一本結合實例、由R語言來實現的數據挖掘教材

易正俊、趙品勇、辛巧《數據挖掘與R語言》介 紹數據挖掘的基本技術和相應的算法，突出案例的示 範作用，並用R語言實現旨在緊扣重大科技突破和新興 市場對大數據分析的需求，從高維海量數據中挖掘有 用的信息，形成可運行的智能算法，解決實際問題， 給業界帶來實際的豐厚回報，不斷拓展新的產業領域 ，延伸產業鏈條，形成集群發展、多點支撐的戰略性 新興產業發展格局。 全書共9章，分別介紹了R語言基礎、關聯規則的 挖掘、感知機、樸素貝葉斯算法、K近鄰法、決策樹、 支持向量機、提升算法和隱馬爾可夫模型。本書為專 業學位研究生所編寫，也可以作為統計、金融數學、 計算機科學和計算機軟件專業的本科生教材，還可以 作為零基礎讀者的自學教材。各章自成體繫，讀者可 以從頭逐章學習，也可隨意挑選自己所需要的章節學 習。

無

第1章 R語言基礎
1.1 R的安裝
1.2 R數據結構
1.3 數據輸入
1.4 程序控制流語句
1.5 用戶自編函數
1.6 運算符
1.7 數學統計函數
第2章 關聯規則的挖掘
2.1 關聯規則模型
2.2 關聯規則的支持度、可信度和提升度
2.3 關聯規則Apriori算法
第3章 感知機
3.1 數據集的線性可分性
3.2 感知機模型
3.3 感知機學習策略
3.4 感知機學習算法
第4章 樸素貝葉斯算法
4.1 樸素貝葉斯頻次表
4.2 樸素貝葉斯條件概率表
4.3 樸素貝葉斯分類器
4.4 拉普拉斯校準子
4.5 連續型數據特征的處理
第5章 K近鄰法
5.1 近鄰的距離度量方法
5.2 Kd樹——尋找K近鄰
5.3 分類決策規則
5.4 K值的選擇
5.5 K近鄰算法
第6章 決策樹
6.1 決策樹模型
6.2 決策樹學習
6.3 決策樹的生成
6.4 決策樹的剪枝
6.5 分類與回歸樹模型
第7章 支持向量機
7.1 線性可分支持向量機與硬間隔*大化
7.2 線性支持向量機與軟間隔*大化
7.3 非線性支持向量機與核函數
7.4 序列*小*優化算法
第8章 提升算法
8.1 AdaBoost提升算法
8.2 AdaBoost算法解釋
8.3 提升樹
第9章 隱馬爾可夫模型
9.1 基本概念
9.2 概率計算算法
9.3 學習算法
9.4 預測算法
參考文獻