基本信息
- 商品名称：数据挖掘算法与R语言实现/数据科学与大数据技术系列
- 作者：编者:肖海军//胡鹏
- 定价：45
- 出版社：电子工业
- ISBN号：9787121339370
其他参考信息（以实物为准）
- 出版时间：2018-11-01
- 印刷时间：2018-11-01
- 版次：1
- 印次：1
- 开本：16开
- 包装：平装
- 页数：180
- 字数：288千字
内容提要
本书在介绍R软件基本功能的基础上，介绍了数据挖掘十大经典算法的基本原理及相应的R语言实现范例，旨在使读者能够仿照范例快速掌握大数据分析的方法，从高维海量数据中挖掘有用的信息，使用合适的数据挖掘算法，解决实际问题。全书内容共12章，分别介绍R软件的使用方法、C4.5算法、k-means算法、CART算法、Apriori算法、EM算法、PageRank算法、AdaBoost算法、kNN算法、Naive Bayes算法、SVM算法及各算法的案例分析。本书理论部分简单明了，所有程序均经过R软件实际运行。本书各章自成体系，读者既可从头逐章学习，也可随意挑选自己需要的章节学习。读者可登录华信教育资源网www.hxedu.com.cn免费下载算法实例代码。本书既可作为高年级本科生、研究生相关课程的教材，也可作为不同领域数据分析人员的工具书，还可作为零基础读者的自学教材。
作者简介
肖海军，中国地质大学（武汉）数学与物理学院教授，中国数学学会会员，中国计算机学会 会员，中国电子学会 会员。
目录
目 录
第1章 R软件的使用方法1
1.1 R软件介绍和安装1
1.1.1 R软件介绍1
1.1.2 R软件的安装1
1.1.3 R studio的安装2
1.2 R语言基本运算3
1.2.1 R语言的数值运算3
1.2.2 R语言的向量5
1.2.3 R语言的向量运算6
1.3 R语言缺失数据7
1.3.1 R语言缺失数据类型7
1.3.2 R语言缺失数据识别7
1.3.3 R语言缺失数据处理8
1.4 矩阵的运算8
1.4.1 矩阵建立8
1.4.2 矩阵计算10
1.4.3 矩阵分解11
1.5 列表和数据框12
1.5.1 列表介绍12
1.5.2 数据框介绍13
1.6 R软件的数据读/写14
1.7 R软件包介绍15
1.7.1 包的基础知识15
1.7.2 自动安装包15
1.7.3 通过硬盘加载包16
1.7.4 常见包介绍16
1.8 R语言的函数16
1.8.1 循环结构16
1.8.2 条件执行结构17
1.8.3 自定义函数18
1.9 R软件绘图功能介绍19
1.9.1 绘图函数20
1.9.2 低级绘图函数22
1.9.3 用ggplot2包进行绘图25
第2章 C4.5算法30
2.1 算法简介30
2.2 算法基本原理30
2.3 算法的R语言实现33
2.3.1 ctree函数介绍33
2.3.2 C4.5决策树的R语言实例33
2.4 小结35
参考文献36
第3章 k-means算法37
3.1 算法简介37
3.2 算法基本原理37
3.3 算法的R语言实现39
3.3.1 kmeans函数介绍39
3.3.2 k-means聚类的R语言实例39
3.4 小结41
参考文献42
第4章 CART算法44
4.1 算法简介44
4.2 算法基本原理44
4.2.1 CART算法的建树44
4.2.2 CART算法的剪枝45
4.2.3 算法过程实例46
4.3 算法的R语言实现48
4.3.1 rpart函数介绍48
4.3.2 CART决策树的R语言实例48
4.3.3 rpart函数的补充说明50
4.4 小结52
参考文献52
第5章 Apriori算法53
5.1 算法简介53
5.2 算法基本原理53
5.2.1 挖掘频繁模式和关联规则53
5.2.2 Apriori算法55
5.2.3 AprioriTid算法61
5.2.4 挖掘顺序模式64
5.2.5 Apriori算法的一种改进算法65
5.3 算法的R语言实现算法66
5.3.1 apriori函数介绍66
5.3.2 Apriori模型66
5.4 小结68
参考文献68
第6章 EM算法70
6.1 算法简介70
6.2 算法基本原理71
6.2.1 基础理论71
6.2.2 算法过程实例71
6.3 算法的R语言实现76
6.3.1 mclust函数介绍76
6.3.2 EM标准模型的R语言实现77
6.3.3 存在噪声的EM算法的R语言实现79
6.3.4 EM算法应用于高斯混合模型(GMM)81
6.3.5 EM算法应用于Iris数据集84
6.4 小结84
参考文献85
第7章 PageRank算法86
7.1 算法简介86
7.2 算法基本原理86
7.3 算法的R语言实现89
7.3.1 page.rank函数介绍89
7.3.2 igraph包实现PageRank算法89
7.3.3 自定义PageRank算法的R语言实现90
7.3.4 补充实例91
7.4 小结95
参考文献96
第8章 AdaBoost算法97
8.1 算法简介97
8.2 算法基本原理97
8.2.1 Boosting算法97
8.2.2 AdaBoost算法98
8.2.3 算法过程实例101
8.3 算法的R语言实现102
8.3.1 boosting函数介绍102
8.3.2 R语言实例102
8.4 小结104
参考文献104
第9章 kNN算法105
9.1 算法简介105
9.2 算法基本原理105
9.2.1 算法描述105
9.2.2 算法流程107
9.3 算法的R语言实现108
9.3.1 knn函数介绍108
9.3.2 利用class包中的knn函数建立模型108
9.3.3 kNN算法应用于Iris数据集109
9.3.4 kNN算法应用于Breast数据集111
9.4 小结113
参考文献114
0章 Naive Bayes算法115
10.1 算法简介115
10.2 算法基本原理115
10.2.1 基础理论115
10.2.2 算法过程实例118
10.3 算法的R语言实现120
10.3.1 naiveBayes函数介绍120
10.3.2 利用e1071包中的naiveBayes函数建立模型120
10.3.3 算法拓展――其他改进的Naive Bayes算法121
10.4 小结123
参考文献123
1章 SVM算法125
11.1 算法简介125
11.2 算法基本原理125
11.2.1 基础理论125
11.2.2 软间隔优化127
11.2.3 核映射129
11.2.4 SVM算法的过程130
11.2.5 SVC算法过程实例130
11.3 算法的R语言实现132
11.3.1 svm函数介绍132
11.3.2 标准分类模型133
11.3.3 多分类模型133
11.3.4 SVM回归134
11.3.5 SVM拓展包(kernlab包)135
11.3.6 SVM算法应用于Iris数据集(e1071包)135
11.3.7 SVM算法应用于Iris数据集(kernlab包)136
11.4 小结137
参考文献138
2章 案例分析139
12.1 关联规则案例分析139
12.1.1 问题描述139
12.1.2 R语言实现过程139
12.1.3 不同参数的Apriori模型141
12.1.4 小结145
12.2 kNN算法案例分析145
12.2.1 问题描述145
12.2.2 R语言实现过程145
12.2.3 小结148
12.3 Naive Bayes算法案例分析149
12.3.1 问题描述149
12.3.2 R语言实现过程149
12.3.3 小结152
12.4 CART算法案例分析152
12.4.1 问题描述152
12.4.2 R语言实现过程152
12.4.3 小结159
12.5 AdaBoost算法案例分析159
12.5.1 问题描述159
12.5.2 R语言实现过程159
12.5.3 小结161
12.6 SVM算法案例分析162
12.6.1 问题描述162
12.6.2 R语言实现过程162
12.6.3 小结167
