√ 以問題為導向，使讀者在解決問題的過程中學習數據挖掘、機器學習等數據科學相關方法
√ 從數據模型的角度進行講解，幫助初學者快速掌握模型原理與實務操作
√ 提供配套案例源碼、教學PPT及擴展典型案例下載

本書是一本數據科學的入門書籍。每個知識點盡量從實際的應用案例出發，從數據出發，以問題為導向，在解決問題中學習數據挖掘、機器學習等數據科學相關方法。本書將數據讀寫、數據清洗和預處理作為開端，逐漸深入到和數據科學相關的決策樹、支持向量機、神經網絡、無監督學習等知識。此外，結合數據科學的實際應用，書中還講解了推薦算法、文本挖掘和社交網絡分析等熱門實用技術。本書在寫作過程中盡量刪去太過抽樣的理論，讓具有一定高等數學和概率論基礎的讀者就能看得懂。當然，如果讀者對方法原理確實不感興趣，隻是為了用R程序實現某種方法，可以跳過方法隻看案例和程序。本書適合作為高校數據科學、機器學習、數據挖掘、大數據分析等相關專業的研究生和高年級本科的教科書，也適合作為相關企業的數據科學家、數據挖掘工程師、數據分析師及數據科學的愛好者等的工具書。本書是一本數據科學的入門書籍。每個知識點盡量從實際的應用案例出發，從數據出發，以問題為導向，在解決問題中學習數據挖掘、機器學習等數據科學相關方法。本書將數據讀寫、數據清洗和預處理作為開端，逐漸深入到和數據科學相關的決策樹、支持向量機、神經網絡、無監督學習等知識。此外，結合數據科學的實際應用，書中還講解了推薦算法、文本挖掘和社交網絡分析等熱門實用技術。本書在寫作過程中盡量刪去太過抽樣的理論，讓具有一定高等數學和概率論基礎的讀者就能看得懂。當然，如果讀者對方法原理確實不感興趣，隻是為了用R程序實現某種方法，可以跳過方法隻看案例和程序。本書適合作為高校數據科學、機器學習、數據挖掘、大數據分析等相關專業的研究生和高年級本科的教科書，也適合作為相關企業的數據科學家、數據挖掘工程師、數據分析師及數據科學的愛好者等的工具書。本書是一本數據科學的入門書籍。每個知識點盡量從實際的應用案例出發，從數據出發，以問題為導向，在解決問題中學習數據挖掘、機器學習等數據科學相關方法。本書將數據讀寫、數據清洗和預處理作為開端，逐漸深入到和數據科學相關的決策樹、支持向量機、神經網絡、無監督學習等知識。此外，結合數據科學的實際應用，書中還講解了推薦算法、文本挖掘和社交網絡分析等熱門實用技術。本書在寫作過程中盡量刪去太過抽樣的理論，讓具有一定高等數學和概率論基礎的讀者就能看得懂。當然，如果讀者對方法原理確實不感興趣，隻是為了用R程序實現某種方法，可以跳過方法隻看案例和程序。本書適合作為高校數據科學、機器學習、數據挖掘、大數據分析等相關專業的研究生和高年級本科的教科書，也適合作為相關企業的數據科學家、數據挖掘工程師、數據分析師及數據科學的愛好者等的工具書。

方匡南，現為廈門大學經濟學院統計繫教授、博士生導師，耶魯大學博士後，廈門大學數據挖掘研究中心副主任，國際統計學會會士，全國工業統計學會理事、廈門統計學會常務理事。主要研究方向為數據挖掘、機器學習、應用統計。曾先後在國外權威期刊發表論文七十多篇，主持了國家自然科學基金等項目二十多項。

第1章 導論 1
1.1 數據科學的發展歷史 1
1.2 數據科學研究的主要問題 3
1.3 數據科學的主要方法 5
1.4 R語言的優勢 7
第2章 數據讀/寫 9
2.1 數據的讀入 9
2.1.1 直接輸入數據 9
2.1.2 讀入R包中的數據 10
2.1.3 從外部文件讀入數據 10
2.1.4 批量讀入數據 15
2.1.5 R語言讀取文件的幾個常錯的問題 15
2.2 寫出數據 17
2.3 習題 18
第3章 數據清洗與預處理 19
3.1 數據分類 19
3.2 數據清洗 20
3.2.1 處理缺失數據 20
3.2.2 處理噪聲數據 23
3.3 數據變換 23
3.4 R語言實現 25
3.4.1 數據集的基本操作 25
3.4.2 數據集間的操作 28
3.4.3 連接數據庫數據 29
3.5 習題 30
第4章 數據可視化 31
4.1 高階繪圖工具——ggplot2 31
4.1.1 快速繪圖 32
4.1.2 使用圖層構建圖像 34
4.1.3 分面 37
4.2 ECharts2 39
4.2.1 安裝 39
4.2.2 使用 40
4.3 習題 48
第5章 線性回歸 49
