R語(yǔ)言（第2版）

第1 章 緒論

1.1 R 語(yǔ)言概述  1

1.1.1 R 語(yǔ)言現(xiàn)狀  1

1.1.2 R 語(yǔ)言主要優(yōu)勢(shì)  2

1.1.3 學(xué)R 語(yǔ)言的理由  3

1.2 新手上路  4

1.3 R 語(yǔ)言開(kāi)發(fā)環(huán)境部署  5

1.3.1 安裝R  5

1.3.2 安裝RStudio  6

1.4 獲取幫助  8

1.5 工作空間  8

1.6 腳本  9

1.7 R 包  9

習(xí)題  10

第2 章 基本語(yǔ)法

2.1 變量  11

2.1.1 變量及其作用  11

2.1.2 變量命名  12

2.1.3 變量賦值  12

2.1.4 變量值輸出  12

2.2 常量  13

2.2.1 邏輯常量  13

2.2.2 符號(hào)常量  13

2.2.3 標(biāo)量  13

2.3 向量  15

2.3.1 向量產(chǎn)生  15

2.3.2 向量引用  16

2.3.3 向量化運(yùn)算  16

XII R 語(yǔ)言（第2 版）

2.3.4 向量排序  17

2.4 運(yùn)算符  18

2.4.1 算術(shù)運(yùn)算符  18

2.4.2 關(guān)系運(yùn)算符  18

2.4.3 邏輯運(yùn)算符  19

2.4.4 其他運(yùn)算符  20

2.5 命令  20

2.6 重要內(nèi)置函數(shù)  21

習(xí)題  23

第3 章 數(shù)據(jù)類型

3.1 基本數(shù)據(jù)類型  27

3.2 結(jié)構(gòu)數(shù)據(jù)類型  28

3.2.1 矩陣  28

3.2.2 數(shù)組  30

3.2.3 數(shù)據(jù)框  32

3.2.4 因子  33

3.2.5 列表  34

3.3 字符串操作  35

3.3.1 分割  35

3.3.2 拼接  35

3.3.3 正則表達(dá)式  36

3.3.4 替換  39

3.3.5 提取  42

3.3.6 測(cè)定字符串長(zhǎng)度  42

3.3.7 匹配  43

3.4 數(shù)據(jù)類型判斷和轉(zhuǎn)換  43

3.5 日期和時(shí)間數(shù)據(jù)操作  44

3.5.1 日期數(shù)據(jù)基本操作  44

3.5.2 時(shí)間數(shù)據(jù)基本操作  45

習(xí)題  45

第4 章 數(shù)據(jù)導(dǎo)入導(dǎo)出

4.1 數(shù)據(jù)導(dǎo)入  49

4.1.1 鍵盤(pán)輸入數(shù)據(jù)  49

目 錄 XIII

4.1.2 導(dǎo)入文本文件  50

4.1.3 導(dǎo)入csv 文件  51

4.1.4 導(dǎo)入Excel 文件  51

4.1.5 導(dǎo)入數(shù)據(jù)庫(kù)文件  51

4.2 數(shù)據(jù)導(dǎo)出  52

4.2.1 導(dǎo)出文本文件  52

4.2.2 保存圖片  53

習(xí)題  53

第5 章 數(shù)據(jù)可視化

5.1 一圖勝千言  55

5.2 低水平繪圖命令  56

5.2.1 點(diǎn)圖  56

5.2.2 線圖  58

5.2.3 面圖  60

5.3 高水平繪圖命令  63

5.3.1 認(rèn)識(shí)ggplot2  63

5.3.2 幾何對(duì)象  63

5.3.3 映射  64

5.3.4 統(tǒng)計(jì)對(duì)象  66

5.3.5 標(biāo)度  67

5.3.6 分面  68

5.3.7 其他修飾  69

5.4 交互式繪圖命令  72

5.4.1 rCharts 包  72

5.4.2 plotly 包  74

5.4.3 Shiny  76

5.5 數(shù)據(jù)可視化圖形選擇建議  83

習(xí)題  84

第6 章 數(shù)據(jù)清洗

6.1 缺失值分析  87

6.1.1 缺失值檢測(cè)  87

6.1.2 缺失數(shù)據(jù)處理  88

6.2 異常值分析  89

XIV R 語(yǔ)言（第2 版）

6.2.1 箱線圖檢測(cè)離群點(diǎn)  89

6.2.2 點(diǎn)圖檢測(cè)離群點(diǎn)  90

6.3 數(shù)據(jù)去重  91

6.4 規(guī)范化  92

6.4.1 數(shù)據(jù)的中心化  92

6.4.2 數(shù)據(jù)標(biāo)準(zhǔn)化  92

6.5 格式轉(zhuǎn)換  93

習(xí)題  95

第7 章 數(shù)據(jù)探索

7.1 單一變量分析  97

7.1.1 定量變量  97

7.1.2 定性變量  99

7.2 雙變量分析  100

7.2.1 一個(gè)定性變量和一個(gè)定量變量  100

7.2.2 兩個(gè)定性變量  100

7.2.3 兩個(gè)定量變量  101

7.3 多變量分析  102

