数据挖掘r语言实战pdf 高清龙8娱乐平台 最新更新|软件分类|软件专题|手机版|论坛转贴|软件发布
您当前所在位置:首页教程下载电脑刊物 → 数据挖掘r语言实战pdf 高清龙8娱乐平台

数据挖掘r语言实战pdf 高清龙8娱乐平台

数据挖掘r语言实战下载| 数据挖掘r语言实战pdf 版本
  • 软件大小:45.8M
  • 软件语言:中文
  • 软件类型:国产软件/电脑刊物
  • 软件授权:免费软件
  • 更新时间:2019-07-09 12:57
  • 软件等级:4星
  • 应用平台:WinXP, Win7, Win8, Win10
  • 软件官网:
软件介绍人气软件精品推荐相关文章网友评论下载地址小编为您推荐: 数据挖掘 r语言
数据挖掘r语言实战pdf高清龙8娱乐平台是专门为读者提供数据挖掘的学习书籍,全书围绕数据挖掘进行深入讲解,并且分为三大类别,让读者可以清楚明白数据信息,通过本书进行数据处理功能,欢迎有需要的用户来IT猫扑下载!

关于数据挖掘r语言实战

R是一个免费的开源软件,它提供了首屈一指的统计计算和绘图功能,尤其是大量的数据挖掘方面的算法包,使得它成为一款优秀的、不可多得的数据挖掘工具软件。本书的主要目的是向读者介绍如何用R进行数据挖掘,通过大量的精选实例,循序渐进、全面系统地讲述R在数据挖掘领域的应用。数据挖掘r语言实战以数据预处理、基本算法及应用和高级算法及应用这三篇展开。数据挖掘r语言实战下载(1)上篇:数据预处理由第1-5章组成,首先简要介绍数据挖掘流程、算法和工具,然后介绍R中的数据分类和数据集,以及使用R获取数据的多种灵活的方法。最后讲述对数据进行探索性分析和预处理的方法。这些内容是使用R进行数据挖掘的最基础内容。(2)中篇:基本算法及应用由第6-9章组成,主要讲述数据挖掘的基本算法及应用,包括关联分析、聚类分析、判别分析和决策树,这些算法也是数据挖掘使用最多最普遍的算法。R中提供了丰富的、功能强大的算法包和实现函数,数据挖掘的初级和中级用户务必掌握。(3)下篇:高级算法及应用由第10-14章组成,主要讲述数据挖掘的高级算法及应用,包括集成学习、随机森林、支持向量机和神经网络,以及使用R中的工具对数据挖掘的模型进行评估与选择。对于中高级的用户,可以深入学习一下本篇的内容。