5.1 問題的提出 49
5.2 一元線性回歸 50
5.2.1 一元線性回歸概述 50
5.2.2 一元線性回歸的參數估計 52
5.2.3 一元線性回歸模型的檢驗 55
5.2.4 一元線性回歸的預測 56
5.3 多元線性回歸分析 57
5.3.1 多元線性回歸模型及假定 58
5.3.2 參數估計 59
5.3.3 模型檢驗 60
5.3.4 預測 61
5.4 R語言實現 63
5.4.1 一元線性回歸 63
5.4.2 多元線性回歸 66
5.5 習題 67
第6章 線性分類 69
6.1 問題的提出 69
6.2 Logistic模型 70
6.2.1 線性概率模型 70
6.2.2 Probit模型 71
6.2.3 Logit模型原理 72
6.2.4 邊際效應分析 73
6.2.5 *大似然估計（MLE） 73
6.2.6 似然比檢驗 74
6.3 判別分析 74
6.3.1 Na?ve Bayes判別分析 75
6.3.2 線性判別分析 76
6.3.3 二次判別分析 78
6.4 分類問題評價準則 78
6.5 R語言實現 80
6.5.1 描述統計 80
6.5.2 Logistic模型 81
6.5.3 判別分析 87
6.5.4 模型比較 90
6.6 習題 92
第7章 重抽樣 94
7.1 問題的提出 94
7.2 基本概念 94
7.2.1 訓練誤差和測試誤差 95
7.2.2 偏差和方差 95
7.3 交叉驗證法 96
7.3.1 驗證集方法 97
7.3.2 留一交叉驗證法 97
7.3.3 K折交叉驗證法 98
7.4 自助法 99
7.5 R語言實第1章 導論 1
1.1 數據科學的發展歷史 1
1.2 數據科學研究的主要問題 3
1.3 數據科學的主要方法 5
1.4 R語言的優勢 7
第2章 數據讀/寫 9
2.1 數據的讀入 9
2.1.1 直接輸入數據 9
2.1.2 讀入R包中的數據 10
2.1.3 從外部文件讀入數據 10
2.1.4 批量讀入數據 15
2.1.5 R語言讀取文件的幾個常錯的問題 15
2.2 寫出數據 17
2.3 習題 18
第3章 數據清洗與預處理 19
3.1 數據分類 19
3.2 數據清洗 20
3.2.1 處理缺失數據 20
3.2.2 處理噪聲數據 23
3.3 數據變換 23
3.4 R語言實現 25
3.4.1 數據集的基本操作 25
3.4.2 數據集間的操作 28
3.4.3 連接數據庫數據 29
3.5 習題 30
第4章 數據可視化 31
4.1 高階繪圖工具——ggplot2 31
4.1.1 快速繪圖 32
4.1.2 使用圖層構建圖像 34
4.1.3 分面 37
4.2 ECharts2 39
4.2.1 安裝 39
4.2.2 使用 40
4.3 習題 48
第5章 線性回歸 49
5.1 問題的提出 49
5.2 一元線性回歸 50
5.2.1 一元線性回歸概述 50
5.2.2 一元線性回歸的參數估計 52
5.2.3 一元線性回歸模型的檢驗 55
5.2.4 一元線性回歸的預測 56
5.3 多元線性回歸分析 57
5.3.1 多元線性回歸模型及假定 58
5.3.2 參數估計 59
5.3.3 模型檢驗 60
5.3.4 預測 61
5.4 R語言實現 63
5.4.1 一元線性回歸 63
5.4.2 多元線性回歸 66
5.5 習題 67
第6章 線性分類 69
6.1 問題的提出 69
6.2 Logistic模型 70
6.2.1 線性概率模型 70
6.2.2 Probit模型 71
6.2.3 Logit模型原理 72
6.2.4 邊際效應分析 73
6.2.5 *大似然估計（MLE） 73
6.2.6 似然比檢驗 74
6.3 判別分析 74
6.3.1 Na?ve Bayes判別分析 75
6.3.2 線性判別分析 76
6.3.3 二次判別分析 78
6.4 分類問題評價準則 78
6.5 R語言實現 80
6.5.1 描述統計 80
6.5.2 Logistic模型 81
6.5.3 判別分析 87
6.5.4 模型比較 90
6.6 習題 92
第7章 重抽樣 94
7.1 問題的提出 94
7.2 基本概念 94
7.2.1 訓練誤差和測試誤差 95
7.2.2 偏差和方差 95
7.3 交叉驗證法 96
