零基礎(chǔ)學(xué)R語言數(shù)據(jù)分析：從機(jī)器學(xué)習(xí)、數(shù)據(jù)挖掘、文本挖掘到大數(shù)據(jù)分析

第1章 R簡介 1

1.1 開始使用R軟件 1

1.2 R對象 4

1.2.1 向量 4

1.2.2 數(shù)組 5

1.2.3 矩陣 7

1.2.4 數(shù)據(jù)框 9

1.2.5 因子 11

1.2.6 列表 11

1.2.7 對象轉(zhuǎn)換 12

第2章 數(shù)據(jù)的讀取與寫入 14

2.1 數(shù)據(jù)的讀取 14

2.2 數(shù)據(jù)的寫入與數(shù)據(jù)集 17

2.3 RData 格式數(shù)據(jù)的寫入與讀取 18

2.4 讀取 SQL Server 數(shù)據(jù)庫的數(shù)據(jù) 19

第3章 流程控制及自定義函數(shù) 20

3.1 條件執(zhí)行 20

3.2 循環(huán)控制 22

3.3 自定義函數(shù) 25

第4章 繪圖功能及基本統(tǒng)計(jì) 27

4.1 高級(jí)繪圖 27

4.2 低級(jí)繪圖 30

4.3 交互式繪圖 31

4.4 圖形參數(shù) 32

4.5 基本統(tǒng)計(jì) 34

第5章 相關(guān)程序包的介紹 39

5.1 機(jī)器學(xué)習(xí) 39

5.2 數(shù)據(jù)挖掘 40

5.3 社交網(wǎng)絡(luò)分析及文本挖掘 40

5.4 大數(shù)據(jù)分析 41

5.5 程序包的介紹 41

第6章 監(jiān)督式學(xué)習(xí) 51

6.1 決策樹 51

6.2 支持向量機(jī) 61

6.3 人工神經(jīng)網(wǎng)絡(luò) 65

6.4 組合方法 70

6.4.1 隨機(jī)森林 70

6.4.2 推進(jìn)法 71

第7章 無監(jiān)督式學(xué)習(xí) 72

7.1 層次聚類法 72

7.2 K 平均聚類算法 75

7.3 模糊C平均聚類算法 77

7.4 聚類指標(biāo) 83

第8章 進(jìn)化式學(xué)習(xí) 86

8.1 基因算法 86

8.2 人工蜂群算法 92

第9章 混合式學(xué)習(xí) 95

9.1 使用 C50 和 ABCoptim 程序包范例 95

9.2 使用基因算法來調(diào)整人工神經(jīng)網(wǎng)絡(luò)參數(shù)的范例 97

第10章 關(guān)聯(lián)規(guī)則 107

10.1 關(guān)聯(lián)規(guī)則簡介 107

10.2 Apriori 算法 108

第11章 社交網(wǎng)絡(luò)分析和文本挖掘 117

11.1 社交網(wǎng)絡(luò)分析 117

11.2 文本挖掘 122

第12章 圖形化數(shù)據(jù)分析工具 125

12.1 導(dǎo)入數(shù)據(jù) 126

12.1.1 處理數(shù)據(jù)集 130

12.1.2 設(shè)置變量 131

12.2 探索和測試數(shù)據(jù) 131

12.3 轉(zhuǎn)換數(shù)據(jù) 135

12.4 建立、評(píng)估和導(dǎo)出模型 137

第13章 大數(shù)據(jù)分析 （R+Hadoop） 141

13.1 Hadoop 簡介 141

13.2 R+Hadoop 142

第14章 SparkR 大數(shù)據(jù)分析 170

14.1 dplyr 數(shù)據(jù)處理程序包 172

14.2 SparkR 數(shù)據(jù)處理 175

14.3 SparkR 與 SQL Server 181

14.4 SparkR 與 Cassandra 184

14.5 Spark Standalone 模式 186

14.6 SparkR 數(shù)據(jù)分析 189

附錄A 下載和安裝 R 197

附錄B 安裝RStudio Desktop 203

附錄C 安裝ODBC 209

附錄D 指令及用法 214

附錄E 在虛擬機(jī)上安裝 R+Hadoop 218

附錄F 在虛擬機(jī)上安裝 SparkR 247

參考文獻(xiàn) 272