R語(yǔ)言數(shù)據(jù)分析與挖掘?qū)崙?zhàn)

目錄
前 言
基 礎(chǔ) 篇
第1章 數(shù)據(jù)挖掘基礎(chǔ)2
1.1 某知名連鎖餐飲企業(yè)的困惑2
1.2 從餐飲服務(wù)到數(shù)據(jù)挖掘3
1.3 數(shù)據(jù)挖掘的基本任務(wù)4
1.4 數(shù)據(jù)挖掘建模過(guò)程4
1.4.1 定義挖掘目標(biāo)4
1.4.2 數(shù)據(jù)取樣5
1.4.3 數(shù)據(jù)探索6
1.4.4 數(shù)據(jù)預(yù)處理7
1.4.5 挖掘建模7
1.4.6 模型評(píng)價(jià)7
1.5 常用數(shù)據(jù)挖掘建模工具7
1.6 小結(jié)9
第2章 R語(yǔ)言簡(jiǎn)介10
2.1 R安裝10
2.2 R使用入門(mén)11
2.2.1 R操作界面11
2.2.2 RStudio窗口介紹12
2.2.3 R常用操作13
2.3 R數(shù)據(jù)分析包16
2.4 配套附件使用設(shè)置18
2.5 小結(jié)18
第3章 數(shù)據(jù)探索19
3.1 數(shù)據(jù)質(zhì)量分析19
3.1.1 缺失值分析20
3.1.2 異常值分析20
3.1.3 一致性分析22
3.2 數(shù)據(jù)特征分析23
3.2.1 分布分析23
3.2.2 對(duì)比分析25
3.2.3 統(tǒng)計(jì)量分析27
3.2.4 周期性分析29
3.2.5 貢獻(xiàn)度分析30
3.2.6 相關(guān)性分析31
3.3 R語(yǔ)言主要數(shù)據(jù)探索函數(shù)35
3.3.1 統(tǒng)計(jì)特征函數(shù)35
3.3.2 統(tǒng)計(jì)作圖函數(shù)37
3.4 小結(jié)40
第4章 數(shù)據(jù)預(yù)處理41
4.1 數(shù)據(jù)清洗42
4.1.1 缺失值處理42
4.1.2 異常值處理45
4.2 數(shù)據(jù)集成45
4.2.1 實(shí)體識(shí)別46
4.2.2 冗余屬性識(shí)別46
4.3 數(shù)據(jù)變換46
4.3.1 簡(jiǎn)單函數(shù)變換46
4.3.2 規(guī)范化47
4.3.3 連續(xù)屬性離散化48
4.3.4 屬性構(gòu)造51
4.3.5 小波變換52
4.4 數(shù)據(jù)規(guī)約55
4.4.1 屬性規(guī)約55
4.4.2 數(shù)值規(guī)約58
4.5 R語(yǔ)言主要數(shù)據(jù)預(yù)處理函數(shù)61
4.6 小結(jié)65
第5章 挖掘建模66
5.1 分類(lèi)與預(yù)測(cè)66
5.1.1 實(shí)現(xiàn)過(guò)程66
5.1.2 常用的分類(lèi)與預(yù)測(cè)算法67
5.1.3 回歸分析68
5.1.4 決策樹(shù)73
5.1.5 人工神經(jīng)網(wǎng)絡(luò)79
5.1.6 分類(lèi)與預(yù)測(cè)算法評(píng)價(jià)83
5.1.7 R語(yǔ)言主要分類(lèi)與預(yù)測(cè)算法函數(shù)87
5.2 聚類(lèi)分析89
5.2.1 常用聚類(lèi)分析算法89
5.2.2 K-Means聚類(lèi)算法90
5.2.3 聚類(lèi)分析算法評(píng)價(jià)95
5.2.4 R語(yǔ)言主要聚類(lèi)分析算法函數(shù)95
5.3 關(guān)聯(lián)規(guī)則97
5.3.1 常用關(guān)聯(lián)規(guī)則算法97
5.3.2 Apriori算法98
5.4 時(shí)序模式102
5.4.1 時(shí)間序列算法103
5.4.2 時(shí)間序列的預(yù)處理104
5.4.3 平穩(wěn)時(shí)間序列分析105
5.4.4 非平穩(wěn)時(shí)間序列分析107
5.4.5 R語(yǔ)言主要時(shí)序模式算法函數(shù)114
5.5 離群點(diǎn)檢測(cè)116
5.5.1 離群點(diǎn)檢測(cè)方法117
5.5.2 基于模型的離群點(diǎn)檢測(cè)方法118
5.5.3 基于聚類(lèi)的離群點(diǎn)檢測(cè)方法120
5.6 小結(jié)122
實(shí) 戰(zhàn) 篇
第6章 電力竊漏電用戶(hù)自動(dòng)識(shí)別126
6.1 背景與挖掘目標(biāo)126
6.2 分析方法與過(guò)程129
6.2.1 數(shù)據(jù)抽取130
6.2.2 數(shù)據(jù)探索分析130
6.2.3 數(shù)據(jù)預(yù)處理133
6.2.4 構(gòu)建專(zhuān)家樣本137
6.2.5 模型構(gòu)建138
6.3 上機(jī)實(shí)驗(yàn)143
6.4 拓展思考144
6.5 小結(jié)144
第7章 航空公司客戶(hù)價(jià)值分析145