7.3.1 驗證集方法 97
7.3.2 留一交叉驗證法 97
7.3.3 K折交叉驗證法 98
7.4 自助法 99
7.5 R語言實第1章 導論 1
1.1 數據科學的發展歷史 1
1.2 數據科學研究的主要問題 3
1.3 數據科學的主要方法 5
1.4 R語言的優勢 7
第2章 數據讀/寫 9
2.1 數據的讀入 9
2.1.1 直接輸入數據 9
2.1.2 讀入R包中的數據 10
2.1.3 從外部文件讀入數據 10
2.1.4 批量讀入數據 15
2.1.5 R語言讀取文件的幾個常錯的問題 15
2.2 寫出數據 17
2.3 習題 18
第3章 數據清洗與預處理 19
3.1 數據分類 19
3.2 數據清洗 20
3.2.1 處理缺失數據 20
3.2.2 處理噪聲數據 23
3.3 數據變換 23
3.4 R語言實現 25
3.4.1 數據集的基本操作 25
3.4.2 數據集間的操作 28
3.4.3 連接數據庫數據 29
3.5 習題 30
第4章 數據可視化 31
4.1 高階繪圖工具——ggplot2 31
4.1.1 快速繪圖 32
4.1.2 使用圖層構建圖像 34
4.1.3 分面 37
4.2 ECharts2 39
4.2.1 安裝 39
4.2.2 使用 40
4.3 習題 48
第5章 線性回歸 49
5.1 問題的提出 49
5.2 一元線性回歸 50
5.2.1 一元線性回歸概述 50
5.2.2 一元線性回歸的參數估計 52
5.2.3 一元線性回歸模型的檢驗 55
5.2.4 一元線性回歸的預測 56
5.3 多元線性回歸分析 57
5.3.1 多元線性回歸模型及假定 58
5.3.2 參數估計 59
5.3.3 模型檢驗 60
5.3.4 預測 61
5.4 R語言實現 63
5.4.1 一元線性回歸 63
5.4.2 多元線性回歸 66
5.5 習題 67
第6章 線性分類 69
6.1 問題的提出 69
6.2 Logistic模型 70
6.2.1 線性概率模型 70
6.2.2 Probit模型 71
6.2.3 Logit模型原理 72
6.2.4 邊際效應分析 73
6.2.5 *大似然估計（MLE） 73
6.2.6 似然比檢驗 74
6.3 判別分析 74
6.3.1 Na?ve Bayes判別分析 75
6.3.2 線性判別分析 76
6.3.3 二次判別分析 78
6.4 分類問題評價準則 78
6.5 R語言實現 80
6.5.1 描述統計 80
6.5.2 Logistic模型 81
6.5.3 判別分析 87
6.5.4 模型比較 90
6.6 習題 92
第7章 重抽樣 94
7.1 問題的提出 94
7.2 基本概念 94
7.2.1 訓練誤差和測試誤差 95
7.2.2 偏差和方差 95
7.3 交叉驗證法 96
7.3.1 驗證集方法 97
7.3.2 留一交叉驗證法 97
7.3.3 K折交叉驗證法 98
7.4 自助法 99
7.5 R語言實現 100
7.5.1 驗證集方法 100
7.5.2 留一交叉驗證法 102
7.5.3 K折交叉驗證法 102
7.5.4 自助法 103
7.6 習題 104
第8章 模型選擇與正則化 105
8.1 問題的提出 105
8.2 子集選擇法 106
8.2.1 *優子集法 106
8.2.2 逐步選擇法 106
8.2.3 模型選擇 108
8.3 基於壓縮估計的逐個變量選擇 109
8.3.1 LASSO懲罰 110
8.3.2 SCAD懲罰 111
8.3.3 MCP懲罰 112
8.3.4 調整參數選擇 113
8.4 基於壓縮估計的組變量選擇 113
8.4.1 自然分組結構 113
8.4.2 人為分組結構 114
8.5 基於壓縮估計的雙層變量選擇 115
8.5.1 復合函數型雙層選擇 115
8.5.2 稀疏組懲罰型雙層選擇 116
8.6 R語言實現 117
8.6.1 子集選擇法 117
8.6.2 模型選擇 120
8.6.3 組模型選擇 122
8.6.4 雙層模型選擇 126
8.7 習題 128
第9章 決策樹與組合學習 129
9.1 問題的提出 129
9.2 決策樹 130
9.2.1 基本概念 130
9.2.2 分類樹 133
9.2.3 回歸樹 135
