數(shù)據(jù)挖掘與商務(wù)分析：R語(yǔ)言簡(jiǎn)介，目錄書(shū)摘
2020-04-23 18:05
來(lái)源：京東
作者：京東
數(shù)據(jù)挖掘與商務(wù)分析：R語(yǔ)言
暫無(wú)報(bào)價(jià)
70+評(píng)論
100%好評(píng)
內(nèi)容簡(jiǎn)介: 從海量的數(shù)據(jù)中收集、分析、提取有價(jià)值的信息需要功能強(qiáng)大的分析工具，本書(shū)結(jié)合R軟件詳細(xì)介紹了數(shù)據(jù)挖掘和數(shù)據(jù)分析的實(shí)用方法，主要內(nèi)容包括處理信息和獲取數(shù)據(jù)、標(biāo)準(zhǔn)線性回歸、局部多項(xiàng)式回歸、統(tǒng)計(jì)建模中簡(jiǎn)約的重要性、Logistic回歸、貝葉斯分析、多項(xiàng)式Logistic回歸、決策樹(shù)、聚類(lèi)、購(gòu)物籃分析、降維和網(wǎng)絡(luò)數(shù)據(jù)等。書(shū)后配有練習(xí)并且書(shū)中所有例子涉及的數(shù)據(jù)集和R代碼可以從本書(shū)配套網(wǎng)站獲取。
目錄:
譯者序
前言
致謝
第1章引言
參考文獻(xiàn)
第2章處理信息與認(rèn)識(shí)數(shù)據(jù)
2.1例1：2006年出生數(shù)據(jù)
2.2例2：校友捐贈(zèng)
2.3例3：橘子汁
參考文獻(xiàn)
第3章標(biāo)準(zhǔn)線性回歸
3.1用R函數(shù)估算線性回歸模型
3.2例1：汽車(chē)燃油效率
3.3例2：豐田二手車(chē)價(jià)格
附錄3.A模型過(guò)度擬合對(duì)回歸預(yù)測(cè)均方誤差的影響
參考文獻(xiàn)
第4章局部多項(xiàng)式回歸的非參數(shù)回歸方法
4.1模型的選擇
4.2密度估計(jì)和直方圖平滑化的應(yīng)用
4.3多重回歸模型的拓展
4.4例題和軟件
4.4.1例1：老忠實(shí)噴泉
4.4.2例2：NOx排放物
參考文獻(xiàn)
第5章簡(jiǎn)約在統(tǒng)計(jì)建模中的重要性
5.1怎樣防止低假陽(yáng)率
參考文獻(xiàn)
第6章多參數(shù)回歸模型中基于懲罰算法的變量選擇
6.1例1：前列腺癌
6.2例2：橙汁
參考文獻(xiàn)
第7章Logistic回歸
7.1對(duì)二分類(lèi)響應(yīng)數(shù)據(jù)建立線性模型
7.2Logistic回歸模型中回歸系數(shù)的解釋
7.3統(tǒng)計(jì)推斷
7.4對(duì)新樣例的分類(lèi)
7.5用R語(yǔ)言估計(jì)
7.6例1：死刑數(shù)據(jù)
7.6.1二分類(lèi)Logistic回歸：Minitab程序輸出
7.6.2R語(yǔ)言輸出結(jié)果的解釋與分析
7.7例2：延誤的航班
7.8例3：貸款驗(yàn)收
7.9例4：德國(guó)信貸數(shù)據(jù)
參考文獻(xiàn)
第8章二元分類(lèi)、概率和分類(lèi)性能的評(píng)價(jià)
8.1二元分類(lèi)
8.2使用概率作決策
8.3靈敏度和特異度
8.4例子：德國(guó)信貸數(shù)據(jù)
第9章最近鄰分析分類(lèi)
9.1k近鄰算法
9.2例1：玻璃碎片的法醫(yī)分析
9.3例2：德國(guó)信貸數(shù)據(jù)
參考文獻(xiàn)
第10章樸素貝葉斯分析：一種由以分類(lèi)為主的變量對(duì)分類(lèi)響應(yīng)變量預(yù)測(cè)的模型
