R語言（第2版）

第1 章 緒論

1.1 R 語言概述  1

1.1.1 R 語言現狀  1

1.1.2 R 語言主要優(yōu)勢  2

1.1.3 學R 語言的理由  3

1.2 新手上路  4

1.3 R 語言開發(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

習題  10

第2 章 基本語法

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 符號常量  13

2.2.3 標量  13

2.3 向量  15

2.3.1 向量產生  15

2.3.2 向量引用  16

2.3.3 向量化運算  16

XII R 語言（第2 版）

2.3.4 向量排序  17

2.4 運算符  18

2.4.1 算術運算符  18

2.4.2 關系運算符  18

2.4.3 邏輯運算符  19

2.4.4 其他運算符  20

2.5 命令  20

2.6 重要內置函數  21

習題  23

第3 章 數據類型

3.1 基本數據類型  27

3.2 結構數據類型  28

3.2.1 矩陣  28

3.2.2 數組  30

3.2.3 數據框  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 正則表達式  36

3.3.4 替換  39

3.3.5 提取  42

3.3.6 測定字符串長度  42

3.3.7 匹配  43

3.4 數據類型判斷和轉換  43

3.5 日期和時間數據操作  44

3.5.1 日期數據基本操作  44

3.5.2 時間數據基本操作  45

習題  45

第4 章 數據導入導出

4.1 數據導入  49

4.1.1 鍵盤輸入數據  49

目 錄 XIII

4.1.2 導入文本文件  50

4.1.3 導入csv 文件  51

4.1.4 導入Excel 文件  51

4.1.5 導入數據庫文件  51

4.2 數據導出  52

4.2.1 導出文本文件  52

4.2.2 保存圖片  53

習題  53

第5 章 數據可視化

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 認識ggplot2  63

5.3.2 幾何對象  63

5.3.3 映射  64

5.3.4 統(tǒng)計對象  66

5.3.5 標度  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 數據可視化圖形選擇建議  83

習題  84

第6 章 數據清洗

6.1 缺失值分析  87

6.1.1 缺失值檢測  87

6.1.2 缺失數據處理  88

6.2 異常值分析  89

XIV R 語言（第2 版）

6.2.1 箱線圖檢測離群點  89

6.2.2 點圖檢測離群點  90

6.3 數據去重  91

6.4 規(guī)范化  92

6.4.1 數據的中心化  92

6.4.2 數據標準化  92

6.5 格式轉換  93

習題  95

第7 章 數據探索

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 一個定性變量和一個定量變量  100

7.2.2 兩個定性變量  100

7.2.3 兩個定量變量  101

7.3 多變量分析  102

7.3.1 集中趨勢度量  102

7.3.2 離中趨勢度量  103

7.4 相關分析  104

7.4 1 相關系數  104

7.4.2 直接繪制點圖  105

7.4.3 繪制點圖矩陣  106

習題  106

第8 章 數據變換

8.1 數據集劃分與選擇  109

8.1.1 數據集劃分  109

8.1.2 數據集選擇  110

8.2 特征工程  110

8.2.1 特征工程概述  110

8.2.2 特征構建  111

8.2.3 特征選擇  112

8.2.4 特征抽取  115

8.2.5 自動化特征工程  117

8.3 數據整合  118

8.3.1 通過向量化重構數據  119

8.3.2 為數據添加新變量  119

8.3.3 變形與融合  120

8.3.4 列聯表  123

8.3.5 分組匯總  123

8.3.6 連接表  125

習題  127

第9 章 高級編程

9.1 條件表達式  131

9.2 選擇結構  132

9.3 循環(huán)結構  135

9.4 用戶自定義函數  138

習題  139

第10 章 數據建模

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 關聯規(guī)則挖掘  150

10.4.1 背景  150

10.4.2 基本術語  151

10.4.3 關聯規(guī)則的分類  152

10.4.4 Apriori 算法  153

10.4.5 實驗指導  154

10.5 傳統(tǒng)決策樹模型  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 實驗指導  159

XVI R 語言（第2 版）

10.6 隨機森林決策樹模型  161

10.6.1 背景  161

10.6.2 隨機森林算法  161

10.6.3 實驗指導  163

10.7 自適應選擇決策樹模型  166

10.7.1 背景  166

10.7.2 Boosting 算法  166

10.7.3 adaboost 算法  167

10.7.4 實驗指導  167

10.8 SVM 171

10.8.1 背景  171

10.8.2 SVM 算法  171

10.8.3 實驗指導  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 實驗指導  176

10.10 神經網絡模型  177

10.10.1 背景  177

10.10.2 人工神經網絡模型  178

10.10.3 實驗指導  179

習題  181

第11 章 模型評估

11.1 Rattle 模型評估選項卡  185

11.2 混淆矩陣  186

11.2.1 二分類混淆矩陣  186

11.2.2 模型評價指標  187

11.2.3 多分類混淆矩陣  188

11.3 風險圖  188

11.3.1 風險圖的作用  188

11.3.2 實驗指導  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 實驗指導  190

11.5 交叉驗證  192

習題  193

第12 章 影響大學平均錄取分數線因素分析

12.1 背景與目標  195

12.2 數據說明  195

12.3 描述性分析  196

12.4 數據建模  199

12.5 總結  201

第13 章 收視率分析

13.1 背景介紹  202

13.2 數據說明  202

13.3 描述性分析  203

13.4 數據建模  209

13.5 總結  212

參考文獻

附錄A

附錄B