數據分析與挖掘（R語言）

第1章 R語言簡介\t1
1．1 獲取R\t1
1．2 R使用入門\t4
1．2．1 R操作界面\t4
1．2．2 RStudio窗口介紹\t5
1．2．3 R的常用操作\t6
1．3 R的簡單操作\t8
1．3．1 基本數學運算\t8
1．3．2 變量\t8
1．3．3 數據結構\t9
1．4 R數據分析包\t12
1．5 小結\t12
參考文獻\t13
第2章 數據挖掘基礎\t14
2．1 數據挖掘的定義\t14
2．2 數據探索及預處理\t15
2．2．1 臟數據分析\t15
2．2．2 數據特征分析\t19
2．2．3 數據預處理\t23
2．3 模型簡介\t27
2．3．1 聚類模型\t27
2．3．2 回歸模型\t31
2．3．3 決策樹\t34
2．3．4 人工神經網絡\t35
2．3．5 關聯規(guī)則分析模型\t38
2．4 小結\t42
參考文獻\t42
第3章 數據挖掘網站用戶行為分析及網頁智能推薦\t44
3．1 背景與挖掘目標\t44
3．2 用戶分群\t47
3．2．1 用戶分群的分析方法\t47
3．2．2 數據的抽取\t48
3．2．3 數據的預處理與探索分析\t49
3．2．4 用戶分群結果\t57
3．2．5 用戶分群的應用\t66
3．3 網頁智能推薦\t66
3．3．1 網頁智能推薦的分析方法\t66
3．3．2 數據的預處理\t67
3．3．3 組合推薦模型\t68
3．3．4 組合推薦結果\t78
3．4 總結\t78
3．4．1 相關結論及應用\t78
3．4．2 相關的問題思考\t78
參考文獻\t79
第4章 生活服務點評網站客戶分群\t80
4．1 背景與挖掘目標\t80
4．2 分析方法與過程\t81
4．2．1 數據抽取\t82
4．2．2 數據探索\t82
4．2．3 數據預處理\t94
4．2．4 模型構建\t102
4．3 小結\t113
第5章 水冷中央空調系統的優(yōu)化控制策略\t114
5．1 背景及挖掘目標\t114
5．2 分析的方法及流程\t115
5．3 數據預處理\t118
5．3．1 變量選取\t118
5．3．2 數據探索\t120
5．3．3 數據變換\t130
5．4 優(yōu)化控制模型\t131
5．4．1 總耗電量與可控變量\t132
5．4．2 冷卻負載與可控變量\t140
5．5 模型求解\t144
5．5．1 工作日模型求解\t144
5．5．2 確定狀態(tài)值\t148
5．6 總結\t155
參考文獻\t156
第6章 電商評價文本的主題特征詞分析\t157
6．1 背景與挖掘目標\t157
6．2 分析的方法及過程\t158
6．2．1 評論數據采集\t159
6．2．2 文本數據預處理\t161
6．2．3 基于LDA主題模型的特征詞分析\t167
6．3 小結\t169
參考文獻\t169
第7章 均線投資策略\t171
7．1 背景及投資策略介紹\t171
7．1．1 移動平均線相關理論介紹\t172
7．1．2 名詞及概念介紹\t175
7．2 基于移動平均線的投資策略\t176
7．2．1 單均線投資策略\t177
7．2．2 雙均線投資策略\t177
7．3 雙均線投資策略實際應用\t178
7．3．1 雙均線投資策略總體流程\t178
7．3．2 數據獲取\t178
7．3．3 簡單的K線圖實現\t179
7．3．4 均線模型\t180
7．3．5 其他雙均線策略的收益\t188
7．4 主要結論及展望\t189
7．4．1 結論\t189
7．4．2 后續(xù)策略的展望\t190
參考文獻\t191
致謝\t192