計算機科學(xué)叢書(shū)：數據挖掘與R語(yǔ)言簡(jiǎn)介，目錄書(shū)摘
《計算機科學(xué)叢書(shū)：數據挖掘與R語(yǔ)言》的支持網(wǎng)站給出了案例研究的所有代碼、數據集以及R函數包
不要求讀者具有R、數據挖掘或統計技術(shù)的基礎知識
《計算機科學(xué)叢書(shū)：數據挖掘與R語(yǔ)言》利用大量給出必要步驟、代碼和數據的具體案例，詳細描述了數據挖掘的主要過(guò)程和技術(shù)
《計算機科學(xué)叢書(shū)：數據挖掘與R語(yǔ)言》首先簡(jiǎn)要介紹了R軟件的基礎知識（安裝、R數據結構、R編程、R的輸入和輸出等）。然后通過(guò)四個(gè)數據挖掘的實(shí)際案例（藻類(lèi)頻率的預測、證券趨勢預測和交易系統仿真、交易欺詐預測、微陣列數據分類(lèi)）介紹數據挖掘技術(shù)。這四個(gè)案例基本覆蓋了常見(jiàn)的數據挖掘技術(shù)，從無(wú)監督的數據挖掘技術(shù)、有監督的數據挖掘技術(shù)到半監督的數據挖掘技術(shù)。全書(shū)以實(shí)際問(wèn)題、解決方案和對解決方案的討論為主線(xiàn)來(lái)組織內容，脈絡(luò )清晰，并且各章自成體系。讀者可以從頭至尾逐章學(xué)習，也可以根據自己的需要進(jìn)行學(xué)習，找到自己實(shí)際問(wèn)題的解決方案。
《計算機科學(xué)叢書(shū)：數據挖掘與R語(yǔ)言》不需要讀者具備R和數據挖掘的基礎知識。不管是R初學(xué)者，還是熟練的R用戶(hù)都能從書(shū)中找到對自己有用的內容。讀者既可以把本書(shū)作為學(xué)習如何應用R的一本優(yōu)秀教材，也可以作為數據挖掘的工具書(shū)。
Luís Torgo，葡萄牙波爾圖大學(xué)計算機科學(xué)系副教授，現在在LIAAD實(shí)驗室從事研究工作。他是APPIA會(huì )員，同時(shí)還是OBEGEF的創(chuàng )辦會(huì )員。
推薦序
中文版序
譯者序
前言
致謝
第1章 簡(jiǎn)介
1.1如何閱讀本書(shū)
1.2R簡(jiǎn)介
1.2.1R起步
1.2.2R對象
1.2.3向量
1.2.4向量化
1.2.5因子
1.2.6生成序列
1.2.7數據子集
1.2.8矩陣和數組
1.2.9列表
1.2.10數據框
1.2.11構建新函數
1.2.12對象、類(lèi)和方法
1.2.13管理R會(huì )話(huà)
1.3MySQL簡(jiǎn)介
第2章 預測海藻數量
2.1問(wèn)題描述與目標
2.2數據說(shuō)明
2.3數據加載到R
2.4數據可視化和摘要
2.5數據缺失
2.5.1將缺失部分剔除
2.5.2用最高頻率值來(lái)填補缺失值
2.5.3通過(guò)變量的相關(guān)關(guān)系來(lái)填補缺失值
2.5.4通過(guò)探索案例之間的相似性來(lái)填補缺失值
2.6獲取預測模型
2.6.1多元線(xiàn)性回歸
2.6.2回歸樹(shù)
2.7模型的評價(jià)和選擇
2.8預測7類(lèi)海藻的頻率
2.9小結
第3章 預測股票市場(chǎng)收益
3.1問(wèn)題描述與目標
3.2可用的數據
3.2.1在R中處理與時(shí)間有關(guān)的數據
3.2.2從CSV文件讀取數據
3.2.3從網(wǎng)站上獲取數據
3.2.4從MySQL數據庫讀取數據
3.3定義預測任務(wù)
3.3.1預測什么
3.3.2預測變量是什么
3.3.3預測任務(wù)
3.3.4模型評價(jià)準則
3.4預測模型
3.4.1如何應用訓練集數據來(lái)建模
3.4.2建模工具
3.5從預測到實(shí)踐
3.5.1如何應用預測模型
3.5.2與交易相關(guān)的評價(jià)準則
3.5.3模型集成：仿真交易
3.6模型評價(jià)和選擇
3.6.1蒙特卡羅估計
3.6.2實(shí)驗比較
3.6.3結果分析
3.7交易系統
3.7.1評估最終測試數據
3.7.2在線(xiàn)交易系統
3.8小結
第4章 偵測欺詐交易
4.1問(wèn)題描述與目標
4.2可用的數據
4.2.1加載數據至R
4.2.2探索數據集
4.2.3數據問(wèn)題
4.3定義數據挖掘任務(wù)
4.3.1問(wèn)題的不同解決方法
4.3.2評價(jià)準則
4.3.3實(shí)驗方法
4.4計算離群值的排序
4.4.1無(wú)監督方法
4.4.2有監督方法
4.4.3半監督方法
4.5小結
第5章 微陣列樣本分類(lèi)
5.1問(wèn)題描述與目標
5.1.1微陣列實(shí)驗背景簡(jiǎn)介
5.1.2數據集ALL
5.2可用的數據
5.3基因（特征）選擇
5.3.1基于分布特征的簡(jiǎn)單過(guò)濾方法
5.3.2ANOVA過(guò)濾
5.3.3用隨機森林進(jìn)行過(guò)濾
5.3.4用特征聚類(lèi)的組合進(jìn)行過(guò)濾
5.4遺傳學(xué)異常的預測
5.4.1定義預測任務(wù)
5.4.2模型評價(jià)標準
5.4.3實(shí)驗過(guò)程
5.4.4建模技術(shù)
5.4.5模型比較
5.5小結
參考文獻
主題索引
數據挖掘術(shù)語(yǔ)索引
R函數索引
京公網(wǎng)安備 11000002000088號