10.1例：航班延誤
參考文獻(xiàn)
第11章多項(xiàng)式Logistic回歸
11.1計(jì)算軟件
11.2例1：玻璃碎片的法醫(yī)分析
11.3例2：重溫玻璃碎片的法醫(yī)分析
附錄11.A簡(jiǎn)單三重矩陣的詳述
參考文獻(xiàn)
第12章分類(lèi)和判別分析的深入探討
12.1Fisher線性判別函數(shù)
12.2例1：德國(guó)信用卡數(shù)據(jù)
12.3例2：Fisher鳶尾花數(shù)據(jù)
12.4例3：玻璃碎片的法醫(yī)分析數(shù)據(jù)
12.5例4：MBA申請(qǐng)數(shù)據(jù)
參考文獻(xiàn)
第13章決策樹(shù)
13.1例1：前列腺癌
13.2例2：摩托車(chē)加速度
13.3例3：回顧Fisher鳶尾花數(shù)據(jù)集
第14章回歸、分類(lèi)樹(shù)、計(jì)算軟件及其他實(shí)用分類(lèi)方法的深入探討
14.1有關(guān)樹(shù)結(jié)構(gòu)的R程序包
14.2卡方自動(dòng)交互檢驗(yàn)
14.3集成方法：Bagging算法、Boosting算法和隨機(jī)森林
14.4支持向量機(jī)
14.5神經(jīng)網(wǎng)絡(luò)
14.6R程序包：關(guān)于數(shù)據(jù)挖掘的一個(gè)有用的圖形用戶(hù)界面
參考文獻(xiàn)
第15章聚類(lèi)
15.1k均值聚類(lèi)
15.2另眼看聚類(lèi)：將期望最大化算法應(yīng)用于混合正態(tài)分布
15.2.1E步
15.2.2M步
15.3層次聚類(lèi)過(guò)程
參考文獻(xiàn)
第16章購(gòu)物籃分析:關(guān)聯(lián)規(guī)則和提升度
16.1例1：在線廣播
16.2例2：收入預(yù)測(cè)
參考文獻(xiàn)
第17章降維：因子模型和主成分分析
17.1例1：歐洲蛋白質(zhì)的攝入數(shù)據(jù)
17.2例2：月度失業(yè)率數(shù)據(jù)
第18章帶多重共線性輸入的降維回歸：主成分回歸和偏最小二乘法
18.1三個(gè)例子
18.1.1例1：模擬數(shù)據(jù)
18.1.2例2：基于50個(gè)州的歷史失業(yè)率預(yù)測(cè)某州下個(gè)月的失業(yè)率
18.1.3例3：預(yù)測(cè)下月失業(yè)率：比較不同方法樣本外預(yù)測(cè)效果
參考文獻(xiàn)
第19章文本數(shù)據(jù)：文本挖掘和情感分析
19.1逆多項(xiàng)式Logistic回歸
19.2例1：餐館評(píng)論
19.3例2：政治主張
附錄19.A Gentzkow/Shapiro關(guān)于“slant”的估計(jì)和偏最小二乘的關(guān)系
參考文獻(xiàn)
第20章網(wǎng)絡(luò)數(shù)據(jù)
20.1例1：15世紀(jì)佛羅倫薩的婚姻與權(quán)力
20.2例2：友誼網(wǎng)絡(luò)的連接
參考文獻(xiàn)
附錄A練習(xí)
附錄B參考文獻(xiàn)
熱門(mén)推薦文章
相關(guān)優(yōu)評(píng)榜
1
杰士派
相關(guān)排行榜
相關(guān)產(chǎn)品
3
cdn模式
10
justing
11
rca算法
12
c905排線
13
京東i7 4710 mq
14
np530u3c-a01
15
圖靈系列叢書(shū)
16
c語(yǔ)言寶典
20
pandas
21
京公網(wǎng)安備 11000002000088號(hào)
