基于R的统计分析与数据挖掘(统计数据分析与应用丛书) 内容简介

薛薇博士编著的这本《基于r的统计分析与数据挖掘》聚焦当今备受国内外数据分析师和数据应用者关注的r语言，企图借助r实现统计分析和数据挖掘。理由很简单：r不仅囊括了几乎所有的经典统计方法，而且拥有众多前沿的现代统计模型、数据挖掘算法以及**的绘图功能；不仅可以解决数据分析的共性问题，而且能够服务于电商、金融、医学、生物、地理、环境、传媒等领域的特色数据应用；不仅适合统计分析的学习者、学术研究的探索者，而且适合致力数据应用开发的实践者和掘金者。

基于R的统计分析与数据挖掘(统计数据分析与应用丛书) 本书特色

薛薇博士编著的这本《基于r的统计分析与数据 挖掘》聚焦当今备受国内外数据分析师和数据应用者 关注的r语言，关注如何借助r实现统计分析和数据挖 掘。它既不是仅侧重理论讲解的统计分析和数据挖掘 教科书，也不是仅侧重r编程操作的使用手册，而是 以数据分析贯穿全书的两者的有机结合。本书特色在于：以数据模拟的直观方式论述方法 原理的同时，通过案例强化r的操作实践性；在以解 决应用问题为目标讨论r操作的同时，通过原理论述 强化模型结果的解读理解。《基于r的统计分析与数据挖掘》定位于统计分 析和数据挖掘的学习者、实践者和研究者，旨在使读 者理解统计分析原理，熟练操控r软件，拓展数据应 用，提升研究水平。

基于R的统计分析与数据挖掘(统计数据分析与应用丛书) 目录

第1章关于r1.1为什么选择r1.2如何学习r1.3r入门**1.4小结第2章r的数据组织2.1r的数据对象2.2创建和访问r的数据对象2.3从文本文件读数据2.4外部数据的导入2.5r数据组织的其他问题2.6小结第3章r的数据管理3.1数据合并3.2数据排序3.3缺失数据报告3.4变量计算3.5变量值的重编码3.6数据筛选3.7数据保存3.8数据管理中控制流程3.9小结第4章r的基本数据分析：描述和相关4.1数值型单变量的描述4.2分类型单变量的描述4.3两数值型变量相关性的分析4.4两分类型变量相关性的分析4.5小结第5章r的基本数据分析：可视化5.1绘图基础5.2数值型单变量分布的可视化5.3分类型变量分布和相关性的可视化5.4两数值型变量相关性的可视化5.5lattice绘图5.6小结第6章r的两均值比较检验6.1两独立样本的均值检验6.2两配对样本的均值检验6.3样本均值检验的功效分析6.4两总体分布差异的非参数检验6.5两样本均值差的置换检验6.6两样本均值差的自举法检验6.7小结第7章r的方差分析7.1单因素方差分析7.2单因素协方差分析7.3多因素方差分析7.4小结第8章r的回归分析：一般线性模型8.1回归分析概述8.2建立线性回归模型8.3线性回归方程的检验8.4回归诊断：误差项是否满足高斯马尔科夫假定8.5回归诊断：诊断数据中的异常观测点8.6回归诊断：多重共线性的诊断8.7回归建模策略8.8回归模型验证8.9带虚拟变量的线性回归分析8.10小结第9章r的回归分析：广义线性模型9.1广义线性模型概述9.2logistic回归分析：连接函数和参数估计9.3logistic回归分析：解读模型和模型检验9.4logistic回归分析：r函数和示例9.5logistic回归分析：回归诊断9.6泊松回归分析9.7广义线性模型的交叉验证9.8小结第10章r的聚类分析10.1聚类分析概述10.2k-means聚类10.3层次聚类10.4两步聚类10.5小结第11章r的因子分析：变量降维11.1因子分析概述11.2构造因子变量：基于主成分分析法11.3构造因子变量：基于主轴因子法11.4因子变量的命名11.5计算因子得分11.6小结第12章r的线性判别分析：分类模型12.1距离判别12.2fisher判别12.3小结第13章r的决策树：预测模型13.1决策树算法概述13.2分类回归树的生长过程13.3分类回归树的剪枝13.4建立分类回归树的r函数和示例13.5建立分类回归树的组合预测模型13.6随机森林13.7小结第14章r的人工神经网络：预测和聚类14.1人工神经网络概述14.2b-p反向传播网络14.3b-p反向传播网络的r函数和示例14.4som自组织映射网络14.5小结

基于R的统计分析与数据挖掘(统计数据分析与应用丛书) 作者简介

薛薇，工学硕士、经济学博士，中国人民大学统计学院副教授，教育部人文社会科学重点研究基地：中国人民大学应用统计学科研究中心副主任。关注数据挖掘及统计分析方法，统计和数据挖掘软件应用，统计数据库系统研发等方面，涉足网络新媒体传播和互动模式建模、政府和官方微博分析、学科学术热点跟踪等文本挖掘和统计应用领域，以及以数据挖掘为依托的客户关系管理等。主要代表作：《SPSS统计分析方法及应用》、《Clementine数据挖掘方法及应用》、《基于信息技术的统计信息系统》。