在人類社會發(fā)展的進程中，數(shù)據(jù)一直承載著信息記錄的重要作用。從人類文明誕生伊始的結繩記事，到當今信息技術的數(shù)學建模，數(shù)據(jù)見證了人類歷史的進步與變遷。近年來，隨著大數(shù)據(jù)時代的來臨，數(shù)據(jù)生成往往具有速度快、數(shù)據(jù)量大的特點，數(shù)據(jù)結構多樣復雜，其中蘊含的應用價值非常高。
為了應對日趨復雜的海量數(shù)據(jù)，數(shù)據(jù)分析技術得到了快速發(fā)展。傳統(tǒng)的數(shù)據(jù)分析技術側重于對統(tǒng)計學方法的應用，如今，側重于機器學習的數(shù)據(jù)挖掘技術正不斷走向成熟。數(shù)據(jù)挖掘技術可以從大量模糊的現(xiàn)實數(shù)據(jù)中挖掘出潛在的信息，借助數(shù)據(jù)庫技術、機器學習、數(shù)學算法、可視化技術等手段揭示事物之間的關聯(lián)性和潛在規(guī)律，使數(shù)據(jù)轉變成信息，信息進一步升華為知識�？梢灶A見的是，在未來的農(nóng)業(yè)、工業(yè)、教育、醫(yī)療等多個領域的推動下，數(shù)據(jù)分析技術將發(fā)展到一個全新的高度，也必將扮演更加重要的角色。
我們在西北工業(yè)大學為碩士研究生（含學術學位和專業(yè)學位）開設了數(shù)據(jù)挖掘與商務數(shù)據(jù)分析課程，該課程目前已設立5年之久，學習該課程的學生累計超過550人。課程中制作的講義課件和相關案例是本書理論部分的基礎，實驗課上的數(shù)據(jù)集和上機內(nèi)容則構成了本書實踐部分的主體。隨著課程內(nèi)容的迭代與積累，本書包含的內(nèi)容也在不斷豐富完善。本書定稿后已在西北工業(yè)大學作為教材試用。
課程開設之初，我們查閱過許多數(shù)據(jù)挖掘相關的圖書，遺憾的是，它們包含的內(nèi)容并不足以匹配我們課程的教學目標。為了讓學生熟練掌握數(shù)據(jù)挖掘技術的理論方法與基礎知識，并能夠將其付諸實踐，我們在本書的前兩章中詳細介紹了R語言基礎，同時結合實例給出了具體操作過程。我們希望讀者能夠在不借助任何其他課程知識的情況下，即可對商務應用場景中的數(shù)據(jù)進行描述性數(shù)據(jù)分析、可視化和高級數(shù)據(jù)模型構建。
概述
總的來說，本書將數(shù)據(jù)分析和挖掘基本原理、數(shù)據(jù)分析案例、模型構建、模型代碼實現(xiàn)和結果分析相結合，幫助讀者更好地掌握R語言在實際場景中的應用，根據(jù)具體業(yè)務需求制定智能決策方案。
本書總共有12章，前10章包含10個主題：R語言基礎、R語言可視化技術、線性回歸、邏輯回歸、決策樹與回歸樹、隨機森林、貝葉斯分類器、層次聚類、K均值聚類、關聯(lián)規(guī)則分析。本書的最后兩章介紹了兩個具體的案例分析。
為了加深讀者對每部分知識的理解，提高讀者的實踐能力，我們在每章結尾處都設置了本章小結和課后習題。
本書提供的教輔材料包括：課程幻燈片、實驗數(shù)據(jù)集、源代碼、課后習題及答案。
本書的編寫過程獲得了多位老師的大力相助。王陽老師主要負責設計本書整體框架，并撰寫了本書的大部分內(nèi)容。胡文杰老師主要負責編寫代碼，對代碼運行結果進行分析，設計例題以及校對文字。梁韻基老師主要負責設計案例和校對文字。馮建廣老師撰寫了本書的線性回歸與邏輯回歸部分，周珍與張新衛(wèi)老師共同編寫了決策樹與回歸樹、隨機森林兩個部分的內(nèi)容，陳志老師主要設計了兩個具體的案例分析。
致謝
本書在編寫的過程中，許多人為其付出了心血。在此感謝西北工業(yè)大學信息與知識管理團隊的學生，王秋實、范瓊瑜、周思佳、閆勇為本書實驗部分的代碼編寫與測試投入了大量精力，王俊鵬、翟寒、吳松給本書提出了許多重要的建議及反饋。我們同時要感謝西北工業(yè)大學選修數(shù)據(jù)挖掘與商務數(shù)據(jù)分析課程的同學，他們作為本書的第一批使用者，提出了寶貴的修改意見。
我們還要感謝西北工業(yè)大學的其他老師，他們?yōu)楸緯�提供了富有建設性的反饋，特別感謝陳志老師為本書的實驗部分提供了豐富的計算資源，搭建了良好的測試環(huán)境。