9.2.4 樹的優缺點 137
9.3 Bagging 137
9.3.1 基本算法 137
9.3.2 袋外誤差估計 138
9.3.3 變量重要性的度量 139
9.4 隨機森林 140
9.5 提升法 142
9.5.1 Adaboost算法 142
9.5.2 GBDT算法 143
9.5.3 XGBoost算法 143
9.6 R語言實現 144
9.6.1 數據介紹 144
9.6.2 描述性統計 145
9.6.3 分類樹 145
9.6.4 Bagging 148
9.6.5 隨機森林 149
9.6.6 Boosting 150
9.7 習題 155
**0章 支持向量機 156
10.1 問題的提出 156
10.2 *大間隔分類器 157
10.2.1 使用分割超平面分類 157
10.2.2 構建*大間隔分類器 159
10.2.3 線性不可分的情況 160
10.3 支持向量分類器 161
10.3.1 使用軟間隔分類 161
10.3.2 構建支持向量分類器 161
10.4 支持向量機 163
10.4.1 使用非線性決策邊界分類 163
10.4.2 構建支持向量機 165
10.5 與Logistic回歸的關繫 166
10.6 支持向量回歸 167
10.7 R語言實現 168
10.7.1 支持向量分類器 168
10.7.2 支持向量機 173
10.7.3 Auto數據集 175
10.8 習題 178
**1章 神經網絡 180
11.1 問題的提出 181
11.2 神現 100
7.5.1 驗證集方法 100
7.5.2 留一交叉驗證法 102
7.5.3 K折交叉驗證法 102
7.5.4 自助法 103
7.6 習題 104
第8章 模型選擇與正則化 105
8.1 問題的提出 105
8.2 子集選擇法 106
8.2.1 *優子集法 106
8.2.2 逐步選擇法 106
8.2.3 模型選擇 108
8.3 基於壓縮估計的逐個變量選擇 109
8.3.1 LASSO懲罰 110
8.3.2 SCAD懲罰 111
8.3.3 MCP懲罰 112
8.3.4 調整參數選擇 113
8.4 基於壓縮估計的組變量選擇 113
8.4.1 自然分組結構 113
8.4.2 人為分組結構 114
8.5 基於壓縮估計的雙層變量選擇 115
8.5.1 復合函數型雙層選擇 115
8.5.2 稀疏組懲罰型雙層選擇 116
8.6 R語言實現 117
8.6.1 子集選擇法 117
8.6.2 模型選擇 120
8.6.3 組模型選擇 122
8.6.4 雙層模型選擇 126
8.7 習題 128
第9章 決策樹與組合學習 129
9.1 問題的提出 129
9.2 決策樹 130
9.2.1 基本概念 130
9.2.2 分類樹 133
9.2.3 回歸樹 135
9.2.4 樹的優缺點 137
9.3 Bagging 137
9.3.1 基本算法 137
9.3.2 袋外誤差估計 138
9.3.3 變量重要性的度量 139
9.4 隨機森林 140
9.5 提升法 142
9.5.1 Adaboost算法 142
9.5.2 GBDT算法 143
9.5.3 XGBoost算法 143
9.6 R語言實現 144
9.6.1 數據介紹 144
9.6.2 描述性統計 145
9.6.3 分類樹 145
9.6.4 Bagging 148
9.6.5 隨機森林 149
9.6.6 Boosting 150
9.7 習題 155
**0章 支持向量機 156
10.1 問題的提出 156
10.2 *大間隔分類器 157
10.2.1 使用分割超平面分類 157
10.2.2 構建*大間隔分類器 159
10.2.3 線性不可分的情況 160
10.3 支持向量分類器 161
10.3.1 使用軟間隔分類 161
10.3.2 構建支持向量分類器 161
10.4 支持向量機 163
10.4.1 使用非線性決策邊界分類 163
10.4.2 構建支持向量機 165
10.5 與Logistic回歸的關繫 166
10.6 支持向量回歸 167
10.7 R語言實現 168
10.7.1 支持向量分類器 168
10.7.2 支持向量機 173
10.7.3 Auto數據集 175
