目 錄
第1章 R簡(jiǎn)介 1
1.1 開(kāi)始使用R軟件 1
1.2 R對(duì)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(duì)象轉(zhuǎn)換 12
第2章 數(shù)據(jù)的讀取與寫(xiě)入 14
2.1 數(shù)據(jù)的讀取 14
2.2 數(shù)據(jù)的寫(xiě)入與數(shù)據(jù)集 17
2.3 RData 格式數(shù)據(jù)的寫(xiě)入與讀取 18
2.4 讀取 SQL Server 數(shù)據(jù)庫(kù)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(shù) 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(wú)監(jiān)督式學(xué)習(xí) 72
7.1 層次聚類(lèi)法 72
7.2 K 平均聚類(lèi)算法 75
7.3 模糊C平均聚類(lèi)算法 77
7.4 聚類(lèi)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(lái)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(jiǎn)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(cè)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(jiǎn)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