數(shù)據挖掘——基于R語言的實戰(zhàn)
定 價：59.8 元
- 作者：張俊妮
- 出版時間：2021/1/1
- ISBN：9787115542786
- 出 版 社：人民郵電出版社
- 中圖法分類：TP274
- 頁碼：258
- 紙張：
- 版次：01
- 開本：16開
本書以深入淺出的語言系統(tǒng)地講解了數(shù)據挖掘的框架和基本方法，主要內容包括：數(shù)據挖掘與R語言概述、數(shù)據理解、數(shù)據準備、關聯(lián)規(guī)則挖掘、聚類分析、線性模型與廣義線性模型、神經網絡的基本方法、決策樹、基于決策樹的模型組合、模型評估與比較。本書使用基于R語言的數(shù)據挖掘案例貫穿全書，并輔以上機實驗和習題，幫助讀者熟練使用R語言進行數(shù)據挖掘。
本書可作為高等院校數(shù)據分析與數(shù)據挖掘課程的教材，適合于有意學習并使用數(shù)據挖掘基本技術的本科生、研究生以及業(yè)界人士閱讀。
1.本書是北京大學光華管理學院“數(shù)據挖掘與應用”課程教材。
2.本書作者被譽為“哈佛小魔女”，中科院少年班天才統(tǒng)計學家，張俊妮教授十年一劍之作。
3.全書案例豐富，涵蓋醫(yī)療、金融、營銷、保險、政府部門等應用案例。
4.提供全套教學解決方案，推動“數(shù)據挖掘”課程的建設和發(fā)展。
張俊妮博士現(xiàn)任北京大學光華管理學院統(tǒng)計學副教授。她1998年畢業(yè)于中國科學技術大學，獲計算機軟件學士學位；2002年畢業(yè)于美國哈佛大學，獲統(tǒng)計學博士學位。她的研究領域為因果推斷、貝葉斯分析、蒙特卡洛方法、數(shù)據挖掘以及統(tǒng)計在經濟、金融、營銷中的應用。
第 一章 數(shù)據挖掘與R語言概述 7
1.1 什么是數(shù)據挖掘 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 7
1.2 數(shù)據挖掘的基本流程 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 7
1.2.1 應用背景 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 7
1.2.2 數(shù)據收集 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 8
1.2.3 數(shù)據準備 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 8
1.2.4 建立模型 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 8
1.2.5 模型評估與選擇 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 9
1.2.6 模型監(jiān)測與更新 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 9
1.3 關于數(shù)據挖掘項目的三個基本問題 . . . . . . . . . . . . . . . . . . . . . . . 9
1.3.1 建模數(shù)據集對預測數(shù)據集的代表性 10
1.3.2 自變量和因變量之間關系的因果性解釋 11
1.3.3 模型預測精度對于實際應用的價值 12
1.4 CRISP-DM數(shù)據挖掘方法論 12
1.5 SEMMA數(shù)據挖掘方法論 13
1.6 R語言及Rstudio簡介 15
第二章 數(shù)據理解 17
2.1 收集初始數(shù)據 17
2.2 描述數(shù)據 17
2.2.1 數(shù)據的精確含義 17
2.2.2 數(shù)據粒度 18
2.2.3 變量類型 18
2.2.4 冗余變量 19
2.2.5 缺省值 19
2.2.6 數(shù)據鏈接 19
3
4 目錄
2.3 檢查數(shù)據質量 19
2.3.1 抽樣偏差 19
2.3.2 數(shù)據取值錯誤 20
2.3.3 數(shù)據缺失情況 21
2.4 初步探索數(shù)據 22
