R语言数据分析与挖掘实战|229720pdf下载pdf下载

R语言数据分析与挖掘实战|229720百度网盘pdf下载

作者:
简介:本篇主要提供R语言数据分析与挖掘实战|229720pdf下载
出版社：
出版时间：2015-10-01
pdf下载价格：0.00￥

免费下载

前去下载

书籍下载

下载地址

内容介绍

 书[0名0]：  (正版特价)R语言数据分析与挖掘实战|229720
 图书定价： 69元
 图书作者： 张良均;云伟标;王路;刘晓勇
 出版社：  [1机1]械工业出版社
 出版日期：  2015-10-01 00:00:00
 ISBN号： 9787111516040
 开本： 16开
 页数： 325
 版次： 1-1
 作者简介
张良均 ，资深[0大0]数据挖掘专家和模式识别专家，高级信息项目管理师，有10多年的[0大0]数据挖掘应用、咨询和培训[纟巠]验。为电信、电力、政府、互联网、生产制造、零售、银行、生物、化工、医[yao]等多个行业上百家[0大0]型企业[扌是]供过数据挖掘应用与咨询服务，实践[纟巠]验非常丰富。此外，他精通Java EE企业级应用开发，是广东工业[0大0][0学0]、华南师范[0大0][0学0]、华南农业[0大0][0学0]、贵州师范[0学0]院、韩山师范[0学0]院、广东技术师范[0学0]院兼职教授，著有《神[纟巠]网络实用教程》、《数据挖掘：实用案例分析》、《MATLAB数据分析与挖掘实战》等[0畅0]销书。
 内容简介
这是一本系统性的、以实践为导向的R数据挖掘与分析实战指南，多位技术专家结合自己10多年的[纟巠]验，以电力、航空、医疗、互联网、制造业等10个行业的实战案例为[1主1]线，深入浅出地讲解了如何利用R语言及其相关技术进行数据挖掘建模、数据分析和二次开发，不仅为多个行业[扌是]供了成熟的解决方案，而且还[扌是]供了[0大0]量的技巧。
本书共16章，分三个部分：
基础篇([0第0]1-5章)，[0第0]l章的[1主1]要内容是数据挖掘概述；[0第0]2章对本书所用到的数据挖掘建模工具R语言进行了简明扼要的说明；[0第0]3、4、5章对数据挖掘的建模过程，包括数据探索、数据预处理及挖掘建模的常用算[0法0]与原理进行了介绍。
实战篇([0第0]6—15章)，重点对数据挖掘技术在电力、航空、医疗、互联网、生产制造以及公共服务等行业的应用进行了分析。在案例结构组织上，本书是按照先介绍案例背景与挖掘目标，再阐述分析方[0法0]与过程，[z1u1i]后完成模型构建的顺序进行的，在建模过程等关键环节，穿插程序实现代码。[z1u1i]后通过上[1机1]实践，加深数据挖掘技术在案例应用中的理解。
高级篇([0第0]16章)，介绍了基于R语言二次开发的数据挖掘应用软[亻牛]——TipDM数据挖掘建模工具，并以此工具为例详细介绍了基于R语言完成数据挖掘二次开发的各个步骤，使读者体验到通过R语言实现数据挖掘二次开发的强[0大0]魅力。
[扌是]供原始样本数据文[亻牛]、建模源程序、数据挖掘模型及其源代码、教[0学0]用PPT等。
 目录

