R数据挖掘入门

1.从理论基础到实例应用，边学习边实践！
2.网罗数据挖掘中10种经典、常用的方法！
回归分析/Logistic回归分析/决策树分析/支持向量机/记忆基础推理/聚类分析/自组织映射/主成分分析/对应分析/关联规则分析
3.图文并茂，示例丰富，结合可下载的R代码和数据，让你亲自体验数据挖掘的流程！
如何预测邮件是否为垃圾邮件？
如何判断顾客会同时购买哪些商品？
如何根据股价数据判断经济的景气程度？
如何从SNS获取数据并分析？
……
大数据时代，必须了解数据挖掘！
本书首先介绍R的基础知识以及使用R进行数据挖掘的流程；然后结合具体示例、代码和图表介绍数据挖掘的10种常用方法；* 后介绍数据挖掘的实战案例，涉及多种方法的比较以及实际的大规模数据的分析。本书详略得当，脉络清晰，让你轻松入门数据挖掘。 

本书使用R，结合大量实例，详细介绍了数据挖掘的理论和分析方法。全书分为3部分：* 1部分简单介绍了使用R进行数据挖掘的流程和数据挖掘的概要；* 2部分介绍了数据挖掘的10种常用方法，并在此基础上使用R实际进行数据挖掘；第3部分结合实际的数据挖掘事例介绍了如何使用这些方法。本书适合数据挖掘的初学者，以及正在从事数据分析相关工作，想了解更多分析方法的读者阅读。

山本义郎（作者）
日本东海大学理学部数学系教授。著有《统计数据的可视化》《统计学序论》《概率统计序论 第 2版》（合著）。执笔本书* 2章、第6章、第9章、* 11章、* 12章、* 13章。
藤野友和（作者）
日本福冈女子大学国际文理学部讲师。著有《统计数据的可视化》（合著）。执笔本书* 1章、第3章、第4章、第8章。
久保田贵文（作者）
日本多摩大学经营信息学部副教授。执笔本书第5章、第7章、* 10章、* 14章。
朱建春（译者）
毕业于北京大学计算机系，曾在联想集团任职多年，是国内较早从事Windows掌上电脑和智能手机的系统和应用软件开发的IT工作者。后长期担任对日软件外包开发项目经理。

