掃一掃
關注中圖網
官方微博
本類五星書更多>
-
>
全國計算機等級考試最新真考題庫模擬考場及詳解·二級MSOffice高級應用
-
>
決戰行測5000題(言語理解與表達)
-
>
軟件性能測試.分析與調優實踐之路
-
>
第一行代碼Android
-
>
JAVA持續交付
-
>
EXCEL最強教科書(完全版)(全彩印刷)
-
>
深度學習
數據科學R語言實戰 版權信息
- ISBN：9787115435903
- 條形碼：9787115435903 ; 978-7-115-43590-3
- 裝幀：暫無
- 冊數：暫無
- 重量：暫無
- 所屬分類：>>
數據科學R語言實戰 本書特色
本書講述的是R語言在數據科學中的應用，目標讀者是從事不同行業的數據分析師、數據挖掘工程師、機器學習工程師、自然語言處理工程師、數據科學家，以及從事大數據和人工智能領域的工作者、學生、老師等。 本書的優點在于其通俗易懂、容易上手，每一個實例都有現成的數據和源代碼，讀者不僅能理解整個案例的來龍去脈，還可以直接編譯本書提供的所有源代碼，從而了解怎么從實際問題轉變成可實現的代碼，感受R語言的魅力，讓數據產生價值。這種學習和實踐相結合的方式非常適合初學者和有一定經驗的數據分析師。 本書的內容涵蓋了基于數據挖掘的常用模型，包括分類、聚類、關聯分析、預測、異常檢測等，還包括機器學習的常用算法和自然語言處理、數據可視化等內容。本書內容全面，做到了易讀、易用、易理解、易實現、易上手，是不可多得的R語言書籍。
數據科學R語言實戰 內容簡介
本書涉及數據科學家感興趣的核心話題，教會讀者從各種各樣的數據源中提取數據，并運用現有的公開可用的R函數和R功能包來處理這些數據。在很多情況下，處理結果能夠以圖形的方式顯示，并獲得更直觀的理解。讀者從中能學到行業內經常使用的主流數據分析技術。 你可以從這本書中學到： ·開發、執行和修改R語言腳本； ·發現、安裝和使用第三方的R語言包； ·規劃你的數據，以獲得好的結果； ·將結果以圖形化的方式展示，包括3D可視化； ·執行你隨時會用到的統計分析； ·權衡不同解決方案的優缺點； ·嘗試R語言的不同功能來微調結果； ·通過R語言的實際例子來學習數據科學； ·利用R語言來探索數據挖掘、數據分析、數據可視化以及機器學習等概念。
數據科學R語言實戰 目錄
目錄
第1章 模式的數據挖掘 1
1.1 聚類分析 2
1.1.1 K-means聚類 3
1.1.2 K-medoids聚類 7
1.1.3 分層聚類 12
1.1.4 期望*大化 15
1.1.5 密度估計 21
1.2 異常檢測 24
1.2.1 顯示異常值 25
1.2.2 計算異常 28
1.3 關聯規則 30
1.4 問題 33目錄
第1章 模式的數據挖掘 1
1.1 聚類分析 2
1.1.1 K-means聚類 3
1.1.2 K-medoids聚類 7
1.1.3 分層聚類 12
1.1.4 期望*大化 15
1.1.5 密度估計 21
1.2 異常檢測 24
1.2.1 顯示異常值 25
1.2.2 計算異常 28
1.3 關聯規則 30
1.4 問題 33
1.5 總結 34
第2章 序列的數據挖掘 35
2.1 模式 35
2.1.1 Eclat 36
2.1.2 arulesNBMiner 40
2.1.3 Apriori 43
2.1.4 用TraMineR確定序列 47
2.1.5 序列相似點 54
2.2 問題 57
2.3 總結 57
第3章 文本挖掘 59
3.1 功能包 60
3.1.1 文本處理 60
3.1.2 文本集群 69
3.2 問題 80
3.3 總結 80
第4章 數據分析——回歸分析 81
4.1 功能包 81
4.1.1 簡單回歸 81
4.1.2 多次回歸 88
4.1.3 多變量回歸分析 94
4.1.4 穩健回歸 100
4.2 問題 106
4.3 總結 106
第5章 數據分析——相關性 107
5.1 功能包 107
5.1.1 基本相關性 108
5.1.2 可視化相關性 112
5.1.3 協方差 114
5.1.4 皮爾森相關性 117
5.1.5 多分格相關性 118
5.1.6 四分相關性 122
5.1.7 異構相關矩陣 126
5.1.8 部分相關性 128
5.2 問題 129
5.3 總結 129
第6章 數據分析——聚類 131