前　言
基　础　篇
[0第0]1章　数据挖掘基础2
1.1　某[0知0][0名0]连锁餐饮企业的困惑2
1.2　从餐饮服务到数据挖掘3
1.3　数据挖掘的基本任务4
1.4　数据挖掘建模过程4
1.4.1　定义挖掘目标4
1.4.2　数据取样5
1.4.3　数据探索6
1.4.4　数据预处理7
1.4.5　挖掘建模7
1.4.6　模型[0评0]价7
1.5　常用数据挖掘建模工具7
1.6　小结9
[0第0]2章　R语言简介10
2.1　R安装10
2.2　R使用入门11
2.2.1　R操作界[mian]11
2.2.2　RStudio窗口介绍12
2.2.3　R常用操作13
2.3　R数据分析包16
2.4　配套附[亻牛]使用设置18
2.5　小结18
[0第0]3章　数据探索19
3.1　数据质量分析19
3.1.1　缺失值分析20
3.1.2　异常值分析20
3.1.3　一致性分析22
3.2　数据特征分析23
3.2.1　分布分析23
3.2.2　对比分析25
3.2.3　统计量分析27
3.2.4　周期性分析29
3.2.5　贡献度分析30
3.2.6　相关性分析31
3.3　R语言[1主1]要数据探索函数35
3.3.1　统计特征函数35
3.3.2　统计作图函数37
3.4　小结40
[0第0]4章　数据预处理41
4.1　数据清洗42
4.1.1　缺失值处理42
4.1.2　异常值处理45
4.2　数据集成45
4.2.1　实体识别46
4.2.2　冗余属性识别46
4.3　数据变换46
4.3.1　简单函数变换46
4.3.2　规范化47
4.3.3　连续属性离散化48
4.3.4　属性构造51
4.3.5　小波变换52
4.4　数据规约55
4.4.1　属性规约55
4.4.2　数值规约58
4.5　R语言[1主1]要数据预处理函数61
4.6　小结65
[0第0]5章　挖掘建模66
5.1　分类与预测66
5.1.1　实现过程66
5.1.2　常用的分类与预测算[0法0]67
5.1.3　回归分析68
5.1.4　决策树73
5.1.5　人工神[纟巠]网络79
5.1.6　分类与预测算[0法0][0评0]价83
5.1.7　R语言[1主1]要分类与预测算[0法0]函数87
5.2　聚类分析89
5.2.1　常用聚类分析算[0法0]89
5.2.2　K-Means聚类算[0法0]90
5.2.3　聚类分析算[0法0][0评0]价95
5.2.4　R语言[1主1]要聚类分析算[0法0]函数95
5.3　关联规则97
5.3.1　常用关联规则算[0法0]97
5.3.2　Apriori算[0法0]98
5.4　时序模式102
5.4.1　时间序列算[0法0]103
5.4.2　时间序列的预处理104
5.4.3　平稳时间序列分析105
5.4.4　非平稳时间序列分析107
5.4.5　R语言[1主1]要时序模式算[0法0]函数114
5.5　离群点检测116
5.5.1　离群点检测方[0法0]117
5.5.2　基于模型的离群点检测方[0法0]118
5.5.3　基于聚类的离群点检测方[0法0]120
5.6　小结122
实　战　篇
[0第0]6章　电力窃漏电用户自动识别126
6.1　背景与挖掘目标126
6.2　分析方[0法0]与过程129
6.2.1　数据抽取130
6.2.2　数据探索分析130
6.2.3　数据预处理133
6.2.4　构建专家样本137
6.2.5　模型构建138
6.3　上[1机1]实验143
6.4　拓展思考144
6.5　小结144
[0第0]7章　航空公司客户价值分析145
7.1　背景与挖掘目标145
7.2　分析方[0法0]与过程146
7.2.1　数据抽取149
7.2.2　数据探索分析149
7.2.3　数据预处理150
7.2.4　模型构建153
7.3　上[1机1]实验158
7.4　拓展思考159
7.5　小结159
[0第0]8章　中医证型关联规则挖掘160
8.1　背景与挖掘目标160
8.2　分析方[0法0]与过程162
8.2.1　数据获取163
8.2.2　数据预处理165
8.2.3　模型构建169
8.3　上[1机1]实验171
8.4　拓展思考172
8.5　小结172
[0第0]9章　基于水色图像的水质[0评0]价173
