計算機科學(xué)叢書：數(shù)據(jù)挖掘與R語言簡介，目錄書摘
《計算機科學(xué)叢書：數(shù)據(jù)挖掘與R語言》的支持網(wǎng)站給出了案例研究的所有代碼、數(shù)據(jù)集以及R函數(shù)包
不要求讀者具有R、數(shù)據(jù)挖掘或統(tǒng)計技術(shù)的基礎(chǔ)知識
《計算機科學(xué)叢書：數(shù)據(jù)挖掘與R語言》利用大量給出必要步驟、代碼和數(shù)據(jù)的具體案例，詳細(xì)描述了數(shù)據(jù)挖掘的主要過程和技術(shù)
《計算機科學(xué)叢書：數(shù)據(jù)挖掘與R語言》首先簡要介紹了R軟件的基礎(chǔ)知識（安裝、R數(shù)據(jù)結(jié)構(gòu)、R編程、R的輸入和輸出等）。然后通過四個數(shù)據(jù)挖掘的實際案例（藻類頻率的預(yù)測、證券趨勢預(yù)測和交易系統(tǒng)仿真、交易欺詐預(yù)測、微陣列數(shù)據(jù)分類）介紹數(shù)據(jù)挖掘技術(shù)。這四個案例基本覆蓋了常見的數(shù)據(jù)挖掘技術(shù)，從無監(jiān)督的數(shù)據(jù)挖掘技術(shù)、有監(jiān)督的數(shù)據(jù)挖掘技術(shù)到半監(jiān)督的數(shù)據(jù)挖掘技術(shù)。全書以實際問題、解決方案和對解決方案的討論為主線來組織內(nèi)容，脈絡(luò)清晰，并且各章自成體系。讀者可以從頭至尾逐章學(xué)習(xí)，也可以根據(jù)自己的需要進(jìn)行學(xué)習(xí)，找到自己實際問題的解決方案。
《計算機科學(xué)叢書：數(shù)據(jù)挖掘與R語言》不需要讀者具備R和數(shù)據(jù)挖掘的基礎(chǔ)知識。不管是R初學(xué)者，還是熟練的R用戶都能從書中找到對自己有用的內(nèi)容。讀者既可以把本書作為學(xué)習(xí)如何應(yīng)用R的一本優(yōu)秀教材，也可以作為數(shù)據(jù)挖掘的工具書。
Luís Torgo，葡萄牙波爾圖大學(xué)計算機科學(xué)系副教授，現(xiàn)在在LIAAD實驗室從事研究工作。他是APPIA會員，同時還是OBEGEF的創(chuàng)辦會員。
推薦序
中文版序
譯者序
前言
致謝
第1章 簡介
1.1如何閱讀本書
1.2R簡介
1.2.1R起步
1.2.2R對象
1.2.3向量
1.2.4向量化
1.2.5因子
1.2.6生成序列
1.2.7數(shù)據(jù)子集
1.2.8矩陣和數(shù)組
1.2.9列表
1.2.10數(shù)據(jù)框
1.2.11構(gòu)建新函數(shù)
1.2.12對象、類和方法
1.2.13管理R會話
1.3MySQL簡介
第2章 預(yù)測海藻數(shù)量
2.1問題描述與目標(biāo)
2.2數(shù)據(jù)說明
2.3數(shù)據(jù)加載到R
2.4數(shù)據(jù)可視化和摘要
2.5數(shù)據(jù)缺失
2.5.1將缺失部分剔除
2.5.2用最高頻率值來填補缺失值
2.5.3通過變量的相關(guān)關(guān)系來填補缺失值
2.5.4通過探索案例之間的相似性來填補缺失值
2.6獲取預(yù)測模型
2.6.1多元線性回歸
2.6.2回歸樹
2.7模型的評價和選擇
2.8預(yù)測7類海藻的頻率
2.9小結(jié)
第3章 預(yù)測股票市場收益
3.1問題描述與目標(biāo)
3.2可用的數(shù)據(jù)
3.2.1在R中處理與時間有關(guān)的數(shù)據(jù)
3.2.2從CSV文件讀取數(shù)據(jù)
3.2.3從網(wǎng)站上獲取數(shù)據(jù)
3.2.4從MySQL數(shù)據(jù)庫讀取數(shù)據(jù)
3.3定義預(yù)測任務(wù)
3.3.1預(yù)測什么
3.3.2預(yù)測變量是什么
3.3.3預(yù)測任務(wù)
3.3.4模型評價準(zhǔn)則
3.4預(yù)測模型
3.4.1如何應(yīng)用訓(xùn)練集數(shù)據(jù)來建模
3.4.2建模工具
3.5從預(yù)測到實踐
3.5.1如何應(yīng)用預(yù)測模型
3.5.2與交易相關(guān)的評價準(zhǔn)則
3.5.3模型集成：仿真交易
3.6模型評價和選擇
3.6.1蒙特卡羅估計
3.6.2實驗比較
3.6.3結(jié)果分析
3.7交易系統(tǒng)
3.7.1評估最終測試數(shù)據(jù)
3.7.2在線交易系統(tǒng)
3.8小結(jié)
第4章 偵測欺詐交易
4.1問題描述與目標(biāo)
4.2可用的數(shù)據(jù)
4.2.1加載數(shù)據(jù)至R
4.2.2探索數(shù)據(jù)集
4.2.3數(shù)據(jù)問題
4.3定義數(shù)據(jù)挖掘任務(wù)
4.3.1問題的不同解決方法
4.3.2評價準(zhǔn)則
4.3.3實驗方法
4.4計算離群值的排序
4.4.1無監(jiān)督方法
4.4.2有監(jiān)督方法
4.4.3半監(jiān)督方法
4.5小結(jié)
第5章 微陣列樣本分類
5.1問題描述與目標(biāo)
5.1.1微陣列實驗背景簡介
5.1.2數(shù)據(jù)集ALL
5.2可用的數(shù)據(jù)
5.3基因（特征）選擇
5.3.1基于分布特征的簡單過濾方法
5.3.2ANOVA過濾
5.3.3用隨機森林進(jìn)行過濾
5.3.4用特征聚類的組合進(jìn)行過濾
5.4遺傳學(xué)異常的預(yù)測
5.4.1定義預(yù)測任務(wù)
5.4.2模型評價標(biāo)準(zhǔn)
5.4.3實驗過程
5.4.4建模技術(shù)
5.4.5模型比較
5.5小結(jié)
參考文獻(xiàn)
主題索引
數(shù)據(jù)挖掘術(shù)語索引
R函數(shù)索引
京公網(wǎng)安備 11000002000088號