7.1 背景與挖掘目標(biāo)145
7.2 分析方法與過(guò)程146
7.2.1 數(shù)據(jù)抽取149
7.2.2 數(shù)據(jù)探索分析149
7.2.3 數(shù)據(jù)預(yù)處理150
7.2.4 模型構(gòu)建153
7.3 上機(jī)實(shí)驗(yàn)158
7.4 拓展思考159
7.5 小結(jié)159
第8章 中醫(yī)證型關(guān)聯(lián)規(guī)則挖掘160
8.1 背景與挖掘目標(biāo)160
8.2 分析方法與過(guò)程162
8.2.1 數(shù)據(jù)獲取163
8.2.2 數(shù)據(jù)預(yù)處理165
8.2.3 模型構(gòu)建169
8.3 上機(jī)實(shí)驗(yàn)171
8.4 拓展思考172
8.5 小結(jié)172
第9章 基于水色圖像的水質(zhì)評(píng)價(jià)173
9.1 背景與挖掘目標(biāo)173
9.2 分析方法與過(guò)程174
9.2.1 數(shù)據(jù)預(yù)處理175
9.2.2 模型構(gòu)建177
9.2.3 水質(zhì)評(píng)價(jià)179
9.3 上機(jī)實(shí)驗(yàn)180
9.4 拓展思考180
9.5 小結(jié)181
第10章 家用電器用戶(hù)行為分析與事件識(shí)別182
10.1 背景與挖掘目標(biāo)182
10.2 分析方法與過(guò)程183
10.2.1 數(shù)據(jù)抽取184
10.2.2 數(shù)據(jù)探索分析185
10.2.3 數(shù)據(jù)預(yù)處理185
10.2.4 模型構(gòu)建195
10.2.5 模型檢驗(yàn)198
10.3 上機(jī)實(shí)驗(yàn)200
10.4 拓展思考201
10.5 小結(jié)202
第11章 應(yīng)用系統(tǒng)負(fù)載分析與磁盤(pán)容量預(yù)測(cè)203
11.1 背景與挖掘目標(biāo)203
11.2 分析方法與過(guò)程205
11.2.1 數(shù)據(jù)抽取206
11.2.2 數(shù)據(jù)探索分析206
11.2.3 數(shù)據(jù)預(yù)處理207
11.2.4 模型構(gòu)建208
11.3 上機(jī)實(shí)驗(yàn)213
11.4 拓展思考214
11.5 小結(jié)215
第12章 電子商務(wù)智能推薦服務(wù)216
12.1 背景與挖掘目標(biāo)216
12.2 分析方法與過(guò)程222
12.2.1 數(shù)據(jù)抽取224
12.2.2 數(shù)據(jù)探索分析225
12.2.3 數(shù)據(jù)預(yù)處理230
12.2.4 模型構(gòu)建235
12.3 上機(jī)實(shí)驗(yàn)245
12.4 拓展思考246
12.5 小結(jié)251
第13章 基于數(shù)據(jù)挖掘技術(shù)的市財(cái)政收入分析預(yù)測(cè)模型252
13.1 背景與挖掘目標(biāo)252
13.2 分析方法與過(guò)程254
13.2.1 灰色預(yù)測(cè)與神經(jīng)網(wǎng)絡(luò)的組合模型255
13.2.2 數(shù)據(jù)探索分析256
13.2.3 模型構(gòu)建259
13.3 上機(jī)實(shí)驗(yàn)273
13.4 拓展思考273
13.5 小結(jié)274
第14章 基于基站定位數(shù)據(jù)的商圈分析275
14.1 背景與挖掘目標(biāo)275
14.2 分析方法與過(guò)程277
14.2.1 數(shù)據(jù)抽取277
14.2.2 數(shù)據(jù)探索分析278
14.2.3 數(shù)據(jù)預(yù)處理279
14.2.4 模型構(gòu)建282
14.3 上機(jī)實(shí)驗(yàn)286
14.4 拓展思考286
14.5 小結(jié)287
第15章 電商產(chǎn)品評(píng)論數(shù)據(jù)情感分析288
15.1 背景與挖掘目標(biāo)288
15.2 分析方法與過(guò)程288
15.2.1 評(píng)論數(shù)據(jù)采集289
15.2.2 評(píng)論預(yù)處理292
15.2.3 文本評(píng)論分詞297
15.2.4 模型構(gòu)建298
15.3 上機(jī)實(shí)驗(yàn)312
15.4 拓展思考313
15.5 小結(jié)314
提 高 篇
第16章 基于R語(yǔ)言的數(shù)據(jù)挖掘二次開(kāi)發(fā)316
16.1 混合編程應(yīng)用體驗(yàn)——TipDM數(shù)據(jù)挖掘平臺(tái)316
16.2 二次開(kāi)發(fā)過(guò)程環(huán)境配置320
16.3 R語(yǔ)言數(shù)據(jù)挖掘二次開(kāi)發(fā)實(shí)例322
16.4 小結(jié)325
參考資料326