9.1　背景与挖掘目标173
9.2　分析方[0法0]与过程174
9.2.1　数据预处理175
9.2.2　模型构建177
9.2.3　水质[0评0]价179
9.3　上[1机1]实验180
9.4　拓展思考180
9.5　小结181
[0第0]10章　家用电器用户行为分析与事[亻牛]识别182
10.1　背景与挖掘目标182
10.2　分析方[0法0]与过程183
10.2.1　数据抽取184
10.2.2　数据探索分析185
10.2.3　数据预处理185
10.2.4　模型构建195
10.2.5　模型检验198
10.3　上[1机1]实验200
10.4　拓展思考201
10.5　小结202
[0第0]11章　应用系统负载分析与磁盘容量预测203
11.1　背景与挖掘目标203
11.2　分析方[0法0]与过程205
11.2.1　数据抽取206
11.2.2　数据探索分析206
11.2.3　数据预处理207
11.2.4　模型构建208
11.3　上[1机1]实验213
11.4　拓展思考214
11.5　小结215
[0第0]12章　电子[0商0]务智能推荐服务216
12.1　背景与挖掘目标216
12.2　分析方[0法0]与过程222
12.2.1　数据抽取224
12.2.2　数据探索分析225
12.2.3　数据预处理230
12.2.4　模型构建235
12.3　上[1机1]实验245
12.4　拓展思考246
12.5　小结251
[0第0]13章　基于数据挖掘技术的市财政收入分析预测模型252
13.1　背景与挖掘目标252
13.2　分析方[0法0]与过程254
13.2.1　灰色预测与神[纟巠]网络的组合模型255
13.2.2　数据探索分析256
13.2.3　模型构建259
13.3　上[1机1]实验273
13.4　拓展思考273
13.5　小结274
[0第0]14章　基于基站定位数据的[0商0]圈分析275
14.1　背景与挖掘目标275
14.2　分析方[0法0]与过程277
14.2.1　数据抽取277
14.2.2　数据探索分析278
14.2.3　数据预处理279
14.2.4　模型构建282
14.3　上[1机1]实验286
14.4　拓展思考286
14.5　小结287
[0第0]15章　电[0商0]产[0品0][0评0]论数据情感分析288
15.1　背景与挖掘目标288
15.2　分析方[0法0]与过程288
15.2.1　[0评0]论数据采集289
15.2.2　[0评0]论预处理292
15.2.3　文本[0评0]论分词297
15.2.4　模型构建298
15.3　上[1机1]实验312
15.4　拓展思考313
15.5　小结314
[扌是]　高　篇
[0第0]16章　基于R语言的数据挖掘二次开发316
16.1　混合编程应用体验——TipDM数据挖掘平台316
16.2　二次开发过程环境配置320
16.3　R语言数据挖掘二次开发实例322
16.4　小结325
参考资料326
 编辑推荐
10余位数据挖掘[令页]域资深专家和科研人员，10余年[0大0]数据挖掘咨询与实施[纟巠]验结晶　　从数据挖掘的应用出发，以电力、航空、医疗等10个行业真实案例为[1主1]线，详细讲解了R数据挖掘建模的过程和数据挖掘的二次开发　　数据分析与挖掘已[纟巠]成为[0大0]数据时代[z1u1i]重要的技能之一，社[0会0]对这方[mian]的人才需求随着数据的增长而不断增长。目前，数据分析与挖掘方[mian]的技术和工具已[纟巠]很多，而且在不断成熟，其中R语言及其相关技术在这两个方[[mian]ju]有非常明显的[0优0]势，应用范围也越来越广，但是这方[mian]的系统性[0学0]习资料却十分稀缺。　　为了满足目前的[0大0]数据分析人才需求，本书以[0大0]家熟[0知0]的数据挖掘建模工具R语言来展开，以解决某个应用的挖掘目标为前[扌是]，先介绍案例背景[扌是]出挖掘目标，再阐述分析方[0法0]与过程，[z1u1i]后完成模型构建，在介绍建模过程中同时穿插操作训练，把相关的[0知0]识点嵌入相应的操作过程中，使读者轻松理解并掌握相关的理论和[0知0]识点。
更多精彩，点[1击1]进入[0品0]牌店查阅>>