7.3.1 集中趨勢(shì)度量  102

7.3.2 離中趨勢(shì)度量  103

7.4 相關(guān)分析  104

7.4 1 相關(guān)系數(shù)  104

7.4.2 直接繪制點(diǎn)圖  105

7.4.3 繪制點(diǎn)圖矩陣  106

習(xí)題  106

第8 章 數(shù)據(jù)變換

8.1 數(shù)據(jù)集劃分與選擇  109

8.1.1 數(shù)據(jù)集劃分  109

8.1.2 數(shù)據(jù)集選擇  110

8.2 特征工程  110

8.2.1 特征工程概述  110

8.2.2 特征構(gòu)建  111

8.2.3 特征選擇  112

8.2.4 特征抽取  115

8.2.5 自動(dòng)化特征工程  117

8.3 數(shù)據(jù)整合  118

8.3.1 通過(guò)向量化重構(gòu)數(shù)據(jù)  119

8.3.2 為數(shù)據(jù)添加新變量  119

8.3.3 變形與融合  120

8.3.4 列聯(lián)表  123

8.3.5 分組匯總  123

8.3.6 連接表  125

習(xí)題  127

第9 章 高級(jí)編程

9.1 條件表達(dá)式  131

9.2 選擇結(jié)構(gòu)  132

9.3 循環(huán)結(jié)構(gòu)  135

9.4 用戶自定義函數(shù)  138

習(xí)題  139

第10 章 數(shù)據(jù)建模

10.1 Rattle 包  141

10.2 變量的類別  143

10.3 聚類分析  145

10.3.1 背景  145

10.3.2 K-means 聚類  146

10.3.3 層次聚類  148

10.4 關(guān)聯(lián)規(guī)則挖掘  150

10.4.1 背景  150

10.4.2 基本術(shù)語(yǔ)  151

10.4.3 關(guān)聯(lián)規(guī)則的分類  152

10.4.4 Apriori 算法  153

10.4.5 實(shí)驗(yàn)指導(dǎo)  154

10.5 傳統(tǒng)決策樹(shù)模型  156

10.5.1 背景  156

10.5.2 ID3 算法  157

10.5.3 C4.5 算法  158

10.5.4 實(shí)驗(yàn)指導(dǎo)  159

XVI R 語(yǔ)言（第2 版）

10.6 隨機(jī)森林決策樹(shù)模型  161

10.6.1 背景  161

10.6.2 隨機(jī)森林算法  161

10.6.3 實(shí)驗(yàn)指導(dǎo)  163

10.7 自適應(yīng)選擇決策樹(shù)模型  166

10.7.1 背景  166

10.7.2 Boosting 算法  166

10.7.3 adaboost 算法  167

10.7.4 實(shí)驗(yàn)指導(dǎo)  167

10.8 SVM 171

10.8.1 背景  171

10.8.2 SVM 算法  171

10.8.3 實(shí)驗(yàn)指導(dǎo)  173

10.9 線性回歸模型  174

10.9.1 背景  174

10.9.2 一元線性回歸方法  174

10.9.3 實(shí)驗(yàn)指導(dǎo)  176

10.10 神經(jīng)網(wǎng)絡(luò)模型  177

10.10.1 背景  177

10.10.2 人工神經(jīng)網(wǎng)絡(luò)模型  178

10.10.3 實(shí)驗(yàn)指導(dǎo)  179

習(xí)題  181

第11 章 模型評(píng)估

11.1 Rattle 模型評(píng)估選項(xiàng)卡  185

11.2 混淆矩陣  186

11.2.1 二分類混淆矩陣  186

11.2.2 模型評(píng)價(jià)指標(biāo)  187

11.2.3 多分類混淆矩陣  188

11.3 風(fēng)險(xiǎn)圖  188

11.3.1 風(fēng)險(xiǎn)圖的作用  188

11.3.2 實(shí)驗(yàn)指導(dǎo)  188

11.4 ROC 曲線  190

11.4.1 ROC 曲線概述  190

11.4.2 ROC 曲線的作用  190

11.4.3 實(shí)驗(yàn)指導(dǎo)  190

11.5 交叉驗(yàn)證  192

習(xí)題  193

第12 章 影響大學(xué)平均錄取分?jǐn)?shù)線因素分析

12.1 背景與目標(biāo)  195

12.2 數(shù)據(jù)說(shuō)明  195

12.3 描述性分析  196

12.4 數(shù)據(jù)建模  199

12.5 總結(jié)  201

第13 章 收視率分析

13.1 背景介紹  202

13.2 數(shù)據(jù)說(shuō)明  202

13.3 描述性分析  203

13.4 數(shù)據(jù)建模  209

13.5 總結(jié)  212

參考文獻(xiàn)

附錄A

附錄B