6.1 功能包 131
6.2 K-means聚類 132
6.2.1 示例 132
6.2.2 Medoids集群 140
6.2.3 cascadeKM函數 142
6.2.4 基于貝葉斯定理信息選取集群 144
6.2.5 仿射傳播聚類 146
6.2.6 用于估測集群數量的間隙統計量 149
6.2.7 分級聚類 151
6.3 問題 153
6.4 總結 154
第7章 數據可視化——R圖形 155
7.1 功能包 155
7.1.1 交互式圖形 156
7.1.2 latticist功能包 160
7.1.3 ggplot2功能包 169
7.2 問題 180
7.3 總結 181
第8章 數據可視化——繪圖 183
8.1 功能包 183
8.2 散點圖 183
8.2.1 回歸線 187
8.2.2 lowess線條 188
8.2.3 scatterplot函數 189
8.2.4 Scatterplot矩陣 192
8.2.5 密度散點圖 197
8.3 直方圖和條形圖 200
8.3.1 條形圖 200
8.3.2 直方圖 203
8.3.3 ggplot2 203
8.3.4 詞云 204
8.4 問題 206
8.5 總結 206
第9章 數據可視化——三維 207
9.1 功能包 207
9.2 生成三維圖形 208
9.2.1 Lattice Cloud——三維散點圖 212
9.2.2 scatterplot3d 215
9.2.3 scatter3d 216
9.2.4 cloud3d 218
9.2.5 RgoogleMaps 220
9.2.6 vrmlgenbar3D 221
9.2.7 大數據 223
9.2.8 研究方向 228
9.3 問題 234
9.4 總結 234
第10章 機器學習實戰 235
10.1 功能包 235
10.2 數據集 236
10.2.1 數據劃分 240
10.2.2 模型 241
10.2.3 train方法 254
10.3 問題 264
10.4 總結 264
第11章 用機器學習預測事件 265
11.1 自動預測功能包 265
11.1.1 時間序列 266
11.1.2 SMA函數 272
11.1.3 分解函數 273
11.1.4 指數平滑法 274
11.1.5 預測 277
11.1.6 霍爾特指數平滑法 281
11.2 問題 293
11.3 總結 293
第12章 監督學習和無監督學習 295
12.1 功能包 296
12.1.1 監督學習 296
12.1.2 無監督學習 316
12.2 問題 327
12.3 總結 327
信息
第1章 模式的數據挖掘 1
1.1 聚類分析 2
1.1.1 K-means聚類 3
1.1.2 K-medoids聚類 7
1.1.3 分層聚類 12
1.1.4 期望*大化 15
1.1.5 密度估計 21
1.2 異常檢測 24
1.2.1 顯示異常值 25
1.2.2 計算異常 28
1.3 關聯規則 30
1.4 問題 33目錄
第1章 模式的數據挖掘 1
1.1 聚類分析 2
1.1.1 K-means聚類 3
1.1.2 K-medoids聚類 7
1.1.3 分層聚類 12
1.1.4 期望*大化 15
1.1.5 密度估計 21
1.2 異常檢測 24
1.2.1 顯示異常值 25
1.2.2 計算異常 28
1.3 關聯規則 30
1.4 問題 33
1.5 總結 34
第2章 序列的數據挖掘 35
2.1 模式 35
2.1.1 Eclat 36
2.1.2 arulesNBMiner 40
2.1.3 Apriori 43
2.1.4 用TraMineR確定序列 47
2.1.5 序列相似點 54
2.2 問題 57
2.3 總結 57
第3章 文本挖掘 59
3.1 功能包 60
3.1.1 文本處理 60
3.1.2 文本集群 69
3.2 問題 80
3.3 總結 80
第4章 數據分析——回歸分析 81
4.1 功能包 81
4.1.1 簡單回歸 81
4.1.2 多次回歸 88
4.1.3 多變量回歸分析 94
4.1.4 穩健回歸 100
4.2 問題 106
4.3 總結 106
第5章 數據分析——相關性 107
5.1 功能包 107
5.1.1 基本相關性 108
5.1.2 可視化相關性 112
