中圖網(wǎng)小程序
一鍵登錄
更方便
>
>>
21世紀(jì)統(tǒng)計(jì)學(xué)系列教材R語言數(shù)據(jù)挖掘(第2版)/薛薇/21世紀(jì)統(tǒng)計(jì)學(xué)系列教材
本類五星書更多>
-
>
闖進(jìn)數(shù)學(xué)世界――探秘歷史名題
-
>
中醫(yī)基礎(chǔ)理論
-
>
當(dāng)代中國政府與政治(新編21世紀(jì)公共管理系列教材)
-
>
高校軍事課教程
-
>
思想道德與法治(2021年版)
-
>
毛澤東思想和中國特色社會(huì)主義理論體系概論(2021年版)
-
>
中醫(yī)內(nèi)科學(xué)·全國中醫(yī)藥行業(yè)高等教育“十四五”規(guī)劃教材
中圖價(jià):¥47.8
加入購物車
21世紀(jì)統(tǒng)計(jì)學(xué)系列教材R語言數(shù)據(jù)挖掘(第2版)/薛薇/21世紀(jì)統(tǒng)計(jì)學(xué)系列教材 版權(quán)信息
- ISBN：9787300258256
- 條形碼：9787300258256 ; 978-7-300-25825-6
- 裝幀：一般膠版紙
- 冊(cè)數(shù)：暫無
- 重量：暫無
- 所屬分類：>>
21世紀(jì)統(tǒng)計(jì)學(xué)系列教材R語言數(shù)據(jù)挖掘(第2版)/薛薇/21世紀(jì)統(tǒng)計(jì)學(xué)系列教材 本書特色
數(shù)據(jù)挖掘，繼承和發(fā)展經(jīng)典統(tǒng)計(jì)分析的理論成果，結(jié)合現(xiàn)代機(jī)器學(xué)習(xí)方法，借助大規(guī)模高性能計(jì)算不斷逼近大數(shù)據(jù)規(guī)律真相，突破了傳統(tǒng)數(shù)據(jù)分析方法的大數(shù)據(jù)應(yīng)用局限；R語言，以其開源性、易用性、全面性、前沿性和可擴(kuò)充性，是實(shí)現(xiàn)大數(shù)據(jù)分析實(shí)踐的有效工具。《R語言數(shù)據(jù)挖掘》努力堅(jiān)持：講明白理論原理，講明白案例問題，講明白實(shí)現(xiàn)步驟，講明白結(jié)果含義的寫作風(fēng)格，圍繞大數(shù)據(jù)分析的四大核心問題：建立數(shù)據(jù)預(yù)測(cè)模型，揭示數(shù)據(jù)內(nèi)在結(jié)構(gòu)，探究數(shù)據(jù)關(guān)聯(lián)性，診斷異常數(shù)據(jù)，以應(yīng)用案例為線索，深入淺出地討論了眾多經(jīng)典數(shù)據(jù)挖掘方法原理，完整詳細(xì)地講解了R語言實(shí)現(xiàn)過程。本書可作為高等院校統(tǒng)計(jì)學(xué)、數(shù)據(jù)科學(xué)和大數(shù)據(jù)技術(shù)、大數(shù)據(jù)管理等相關(guān)專業(yè)本科生和研究生數(shù)據(jù)挖掘、機(jī)器學(xué)習(xí)和其他數(shù)據(jù)分析課程的教材，也可作為科研機(jī)構(gòu)、政府和企業(yè)經(jīng)營管理部門等研究人員參考用書。
21世紀(jì)統(tǒng)計(jì)學(xué)系列教材R語言數(shù)據(jù)挖掘(第2版)/薛薇/21世紀(jì)統(tǒng)計(jì)學(xué)系列教材 內(nèi)容簡介
數(shù)據(jù)挖掘，繼承和發(fā)展經(jīng)典統(tǒng)計(jì)分析的理論成果，結(jié)合現(xiàn)代機(jī)器學(xué)習(xí)方法，借助大規(guī)模高性能計(jì)算不斷逼近大數(shù)據(jù)規(guī)律真相，突破了傳統(tǒng)數(shù)據(jù)分析方法的大數(shù)據(jù)應(yīng)用局限；R語言，以其開源性、易用性、全面性、前沿性和可擴(kuò)充性，是實(shí)現(xiàn)大數(shù)據(jù)分析實(shí)踐的有效工具。