☆☆☆☆☆
简体网页||繁体网页



点击这里下载

类似图书 点击查看全场最低价

---

内容简介

本书面向初学者，通过实践案例讲解如何用R进行数据挖掘。全书包括两部分，第 一部分介绍R和数据挖掘的基础知识，第二部分为案例研究，通过预测海藻数量、预测股票市场收益、侦测欺诈交易以及微阵列样本分类四个案例培养构建解决方案的能力，掌握工具的使用技巧。本书适合作为高校学生或业界新手了解R和数据挖掘的入门读本，其中的代码和数据均可免费下载。

作者简介

路易斯·托尔戈（Luis Torgo） 加拿大达尔豪斯大学计算机科学系教授，葡萄牙波尔图大学计算机科学系副教授，纽约大学斯特恩商学院特邀教授，人工智能和数据分析实验室（LIAAD，隶属于INESC Tec）研究员。他拥有近30年的机器学习和数据挖掘研究经验，在基于树的回归方法和基于效用的预测方法方面贡献卓著。

---译者简介---
李洪成 统计学博士，现为上海金融学院副教授，R语言和SPSS统计分析软件专家，研究方向为金融统计和数据挖掘。他的代表著作有《SPSS数据分析教程》《时间序列预测实践教程》等，译著有《R并行编程实战》《机器学习与R语言》等。

目录

推荐序
中文版序
译者序
前言
致谢
第1章　简介 1
1.1　如何阅读本书 2
1.2　重现性 2
第一部分　R与数据挖掘简介
第2章　R简介 6
2.1　R起步 6
2.2　与R控制台的简单交互 8
2.3　R对象和变量 9
2.4　R函数 11
2.5　向量 14
2.6　向量化 15
2.7　因子 16
2.8　生成序列 18
2.9　数据子集 20
2.10　矩阵和数组 22
2.11　列表 25
2.12　数据框 28
2.13　数据框的扩展 31
2.14　对象、类和方法 34
2.15　管理R会话 35
第3章　数据挖掘简介 37
3.1　数据挖掘鸟瞰图 37
3.2　数据收集和业务理解 38
3.2.1　数据和数据集 39
3.2.2　导入数据到R 40
3.3　数据预处理 45
3.3.1　数据清洗 45
3.3.2　变换变量 53
3.3.3　生成变量 55
3.3.4　降维 66
3.4　建模 74
3.4.1　探索性数据分析 75
3.4.2　使用关联规则的依赖建模 94
3.4.3　聚类 101
3.4.4　异常检测 112
3.4.5　预测分析 120
3.5　评估 147
3.5.1　Holdout和随机子抽样 148
3.5.2　交叉验证 150
3.5.3　Bootstrap估计 153
3.5.4　推荐程序 154
3.6　报告和部署 155
3.6.1　通过动态文档进行报告 155
3.6.2　通过Web应用程序进行部署 158
第二部分　数据挖掘案例研究
第4章　预测海藻数量 164
4.1　问题描述与目标 164
4.2　数据说明 164
4.3　加载数据到R 165
4.4　数据可视化和总结 167
4.5　数据缺失 173
4.5.1　将缺失部分剔除 173
4.5.2　尝试找到缺失值最有可能的赋值 175
4.5.3　通过变量的相关关系填补缺失值 176
4.5.4　通过探索类似个案填补缺失值 179
4.6　获取预测模型 180
4.6.1　多元线性回归 181
4.6.2　回归树 185
4.7　模型评价和选择 189
4.8　预测7种海藻的频率 200
4.9　小结 202
第5章　预测股票市场收益 203
5.1　问题描述与目标 203
5.2　可用的数据 204
5.2.1　从CSV文件读取数据 205
5.2.2　从网站上获取数据 205
5.3　定义预测任务 206
5.3.1　预测什么 206
5.3.2　预测变量是什么 208
5.3.3　预测任务 212
5.3.4　模型评价准则 213
5.4　预测模型 215
5.4.1　如何应用训练集数据来建模 215
5.4.2　建模工具 216
5.5　从预测到实践 222
5.5.1　如何应用预测模型 222
5.5.2　与交易相关的评价准则 223
5.5.3　模型集成：仿真交易 224
5.6　模型评价和选择 230
5.6.1　蒙特卡罗估计 230
5.6.2　实验比较 231
5.6.3　结果分析 235
5.7　交易系统 243
5.7.1　评估最终测试数据 243
5.7.2　在线交易系统 247
5.8　小结 248
第6章　侦测欺诈交易 249
6.1　问题描述与目标 249
6.2　可用的数据 249
6.2.1　加载数据到R 250
6.2.2　探索数据集 250
6.2.3　数据问题 256
6.3　定义数据挖掘任务 263
6.3.1　问题的不同解决方法 263
6.3.2　评价准则 265
6.3.3　实验方法 270
6.4　计算离群值的排序 271
6.4.1　无监督方法 271
6.4.2　有监督方法 280
6.4.3　半监督方法 290
6.5　小结 295
第7章　微阵列样本分类 296
7.1　问题描述与目标 296
7.1.1　微阵列实验背景简介 296
7.1.2　数据集ALL 297
7.2　可用的数据 297
7.3　基因（特征）选择 302
7.3.1　基于分布特征的简单过滤方法 302
7.3.2　ANOVA过滤 304
7.3.3　使用随机森林进行过滤 306
7.3.4　使用特征聚类的组合进行过滤 308
7.4　遗传学异常的预测 309
7.4.1　定义预测任务 309
7.4.2　模型评价标准 309
7.4.3　实验过程 310
7.4.4　建模技术 311
7.4.5　模型比较 313
7.5　小结 320
参考文献 321
主题索引 332
数据挖掘术语索引 337
R函数索引 339