2.5 R語言分析示例：數(shù)據理解 22
第三章 數(shù)據準備 33
3.1 數(shù)據整合 33
3.2 處理分類自變量 33
3.3 處理時間信息 34
3.4 清除變量 35
3.5 異常值 35
3.6 及值 36
3.7 處理缺失數(shù)據 37
3.8 過抽樣與欠抽樣 38
3.9 降維 38
3.9.1 變量選擇 38
3.9.2 主成分分析 39
3.10 R語言分析示例：數(shù)據整合 41
3.11 R語言分析示例：數(shù)據準備 47
第四章 關聯(lián)規(guī)則挖掘 59
4.1 關聯(lián)規(guī)則的基本概念及Apriori算法 59
4.1.1 關聯(lián)規(guī)則的基本概念 59
4.1.2 Apriori算法簡介 60
4.2 序列關聯(lián)規(guī)則挖掘 60
4.3 R語言分析示例：關聯(lián)規(guī)則挖掘 61
4.3.1 購物籃分析 61
4.3.2 泰坦尼克號存活情況分析 68
第五章 聚類分析 75
5.1 k均值聚類法 75
5.1.1 觀測之間的距離度量 75
5.1.2 k均值聚類法的具體步驟 76
目錄 5
5.1.3 關于k均值聚類法的一些點評 77
5.2 層次聚類法 78
5.2.1 層次聚類法的具體步驟 78
5.2.2 類別之間距離的度量 78
5.3 確定最優(yōu)類別數(shù) 80
5.4 R語言分析示例：聚類 82
第六章 線性模型與廣義線性模型 93
6.1 線性模型 93
6.1.1 模型假設與估計 93
6.1.2 模型解釋 94
6.1.3 一些理論結果 94
6.1.4 模型診斷 95
6.2 廣義線性模型 98
6.2.1 廣義線性模型簡介 98
6.2.2 因變量為二值變量或比例的情形 99
6.2.3 因變量為多種取值的名義變量的情形 100
6.2.4 因變量為定序變量的情形 100
6.2.5 因變量為計數(shù)變量的情形 101
6.2.6 因變量為取值可正可負的連續(xù)變量的情形 101
6.2.7 因變量為非負連續(xù)變量的情形 101
6.3 線性模型與廣義線性模型中的變量選擇 101
6.3.1 逐步回歸 101
6.3.2 LASSO 102
6.4 R語言分析示例：線性模型與廣義線性模型 103
6.4.1 線性模型示例 103
6.4.2 邏輯回歸及Lasso示例：印第安女性糖尿病數(shù)據 107
6.4.3 邏輯回歸及Lasso示例：移動運營商數(shù)據 112
第七章 神經網絡的基本方法 119
7.1 神經元及神經網絡介紹 119
7.1.1 單個神經元 119
7.1.2 多層感知器架構 119
7.2 神經網絡模型訓練 119
7.2.1 誤差函數(shù) 119
6 目錄
7.2.2 神經網絡訓練算法 119
7.3 提高神經網絡模型的可推廣性 119
7.4 R語言分析示例：神經網絡 119
7.4.1 白葡萄酒數(shù)據 119
7.4.2 移動運營商數(shù)據 119
第八章 決策樹 121
8.1 決策樹簡介 121
8.2 決策樹的生長與修剪 121
8.2.1 一般過程 121
8.2.2 分類樹 121
8.2.3 回歸樹 121
8.3 對缺失數(shù)據的處理 121
8.4 變量選擇 121
8.5 決策樹的優(yōu)缺點 121
8.6 R語言分析示例：決策樹 121
第九章 基千決策樹的模型組合 123
9.1 基于決策樹的Bagging方法 123
9.2 基于決策樹的Boosting方法 123
9.3 隨機森林 123
9.4 貝葉斯累加回歸樹(BART) 123
9.5 R語言分析示例：基于決策樹的模型組合 123
第十章 模型評估與比較 125
10.1 因變量為二分變量的情形 125
10.2 因變量為多分變量的情形 125
10.3 因變量為連續(xù)變量的情形 125
10.4 R語言分析示例：模型評估與比較 125
第十一章 R語言分析案例：Kaggle房價預測數(shù)據 127
11.1 數(shù)據介紹與業(yè)務理解 127
11.2 數(shù)據理解與數(shù)據準備 127
11.3 建模 127
11.4 模型評估與比較 127
11.5 模型應用 12
書單推薦