10.8 習題 178
**1章 神經網絡 180
11.1 問題的提出 181
11.2 神現 100
7.5.1 驗證集方法 100
7.5.2 留一交叉驗證法 102
7.5.3 K折交叉驗證法 102
7.5.4 自助法 103
7.6 習題 104
第8章 模型選擇與正則化 105
8.1 問題的提出 105
8.2 子集選擇法 106
8.2.1 *優子集法 106
8.2.2 逐步選擇法 106
8.2.3 模型選擇 108
8.3 基於壓縮估計的逐個變量選擇 109
8.3.1 LASSO懲罰 110
8.3.2 SCAD懲罰 111
8.3.3 MCP懲罰 112
8.3.4 調整參數選擇 113
8.4 基於壓縮估計的組變量選擇 113
8.4.1 自然分組結構 113
8.4.2 人為分組結構 114
8.5 基於壓縮估計的雙層變量選擇 115
8.5.1 復合函數型雙層選擇 115
8.5.2 稀疏組懲罰型雙層選擇 116
8.6 R語言實現 117
8.6.1 子集選擇法 117
8.6.2 模型選擇 120
8.6.3 組模型選擇 122
8.6.4 雙層模型選擇 126
8.7 習題 128
第9章 決策樹與組合學習 129
9.1 問題的提出 129
9.2 決策樹 130
9.2.1 基本概念 130
9.2.2 分類樹 133
9.2.3 回歸樹 135
9.2.4 樹的優缺點 137
9.3 Bagging 137
9.3.1 基本算法 137
9.3.2 袋外誤差估計 138
9.3.3 變量重要性的度量 139
9.4 隨機森林 140
9.5 提升法 142
9.5.1 Adaboost算法 142
9.5.2 GBDT算法 143
9.5.3 XGBoost算法 143
9.6 R語言實現 144
9.6.1 數據介紹 144
9.6.2 描述性統計 145
9.6.3 分類樹 145
9.6.4 Bagging 148
9.6.5 隨機森林 149
9.6.6 Boosting 150
9.7 習題 155
**0章 支持向量機 156
10.1 問題的提出 156
10.2 *大間隔分類器 157
10.2.1 使用分割超平面分類 157
10.2.2 構建*大間隔分類器 159
10.2.3 線性不可分的情況 160
10.3 支持向量分類器 161
10.3.1 使用軟間隔分類 161
10.3.2 構建支持向量分類器 161
10.4 支持向量機 163
10.4.1 使用非線性決策邊界分類 163
10.4.2 構建支持向量機 165
10.5 與Logistic回歸的關繫 166
10.6 支持向量回歸 167
10.7 R語言實現 168
10.7.1 支持向量分類器 168
10.7.2 支持向量機 173
10.7.3 Auto數據集 175
10.8 習題 178
**1章 神經網絡 180
11.1 問題的提出 181
11.2 神經網絡的基本概念 181
11.2.1 神經網絡的基本單元——神經元 181
11.2.2 神經網絡的結構 185
11.2.3 神經網絡的學習 186
11.3 神經網絡模型 188
11.3.1 單神經元感知器 188
11.3.2 單層感知器 189
11.3.3 BP神經網絡 190
11.3.4 Rprop神經網絡 193
11.4 R語言實現 195
11.4.1 nnet程序包 195
11.4.2 neuralnet程序包 197
11.4.3 應用案例1：利用nnet程序包分析紙幣鋻別數據 198
11.4.4 應用案例2：利用neuralnet程序包分析白葡萄酒的品質 200
11.5 習題 203
**2章 無監督學習 205
12.1 問題的提出 205
12.2 聚類分析 207
12.2.1 相異度 207
12.2.2 K-means聚類 209
12.2.3 繫統聚類法 211
12.3 主成分分析 214
12.3.1 主成分分析的幾何意義 214
12.3.2 主成分的數學推導 215
12.3.3 主成分回歸 217
12.3.4 主成分分析的其他方面 217
12.4 因子分析 219
12.4.1 因子分析的數學模型 219
12.4.2 因子載荷陣的統計意義 220