第I部分　使用R进行数据挖掘的准备 1

* 1章　基于R的数据分析入门……………………………………………………..3

1.1　R及RStudio的安装……………………………………………………………………….4

1.2　RStudio的基本操作………………………………………………………………………..6

1.3　R语言入门…………………………………………………………………………………….10

1.3.1　作为计算器使用的方法………………………………………………………………10

1.3.2　向量——R的基本数据结构……………………………………………………….11

1.3.3　向量变量的赋值和运算………………………………………………………………12

1.3.4　数组和矩阵…………………………………………………………………………………13

1.3.5　因子型………………………………………………………………………………………..15

1.3.6　列表……………………………………………………………………………………………16

1.3.7　数据框………………………………………………………………………………………..17

1.4　获取外部数据………………………………………………………………………………..18

1.5　数据汇总………………………………………………………………………………………..19

1.6　安装程序包…………………………………………………………………………………….21

1.7　基于dplyr程序包的数据框操作………………………………………………….22

1.8　数据的可视化………………………………………………………………………………..25

1.8.1　柱状图………………………………………………………………………………………..26

1.8.2　直方图………………………………………………………………………………………..29

1.8.3　箱形图………………………………………………………………………………………..30

1.8.4　散点图………………………………………………………………………………………..32

1.8.5　逐层绘制的图……………………………………………………………………………..34

* 2章　数据挖掘概述……………………………………………………………………….36

2.1　大数据和数据挖掘………………………………………………………………………..36

2.2.1　业务理解（Business Understanding）……………………………………….37

2.2　CRISP-DM……………………………………………………………………………………37

2.2.2　数据理解（Data Understanding）……………………………………………….38

2.2.3　数据准备（Data Preparation）……………………………………………………38

2.2.4　建模（Modeling）……………………………………………………………………….39

2.2.5　评估（Evaluation）……………………………………………………………………..39

2.2.6　运用（Deployment）…………………………………………………………………..39

2.3.1　数据的种类和建模……………………………………………………………………..40

2.3　数据挖掘的方法…………………………………………………………………………….40

2.3.2　预测和判别…………………………………………………………………………………41

2.3.3　分类和聚类…………………………………………………………………………………41

2.3.4　维规约………………………………………………………………………………………..41

2.3.5　规则发现…………………………………………………………………………………….41

第II部分　数据挖掘的方法 43

第3章　回归分析………………………………………………………………………………..45

3.1　一元回归分析………………………………………………………………………………..45

3.2　多元回归分析………………………………………………………………………………..50

第4章　Logistic回归分析………………………………………………………………..60

4.1　数据准备………………………………………………………………………………………..60

4.2　使用一个解释变量进行预测…………………………………………………………61

4.3　使用两个及以上的解释变量进行预测…………………………………………67

第5章　决策树分析……………………………………………………………………………71

5.1　使用分类树的判别………………………………………………………………………..71

5.2　使用回归树的预测………………………………………………………………………..77

第6章　支持向量机……………………………………………………………………………81

6.1　支持向量机的概念………………………………………………………………………..81

6.2　类别预测的例子…………………………………………………………………………….83

6.3　数值预测的例子…………………………………………………………………………….86

第7章　记忆基础推理……………………………………………………………………….89

7.1　k* 近邻法的概念…………………………………………………………………………89

7.2　变量的基准化和标准化………………………………………………………………..94

第8章　聚类分析………………………………………………………………………………..96

8.1　聚类分析的概念…………………………………………………………………………….96

8.2　层次聚类分析………………………………………………………………………………..97

8.3　执行层次聚类分析………………………………………………………………………..99

8.4　可视化进阶…………………………………………………………………………………..103

8.5　非层次聚类分析…………………………………………………………………………..107

8.6　执行非层次聚类分析…………………………………………………………………..107

第9章　自组织映射…………………………………………………………………………110

9.1　自组织映射的概念………………………………………………………………………110

9.2　基于自组织映射的分析实例……………………………………………………….111

9.3　基于自组织映射的分类………………………………………………………………120

* 10章　主成分分析………………………………………………………………………129

10.1　主成分分析的概念…………………………………………………………………….129

10.2　对象数据的准备………………………………………………………………………..132

10.3　执行主成分分析………………………………………………………………………..135

* 11章　对应分析…………………………………………………………………………..141

11.1　对应分析…………………………………………………………………………………….141

11.2　多重对应分析…………………………………………………………………………….144

* 12章　关联规则分析………………………………………………………………….149

12.1　关联规则及其评价指标…………………………………………………………….149

12.2　关联规则分析的实例………………………………………………………………..151

12.3　关联规则分析的应用实例…………………………………………………………159

第III部分　数据挖掘实战 165

* 13章　对各种预测方法的评估………………………………………………..167

13.1　关于预测方法的评估………………………………………………………………..167

13.2　类别预测的判别方法的比较…………………………………………………….168

13.2.1　Logistic回归分析…………………………………………………………………..168

13.2.2　决策树分析…………………………………………………………………………….173

13.2.3　支持向量机…………………………………………………………………………….175

13.3　数值预测方法的比较………………………………………………………………..176

13.3.1　多元回归分析…………………………………………………………………………176

13.3.2　决策树分析…………………………………………………………………………….178

13.3.3　支持向量机…………………………………………………………………………….180

* 14章　用股价数据生成综合指数……………………………………………181

14.1　获取股价数据…………………………………………………………………………….181

14.2　根据股价数据生成综合指数…………………………………………………….183

* 15章　SNS数据的分析…………………………………………………………….189

15.1　微博API…………………………………………………………………………………….189

15.2　通过R获取微博信息……………………………………………………………….192

15.3　分词及词频统计………………………………………………………………………..195

15.4　词云图………………………………………………………………………………………..197