5.1.3 協方差 114
5.1.4 皮爾森相關性 117
5.1.5 多分格相關性 118
5.1.6 四分相關性 122
5.1.7 異構相關矩陣 126
5.1.8 部分相關性 128
5.2 問題 129
5.3 總結 129
第6章 數據分析——聚類 131
6.1 功能包 131
6.2 K-means聚類 132
6.2.1 示例 132
6.2.2 Medoids集群 140
6.2.3 cascadeKM函數 142
6.2.4 基于貝葉斯定理信息選取集群 144
6.2.5 仿射傳播聚類 146
6.2.6 用于估測集群數量的間隙統計量 149
6.2.7 分級聚類 151
6.3 問題 153
6.4 總結 154
第7章 數據可視化——R圖形 155
7.1 功能包 155
7.1.1 交互式圖形 156
7.1.2 latticist功能包 160
7.1.3 ggplot2功能包 169
7.2 問題 180
7.3 總結 181
第8章 數據可視化——繪圖 183
8.1 功能包 183
8.2 散點圖 183
8.2.1 回歸線 187
8.2.2 lowess線條 188
8.2.3 scatterplot函數 189
8.2.4 Scatterplot矩陣 192
8.2.5 密度散點圖 197
8.3 直方圖和條形圖 200
8.3.1 條形圖 200
8.3.2 直方圖 203
8.3.3 ggplot2 203
8.3.4 詞云 204
8.4 問題 206
8.5 總結 206
第9章 數據可視化——三維 207
9.1 功能包 207
9.2 生成三維圖形 208
9.2.1 Lattice Cloud——三維散點圖 212
9.2.2 scatterplot3d 215
9.2.3 scatter3d 216
9.2.4 cloud3d 218
9.2.5 RgoogleMaps 220
9.2.6 vrmlgenbar3D 221
9.2.7 大數據 223
9.2.8 研究方向 228
9.3 問題 234
9.4 總結 234
第10章 機器學習實戰 235
10.1 功能包 235
10.2 數據集 236
10.2.1 數據劃分 240
10.2.2 模型 241
10.2.3 train方法 254
10.3 問題 264
10.4 總結 264
第11章 用機器學習預測事件 265
11.1 自動預測功能包 265
11.1.1 時間序列 266
11.1.2 SMA函數 272
11.1.3 分解函數 273
11.1.4 指數平滑法 274
11.1.5 預測 277
11.1.6 霍爾特指數平滑法 281
11.2 問題 293
11.3 總結 293
第12章 監督學習和無監督學習 295
12.1 功能包 296
12.1.1 監督學習 296
12.1.2 無監督學習 316
12.2 問題 327
12.3 總結 327
信息
展開全部
數據科學R語言實戰 作者簡介
作者簡介： Dan Toomey具有20多年開發應用程序方面的經驗，曾在多個行業及公司擔任不同的職位，包括投稿人、副總裁及首席技術官。近10年，Dan一直在美國馬薩諸塞州東部地區的公司工作。Dan以Dan Toomey軟件公司的名義，成為這些領域的開發承包商。 譯者簡介： 劉麗君，韓國國立全北大學博士，加拿大圣西維爾大學博士后，一直從事物聯網、工業大數據等方面的數據分析、市場分析等工作，目前任武漢泰迪智慧科技有限公司CEO，對數據敏感，并對數據怎么轉變成價值、數據與商業的關系有獨到見解。 李成華，數據挖掘與機器學習方向博士，約克大學博士后，麻省理工學院訪問科學家，曾任海信集團數據挖掘專家，京東深度神經網絡實驗室首席科學家，長期從事數據挖掘、機器學習、深度學習和自然語言處理等方面的研究和工作，擅長自動問答以及基于自然語言的人機交互。 盧青峰，碩士畢業于美國威斯康辛州立大學，畢業后從事數據分析、挖掘等相關工作至今。曾先后在敦煌網、百度、京東等行業領先的公司從事數據挖掘、用戶行為分析、推薦等工作。
書友推薦
- >
李白與唐代文化
- >
人文閱讀與收藏·良友文學叢書:一天的工作
- >
隨園食單
- >
朝聞道
- >
羅庸西南聯大授課錄
- >
月亮與六便士
- >
自卑與超越
- >
我與地壇
本類暢銷