12.4.3 因子分析的其他方面 221
12.5 典型相關分析 223
12.5.1 典型相關分析原理 223
12.5.2 典型相關繫數的顯著性檢驗 226
12.5.3 典型相關分析的步驟 227
12.6 R語言實現 228
12.6.1 聚類分析：移動通信用戶細分 228
12.6.2 主成分分析：農村居民消費水平評價 233
12.6.3 因子分析：市場調查 236
12.6.4 典型相關分析：職業滿意度與職業特性的關繫 239
12.7 習題 242
**3章 **算法 243
13.1 關聯規則 243
13.1.1 基本概念 244
13.1.2 基本分類 246
13.1.3 基本方法 247
13.2 協同過濾算法 249
13.2.1 基於鄰居的協同過濾算法 249
13.2.2 基於模型的協同過濾算法 253
13.3 R語言實現 254
13.3.1 關聯規則 254
13.3.2 協同過濾算法 259
13.4 習題 262
**4章 文本挖掘 264
14.1 問題的提出 264
14.2 文本挖掘基本流程 265
14.2.1 文本數據獲取 265
14.2.2 文本特征表示 265
14.2.3 文本的特征選擇 268
14.2.4 信息挖掘與主題模型 269
14.3 R語言實現 270
14.3.1 JSS_papers數據集 270
14.3.2 拓展案例：房地產網絡輿情分析 275
14.4 習題 278
**5章 社交網絡分析 279
15.1 問題的提出 279
15.2 經網絡的基本概念 181
11.2.1 神經網絡的基本單元——神經元 181
11.2.2 神經網絡的結構 185
11.2.3 神經網絡的學習 186
11.3 神經網絡模型 188
11.3.1 單神經元感知器 188
11.3.2 單層感知器 189
11.3.3 BP神經網絡 190
11.3.4 Rprop神經網絡 193
11.4 R語言實現 195
11.4.1 nnet程序包 195
11.4.2 neuralnet程序包 197
11.4.3 應用案例1：利用nnet程序包分析紙幣鋻別數據 198
11.4.4 應用案例2：利用neuralnet程序包分析白葡萄酒的品質 200
11.5 習題 203
**2章 無監督學習 205
12.1 問題的提出 205
12.2 聚類分析 207
12.2.1 相異度 207
12.2.2 K-means聚類 209
12.2.3 繫統聚類法 211
12.3 主成分分析 214
12.3.1 主成分分析的幾何意義 214
12.3.2 主成分的數學推導 215
12.3.3 主成分回歸 217
12.3.4 主成分分析的其他方面 217
12.4 因子分析 219
12.4.1 因子分析的數學模型 219
12.4.2 因子載荷陣的統計意義 220
12.4.3 因子分析的其他方面 221
12.5 典型相關分析 223
12.5.1 典型相關分析原理 223
12.5.2 典型相關繫數的顯著性檢驗 226
12.5.3 典型相關分析的步驟 227
12.6 R語言實現 228
12.6.1 聚類分析：移動通信用戶細分 228
12.6.2 主成分分析：農村居民消費水平評價 233
12.6.3 因子分析：市場調查 236
12.6.4 典型相關分析：職業滿意度與職業特性的關繫 239
12.7 習題 242
**3章 **算法 243
13.1 關聯規則 243
13.1.1 基本概念 244
13.1.2 基本分類 246
13.1.3 基本方法 247
13.2 協同過濾算法 249
13.2.1 基於鄰居的協同過濾算法 249
13.2.2 基於模型的協同過濾算法 253
13.3 R語言實現 254
13.3.1 關聯規則 254
13.3.2 協同過濾算法 259
13.4 習題 262
**4章 文本挖掘 264
14.1 問題的提出 264
14.2 文本挖掘基本流程 265
14.2.1 文本數據獲取 265
14.2.2 文本特征表示 265
14.2.3 文本的特征選擇 268
14.2.4 信息挖掘與主題模型 269
14.3 R語言實現 270
14.3.1 JSS_papers數據集 270
14.3.2 拓展案例：房地產網絡輿情分析 275