前言/序言

前　　言
本书的主要目的是向读者介绍如何用R进行数据挖掘。R是一种可以自由下载的语言，它提供统计计算和绘图环境，这些功能和大量的添加包使其成为一款优秀的软件，取代了很多昂贵的数据挖掘工具。
本书的目的不是介绍数据挖掘的各个方面。许多已有的书籍已经覆盖了数据挖掘领域，而本书是用几个案例来向读者介绍R的数据挖掘能力。显然，这几个案例不能代表我们在现实世界中碰到的所有数据挖掘问题。同时，我们给出的解决方案也不是最完整的方案。本书通过这些实际案例向读者介绍如何用R进行数据挖掘，因此案例分析目的是展示用R进行信息提取的例子，而不是提供数据挖掘案例的完整分析报告。它们可以作为任何数据挖掘项目的可能思路，或者作为开发数据挖掘项目解决方案的基础。尽管如此，我们尽力尝试覆盖多方面的问题，以展示由数据大小、数据类型、分析目标和分析工具所带来的不同挑战。然而，这里的实践方式也是有代价的。实际上，作为具体案例研究的一种形式，为了让读者在自己的计算机上执行我们所描述的步骤，我们也做了某些妥协。也就是说，我们不能处理太大的问题，这些问题要求的计算机资源不是每个人都具备的。尽管这样，我们认为本书涵盖的问题也不算小，并且我们还对由不同数据类型和维度带来的问题给出了解决方案。
第2版大幅修改了案例研究的R代码，使其与R中出现的最新添加包同步更新。此外，我们决定将本书分为两部分：第一部分为材料介绍；第二部分为案例研究。第一部分用一个全新的章节来介绍数据挖掘，以补充已有的对R的介绍。这个想法是为读者提供数据挖掘领域的一种鸟瞰图，更深入地描述这个研究领域的主题。这些信息补充了案例分析中给出的简单描述。此外，它允许读者更好地将数据挖掘任务及方法论的更大图景与案例研究的解决方案区分开来。最后，如果需要更多关于案例研究中使用方法的细节，我们希望这个新章节可以作为读者的参考。
本书并不要求读者具有R的先验知识，没有学过R和数据挖掘的读者也可以学习书中的案例。书中的各个案例相互独立，读者可以从书中任何一个案例开始。当然，在第一个简单案例中，给出了一些基本的R知识，这意味着，如果你没有学过R，至少应该从第一个案例开始学习。而且，第1章给出了R的简介，它可以帮助你理解后面的章节。我们没有假设你熟悉数据挖掘和统计技术，在每个案例中必要的地方，都对不同的数据挖掘技术进行了介绍。不过，第一部分的新章节介绍了数据挖掘，包括我们在案例研究中应用的方法以及数据挖掘中常用的其他方法的进一步信息。另外，在某些节的末尾，我们提供了“进一步阅读”资料，如果需要，可以参考它们。总之，本书的读者应该是数据分析工具的用户，而不是研究人员或者开发人员。同时，我们希望后者将阅读本书作为进入R和数据挖掘世界的一种方式，从而发现本书的用途。
本书配有一个免费的R代码集，可以从本书网站下载。其中含有案例研究中的所有代码，这可以帮助你进行实践学习。我们强烈建议读者在阅读本书时安装R并试验书中的代码。而且，我们创建了一个名为DMwR2的R添加包，它包含本书用到的多个函数和以R格式保存的案例数据集。建议你按照本书的指示安装并加载该添加包（第1章给出了细节）。
致　　谢首先要感谢我的家人，没有他们的帮助和支持，我是无法完成本书的。他们的支持、关怀和爱给我足够的安慰，使我可以克服在写作本书过程中遇到的困难。同样，也要感谢我的朋友，他们总是在我需要安慰的时候和我一起畅饮、交流，带给我轻松愉悦的写作心情。谢谢我的家人和朋友！谢谢你们！现在，我希望有更多的时间陪在你们身边。
我也要感谢我的所有同事和LIAAD/INESC Tec LA实验室对我的支持。同时，也要感谢波尔图大学对我的研究的支持，感谢科学院计算机科学系的同事为我提供的愉快的工作环境。写作本书的部分资助来自于葡萄牙自然科学基金（资助号：SFRH/BSAB/113896/2015）。
最后，感谢所有针对反馈意见改进第1版以及校对当前版本草稿的学生和同事们。特别要感谢在波尔图大学科学院攻读计算机科学硕士学位的数据挖掘专业的学生们，以及在纽约大学斯特恩商学院攻读商业分析科学硕士学位的“数据挖掘与R语言”课程的学生们——他们对我的教学材料的参与和反馈在本书的新版本中有很好的体现。
Luís Torgo葡萄牙，波尔图
数据挖掘与R语言（原书第2版） 电子书 下载 mobi epub pdf txt

评分☆☆☆☆☆

评分☆☆☆☆☆

评分☆☆☆☆☆

评分☆☆☆☆☆

评分☆☆☆☆☆

评分☆☆☆☆☆

评分☆☆☆☆☆

评分☆☆☆☆☆

评分☆☆☆☆☆

类似图书 点击查看全场最低价