《R語言數(shù)據(jù)挖掘》努力堅(jiān)持：講明白理論原理，講明白案例問題，講明白實(shí)現(xiàn)步驟，講明白結(jié)果含義的寫作風(fēng)格，圍繞大數(shù)據(jù)分析的四大核心問題：建立數(shù)據(jù)預(yù)測(cè)模型，揭示數(shù)據(jù)內(nèi)在結(jié)構(gòu)，探究數(shù)據(jù)關(guān)聯(lián)性，診斷異常數(shù)據(jù)，以應(yīng)用案例為線索，深入淺出地討論了眾多經(jīng)典數(shù)據(jù)挖掘方法原理，完整詳細(xì)地講解了R語言實(shí)現(xiàn)過程。本書可作為高等院校統(tǒng)計(jì)學(xué)、數(shù)據(jù)科學(xué)和大數(shù)據(jù)技術(shù)、大數(shù)據(jù)管理等相關(guān)專業(yè)本科生和研究生數(shù)據(jù)挖掘、機(jī)器學(xué)習(xí)和其他數(shù)據(jù)分析課程的教材，也可作為科研機(jī)構(gòu)、政府和企業(yè)經(jīng)營管理部門等研究人員參考用書。
21世紀(jì)統(tǒng)計(jì)學(xué)系列教材R語言數(shù)據(jù)挖掘(第2版)/薛薇/21世紀(jì)統(tǒng)計(jì)學(xué)系列教材 目錄
第1章數(shù)據(jù)挖掘與R語言概述
1.1什么是數(shù)據(jù)挖掘
1.2數(shù)據(jù)挖掘的結(jié)果
1.3數(shù)據(jù)挖掘能做什么
1.4數(shù)據(jù)挖掘方法的特點(diǎn)
1.5數(shù)據(jù)挖掘的典型應(yīng)用
1.6R語言入門**
1.7RStudio簡介
1.8本章函數(shù)列表
第2章R的數(shù)據(jù)組織和整理
2.1R的數(shù)據(jù)對(duì)象
2.2向量的創(chuàng)建和訪問
2.3矩陣的創(chuàng)建和訪問
2.4數(shù)據(jù)框的創(chuàng)建和訪問
2.5數(shù)組和列表的創(chuàng)建和訪問
2.6數(shù)據(jù)對(duì)象的相互轉(zhuǎn)換
2.7導(dǎo)入外部數(shù)據(jù)和保存數(shù)據(jù)
2.8R語言程序設(shè)計(jì)基礎(chǔ)
2.9R語言數(shù)據(jù)整理和程序設(shè)計(jì)綜合應(yīng)用
2.10本章函數(shù)列表
第3章R的數(shù)據(jù)可視化
3.1繪圖基礎(chǔ)
3.2單變量分布特征的可視化
3.3多變量聯(lián)合分布特征的可視化
3.4變量間相關(guān)性的可視化
3.5GIS數(shù)據(jù)的可視化
3.6文本詞頻數(shù)據(jù)的可視化
3.7本章函數(shù)列表
第4章R的近鄰分析：數(shù)據(jù)預(yù)測(cè)
4.1近鄰分析：K近鄰法
4.2基于變量重要性的加權(quán)K近鄰法
4.3基于觀測(cè)相似性的加權(quán)K近鄰法
4.4本章函數(shù)列表
第5章R的決策樹：數(shù)據(jù)預(yù)測(cè)
5.1決策樹算法概述
5.2分類回歸樹的生長過程
5.3分類回歸樹的剪枝
5.4分類回歸樹的R函數(shù)和應(yīng)用示例
5.5建立分類回歸樹的組合預(yù)測(cè)模型
5.6隨機(jī)森林
5.7本章函數(shù)列表
第6章R的人工神經(jīng)網(wǎng)絡(luò)：數(shù)據(jù)預(yù)測(cè)
6.1人工神經(jīng)網(wǎng)絡(luò)概述
6.2BP反向傳播網(wǎng)絡(luò)
6.3BP反向傳播網(wǎng)絡(luò)的R函數(shù)和應(yīng)用示例
6.4本章函數(shù)列表
第7章R的支持向量機(jī)：數(shù)據(jù)預(yù)測(cè)
7.1支持向量分類概述
7.2線性可分問題下的支持向量分類
7.3廣義線性可分問題下的支持向量分類
7.4線性不可分問題下的支持向量分類
7.5多分類的支持向量分類
7.6支持向量回歸
7.7R的支持向量機(jī)及應(yīng)用示例
7.8本章函數(shù)列表
第8章R的一般聚類：揭示數(shù)據(jù)內(nèi)在結(jié)構(gòu)
8.1聚類分析概述