14.4 習題 278
**5章 社交網絡分析 279
15.1 問題的提出 279
15.2 經網絡的基本概念 181
11.2.1 神經網絡的基本單元——神經元 181
11.2.2 神經網絡的結構 185
11.2.3 神經網絡的學習 186
11.3 神經網絡模型 188
11.3.1 單神經元感知器 188
11.3.2 單層感知器 189
11.3.3 BP神經網絡 190
11.3.4 Rprop神經網絡 193
11.4 R語言實現 195
11.4.1 nnet程序包 195
11.4.2 neuralnet程序包 197
11.4.3 應用案例1：利用nnet程序包分析紙幣鋻別數據 198
11.4.4 應用案例2：利用neuralnet程序包分析白葡萄酒的品質 200
11.5 習題 203
**2章 無監督學習 205
12.1 問題的提出 205
12.2 聚類分析 207
12.2.1 相異度 207
12.2.2 K-means聚類 209
12.2.3 繫統聚類法 211
12.3 主成分分析 214
12.3.1 主成分分析的幾何意義 214
12.3.2 主成分的數學推導 215
12.3.3 主成分回歸 217
12.3.4 主成分分析的其他方面 217
12.4 因子分析 219
12.4.1 因子分析的數學模型 219
12.4.2 因子載荷陣的統計意義 220
12.4.3 因子分析的其他方面 221
12.5 典型相關分析 223
12.5.1 典型相關分析原理 223
12.5.2 典型相關繫數的顯著性檢驗 226
12.5.3 典型相關分析的步驟 227
12.6 R語言實現 228
12.6.1 聚類分析：移動通信用戶細分 228
12.6.2 主成分分析：農村居民消費水平評價 233
12.6.3 因子分析：市場調查 236
12.6.4 典型相關分析：職業滿意度與職業特性的關繫 239
12.7 習題 242
**3章 **算法 243
13.1 關聯規則 243
13.1.1 基本概念 244
13.1.2 基本分類 246
13.1.3 基本方法 247
13.2 協同過濾算法 249
13.2.1 基於鄰居的協同過濾算法 249
13.2.2 基於模型的協同過濾算法 253
13.3 R語言實現 254
13.3.1 關聯規則 254
13.3.2 協同過濾算法 259
13.4 習題 262
**4章 文本挖掘 264
14.1 問題的提出 264
14.2 文本挖掘基本流程 265
14.2.1 文本數據獲取 265
14.2.2 文本特征表示 265
14.2.3 文本的特征選擇 268
14.2.4 信息挖掘與主題模型 269
14.3 R語言實現 270
14.3.1 JSS_papers數據集 270
14.3.2 拓展案例：房地產網絡輿情分析 275
14.4 習題 278
**5章 社交網絡分析 279
15.1 問題的提出 279
15.2 網絡的基本概念 280
15.3 網絡特征的描述性分析 281
15.3.1 節點度 281
15.3.2 節點中心性 282
15.3.3 網絡的凝聚性特征 283
15.3.4 分割 284
15.4 網絡圖的統計模型 285
15.4.1 經典隨機圖模型 285
15.4.2 廣義隨機圖模型 286
15.4.3 指數隨機圖模型 287
15.4.4 網絡塊模型網絡的基本概念 280
15.3 網絡特征的描述性分析 281
15.3.1 節點度 281
15.3.2 節點中心性 282
15.3.3 網絡的凝聚性特征 283
15.3.4 分割 284
15.4 網絡圖的統計模型 285
15.4.1 經典隨機圖模型 285
15.4.2 廣義隨機圖模型 286
15.4.3 指數隨機圖模型 287
15.4.4 網絡塊模型網絡的基本概念 280
15.3 網絡特征的描述性分析 281
15.3.1 節點度 281
15.3.2 節點中心性 282
15.3.3 網絡的凝聚性特征 283
15.3.4 分割 284
15.4 網絡圖的統計模型 285
15.4.1 經典隨機圖模型 285
15.4.2 廣義隨機圖模型 286
15.4.3 指數隨機圖模型 287
15.4.4 網絡塊模型