农之家

      版权投诉 / 书籍推广:520161757@qq.com