8.2基于質(zhì)心的聚類模型：KMeans聚類
8.3基于質(zhì)心的聚類模型：PAM聚類
8.4基于聯(lián)通性的聚類模型：層次聚類
8.5基于統(tǒng)計(jì)分布的聚類模型：EM聚類
8.6本章函數(shù)列表
第9章R的特色聚類：揭示數(shù)據(jù)內(nèi)在結(jié)構(gòu)
9.1BIRCH聚類
9.2SOM網(wǎng)絡(luò)聚類
9.3基于密度的聚類模型：DBSCAN聚類
9.4本章函數(shù)列表
第10章R的關(guān)聯(lián)分析：揭示數(shù)據(jù)關(guān)聯(lián)性
10.1簡單關(guān)聯(lián)規(guī)則及其測(cè)度
10.2Apriori算法及應(yīng)用示例
10.3Eclat算法及應(yīng)用示例
10.4簡單關(guān)聯(lián)分析的應(yīng)用示例
10.5序列關(guān)聯(lián)分析及SPADE算法
10.6本章函數(shù)列表
第11章R的模式甄別：診斷異常數(shù)據(jù)
11.1模式甄別方法和評(píng)價(jià)概述
11.2模式甄別的無監(jiān)督偵測(cè)方法及應(yīng)用示例
11.3模式甄別的有監(jiān)督偵測(cè)方法及應(yīng)用示例
11.4模式甄別的半監(jiān)督偵測(cè)方法及應(yīng)用示例
11.5本章函數(shù)列表
第12章R的網(wǎng)絡(luò)分析初步
12.1網(wǎng)絡(luò)的定義、表示及構(gòu)建
12.2網(wǎng)絡(luò)節(jié)點(diǎn)重要性的測(cè)度
12.3網(wǎng)絡(luò)子群構(gòu)成特征研究
12.4網(wǎng)絡(luò)整體特征刻畫
12.5主要網(wǎng)絡(luò)類型及特點(diǎn)
12.6本章函數(shù)列表R語言數(shù)據(jù)挖掘
1.1什么是數(shù)據(jù)挖掘
1.2數(shù)據(jù)挖掘的結(jié)果
1.3數(shù)據(jù)挖掘能做什么
1.4數(shù)據(jù)挖掘方法的特點(diǎn)
1.5數(shù)據(jù)挖掘的典型應(yīng)用
1.6R語言入門**
1.7RStudio簡介
1.8本章函數(shù)列表
第2章R的數(shù)據(jù)組織和整理
2.1R的數(shù)據(jù)對(duì)象
2.2向量的創(chuàng)建和訪問
2.3矩陣的創(chuàng)建和訪問
2.4數(shù)據(jù)框的創(chuàng)建和訪問
2.5數(shù)組和列表的創(chuàng)建和訪問
2.6數(shù)據(jù)對(duì)象的相互轉(zhuǎn)換
2.7導(dǎo)入外部數(shù)據(jù)和保存數(shù)據(jù)
2.8R語言程序設(shè)計(jì)基礎(chǔ)
2.9R語言數(shù)據(jù)整理和程序設(shè)計(jì)綜合應(yīng)用
2.10本章函數(shù)列表
第3章R的數(shù)據(jù)可視化
3.1繪圖基礎(chǔ)
3.2單變量分布特征的可視化
3.3多變量聯(lián)合分布特征的可視化
3.4變量間相關(guān)性的可視化
3.5GIS數(shù)據(jù)的可視化
3.6文本詞頻數(shù)據(jù)的可視化
3.7本章函數(shù)列表
第4章R的近鄰分析：數(shù)據(jù)預(yù)測(cè)
4.1近鄰分析：K近鄰法
4.2基于變量重要性的加權(quán)K近鄰法
4.3基于觀測(cè)相似性的加權(quán)K近鄰法
4.4本章函數(shù)列表
第5章R的決策樹：數(shù)據(jù)預(yù)測(cè)
5.1決策樹算法概述
5.2分類回歸樹的生長過程
5.3分類回歸樹的剪枝
5.4分類回歸樹的R函數(shù)和應(yīng)用示例
5.5建立分類回歸樹的組合預(yù)測(cè)模型
5.6隨機(jī)森林
5.7本章函數(shù)列表
第6章R的人工神經(jīng)網(wǎng)絡(luò)：數(shù)據(jù)預(yù)測(cè)
6.1人工神經(jīng)網(wǎng)絡(luò)概述
6.2BP反向傳播網(wǎng)絡(luò)