数据挖掘r语言实战pdf目录

第0章 致敬,R!致敬,肩膀!致敬,时代!致敬,人才!致敬,R 瑟!上篇 数据预处理第1章 数据挖掘导引1.1 数据挖掘概述1.1.1 数据挖掘的过程1.1.2 数据挖掘的对象1.1.3 数据挖掘的方法1.1.4 数据挖掘的应用1.2 数据挖掘的算法1.3 数据挖掘的工具1.3.1 工具的分类1.3.2 工具的选择1.3.3 商用的工具1.3.4 开源的工具1.4 R 在数据挖掘中的优势数据挖掘:R 语言实战VI第2章 数据概览2.1 n×m 数据集2.2 数据的分类2.2.1 一般的数据分类2.2.2 R 的数据分类2.2.3 用R 简单处理数据2.3 数据抽样及R 实现2.3.1 简单随机抽样2.3.2 分层抽样2.3.3 整群抽样2.4 训练集与测试集2.5 本章汇总第3章 用R 获取数据3.1 获取内置数据集3.1.1 datasets 数据集3.1.2 包的数据集3.2 获取其他格式的数据3.2.1 CSV 与TXT 格式3.2.2 从Excel 直接获取数据3.2.3 从其他统计软件中获取数据3.3 获取数据库数据3.4 获取网页数据3.5 本章汇总第4章 探索性数据分析4.1 数据集4.2 数字化探索4.2.1 变量概况4.2.2 变量详情4.2.3 分布指标4.2.4 稀疏性4.2.5 缺失值4.2.6 相关性4.3 可视化探索4.3.1 直方图目 录VII4.3.2 累积分布图4.3.3 箱形图4.3.4 条形图4.3.5 点阵图4.3.6 饼图4.5 本章汇总第5章 数据预处理5.1 数据集加载5.2 数据清理5.2.1 缺失值处理5.2.2 噪声数据处理5.2.3 数据不一致的处理5.3 数据集成5.4 数据变换5.5 数据归约5.6 本章汇总中篇 基本算法及应用第6章 关联分析6.1 概述6.2 R 中的实现6.2.1 相关软件包6.2.2 核心函数6.2.3 数据集6.3 应用案例6.3.1 数据初探6.3.2 对生成规则进行强度控制6.3.3 一个实际应用6.3.4 改变输出结果形式6.3.5 关联规则的可视化6.4 本章汇总第7章 聚类分析7.1 概述7.1.1 K-均值聚类数据挖掘:R 语言实战VIII7.1.2 K-中心点聚类7.1.3 系谱聚类7.1.4 密度聚类7.1.5 期望最大化聚类7.2 R 中的实现7.2.1 相关软件包7.2.2 核心函数7.2.3 数据集7.3 应用案例7.3.1 K-均值聚类7.3.2 K-中心点聚类7.3.3 系谱聚类7.3.4 密度聚类7.3.5 期望最大化聚类7.4 本章汇总第8章 判别分析8.1 概述8.1.1 费希尔判别8.1.2 贝叶斯判别8.1.3 距离判别8.2 R 中的实现8.2.1 相关软件包8.2.2 核心函数8.2.3 数据集8.3 应用案例8.3.1 线性判别分析8.3.2 朴素贝叶斯分类8.3.3 K 最近邻8.3.4 有权重的K 最近邻算法8.4 推荐系统综合实例8.4.1 kNN 与推荐8.4.2 MovieLens 数据集说明8.4.3 综合运用8.5 本章汇总目 录IX第9章 决策树9.1 概述9.1.1 树形结构9.1.2 树的构建9.1.3 常用算法9.2 R 中的实现9.2.1 相关软件包9.2.2 核心函数9.2.3 数据集9.3 应用案例9.3.1 CART 应用9.3.2 C4.5 应用9.4 本章汇总下篇 高级算法及应用第10章 集成学习10.1 概述10.1.1 一个概率论小计算10.1.2 Bagging 算法10.1.3 AdaBoost 算法10.2 R 中的实现10.2.1 相关软件包10.2.2 核心函数10.2.3 数据集10.3 应用案例10.3.1 Bagging 算法10.3.2 Adaboost 算法10.4 本章汇总第11章 随机森林11.1 概述11.1.1 基本原理11.1.2 重要参数11.2 R 中的实现11.2.1 相关软件包数据挖掘:R 语言实战X11.2.2 核心函数11.2.3 可视化分析11.3 应用案例11.3.1 数据处理11.3.2 建立模型11.3.3 结果分析11.3.4 自变量的重要程度11.3.5 优化建模11.4 本章汇总第12章 支持向量机12.1 概述12.1.1 结构风险最小原理12.1.2 函数间隔与几何间隔12.1.3 核函数12.2 R 中的实现12.2.1 相关软件包12.2.2 核心函数12.2.3 数据集12.3 应用案例12.3.1 数据初探12.3.2 建立模型12.3.3 结果分析12.3.4 预测判别12.3.5 综合建模12.3.6 可视化分析12.3.7 优化建模12.4 本章汇总第13章 神经网络13.1 概述13.2 R 中的实现13.2.1 相关软件包13.2.2 核心函数13.3 应用案例13.3.1 数据初探目 录XI13.3.2 数据处理13.3.3 建立模型13.3.4 结果分析13.3.5 预测判别13.3.6 模型差异分析13.3.7 优化建模13.4 本章汇总第14章 模型评估与选择14.1 评估过程概述14.2 安装Rattle 包14.3 Rattle 功能简介14.3.1 Data――选取数据14.3.2 Explore――数据探究14.3.3 Test――数据相关检验14.3.4 Transform――数据预处理14.3.5 Cluster――数据聚类14.3.6 Model――模型评估14.3.7 Evaluate――模型评估14.3.8 Log――模型评估记录14.4 模型评估相关概念14.4.1 误判率14.4.2 正确/错误的肯定判断、正确/错误的否定判断14.4.3 精确度、敏感度及特异性14.5 Rattle 在模型评估中的应用14.5.1 混淆矩阵14.5.2 风险图14.5.3 ROC 图及相关图表14.5.4 模型得分数据集14.6 综合实例14.6.1 数据介绍14.6.2 模型建立14.6.3 模型结果分析数据挖掘:R 语言实战
更多>>软件截图
推荐软件
其他版本下载
精品推荐
相关文章
下载地址Android版iPhone版Mac版iPad版
  • 数据挖掘r语言实战pdf 高清龙8娱乐平台

查看所有评论>>网友评论
发表评论 (您的评论需要经过审核才能显示) 网友粉丝QQ群号:203046401 查看所有0条评论>>
更多>>猜你喜欢