6.3BP反向傳播網(wǎng)絡(luò)的R函數(shù)和應(yīng)用示例
6.4本章函數(shù)列表
第7章R的支持向量機(jī)：數(shù)據(jù)預(yù)測(cè)
7.1支持向量分類概述
7.2線性可分問題下的支持向量分類
7.3廣義線性可分問題下的支持向量分類
7.4線性不可分問題下的支持向量分類
7.5多分類的支持向量分類
7.6支持向量回歸
7.7R的支持向量機(jī)及應(yīng)用示例
7.8本章函數(shù)列表
第8章R的一般聚類：揭示數(shù)據(jù)內(nèi)在結(jié)構(gòu)
8.1聚類分析概述
8.2基于質(zhì)心的聚類模型：KMeans聚類
8.3基于質(zhì)心的聚類模型：PAM聚類
8.4基于聯(lián)通性的聚類模型：層次聚類
8.5基于統(tǒng)計(jì)分布的聚類模型：EM聚類
8.6本章函數(shù)列表
第9章R的特色聚類：揭示數(shù)據(jù)內(nèi)在結(jié)構(gòu)
9.1BIRCH聚類
9.2SOM網(wǎng)絡(luò)聚類
9.3基于密度的聚類模型：DBSCAN聚類
9.4本章函數(shù)列表
第10章R的關(guān)聯(lián)分析：揭示數(shù)據(jù)關(guān)聯(lián)性
10.1簡單關(guān)聯(lián)規(guī)則及其測(cè)度
10.2Apriori算法及應(yīng)用示例
10.3Eclat算法及應(yīng)用示例
10.4簡單關(guān)聯(lián)分析的應(yīng)用示例
10.5序列關(guān)聯(lián)分析及SPADE算法
10.6本章函數(shù)列表
第11章R的模式甄別：診斷異常數(shù)據(jù)
11.1模式甄別方法和評(píng)價(jià)概述
11.2模式甄別的無監(jiān)督偵測(cè)方法及應(yīng)用示例
11.3模式甄別的有監(jiān)督偵測(cè)方法及應(yīng)用示例
11.4模式甄別的半監(jiān)督偵測(cè)方法及應(yīng)用示例
11.5本章函數(shù)列表
第12章R的網(wǎng)絡(luò)分析初步
12.1網(wǎng)絡(luò)的定義、表示及構(gòu)建
12.2網(wǎng)絡(luò)節(jié)點(diǎn)重要性的測(cè)度
12.3網(wǎng)絡(luò)子群構(gòu)成特征研究
12.4網(wǎng)絡(luò)整體特征刻畫
12.5主要網(wǎng)絡(luò)類型及特點(diǎn)
12.6本章函數(shù)列表R語言數(shù)據(jù)挖掘
展開全部
21世紀(jì)統(tǒng)計(jì)學(xué)系列教材R語言數(shù)據(jù)挖掘(第2版)/薛薇/21世紀(jì)統(tǒng)計(jì)學(xué)系列教材 作者簡介
薛薇，中國人民大學(xué)應(yīng)用統(tǒng)計(jì)中心副主任，中國人民大學(xué)統(tǒng)計(jì)學(xué)院副教授。主要研究領(lǐng)域：數(shù)據(jù)挖掘、文本挖掘、復(fù)雜網(wǎng)絡(luò)建模。關(guān)注統(tǒng)計(jì)和數(shù)據(jù)挖掘算法及軟件應(yīng)用，統(tǒng)計(jì)數(shù)據(jù)庫系統(tǒng)研發(fā)等方面。涉足交通、金融、貿(mào)易等復(fù)雜網(wǎng)絡(luò)動(dòng)態(tài)建模，電商數(shù)據(jù)分析，網(wǎng)絡(luò)新媒體輿論傳播、熱點(diǎn)事件主題跟蹤和預(yù)測(cè)建模，政府和官方微博、學(xué)科學(xué)術(shù)熱點(diǎn)跟蹤等文本挖掘，以及社會(huì)網(wǎng)絡(luò)分析和以數(shù)據(jù)挖掘?yàn)橐劳械目蛻絷P(guān)系管理等領(lǐng)域。
書友推薦
- >
名家?guī)阕x魯迅:故事新編
- >
有舍有得是人生
- >
姑媽的寶刀
- >
月亮虎
- >
伊索寓言-世界文學(xué)名著典藏-全譯本
- >
小考拉的故事-套裝共3冊(cè)
- >
我與地壇
- >
名家?guī)阕x魯迅:朝花夕拾
本類暢銷
