第 1 章 為何選擇 R 語言 1 1.1 什么是 R 語言 1 1.2 R 語言的發(fā)展歷史 2 1.3 R 語言的優(yōu)勢(shì) 2 1.3.1 開源 3 1.3.2 插件就緒 3 1.3.3 數(shù)據(jù)可視化友好 4 1.4 安裝 R 語言、編寫 R 語言 代碼 5 1.4.1 下載 R 語言軟件包 5 1.4.2 應(yīng)用于 Windows 平臺(tái)和 MacOS 平臺(tái)的 R 語言 軟件包 5 1.4.3 應(yīng)用于 Linux 平臺(tái)的 R 語言軟件包 6 1.4.4 基礎(chǔ)版本 R 語言包安裝的 主要組件 6 1.4.5 編寫 R 語言及運(yùn)行 R 語言 代碼的替代平臺(tái) 8 1.5 R 語言的基本概念 11 1.5.1 R 語言初級(jí)入門 11 1.5.2 向量（Vector） 14 1.5.3 列表（Lists） 15 1.5.4 數(shù)據(jù)幀（Data frames） 17 1.5.5 函數(shù)（Functions） 18 1.6 R 語言的劣勢(shì)以及如何克服 這些劣勢(shì) 20 1.6.1 高效學(xué)習(xí) R 語言， 最小化精力投入 21 1.6.2 通過 R 語言操作大型 數(shù)據(jù)集 24 1.7 更多參考 25 1.8 小結(jié) 25 第 2 章 數(shù)據(jù)挖掘入門-讀者銀行賬戶 數(shù)據(jù)分析 26 2.1 獲取并準(zhǔn)備銀行數(shù)據(jù) 26 2.1.1 數(shù)據(jù)模型 27 2.2 使用數(shù)據(jù)透視表匯總數(shù)據(jù) 27 2.2.1 管道操作符簡(jiǎn)介 29 2.2.2 dplyr 程序包簡(jiǎn)介 30 2.2.3 安裝必要程序包并將 個(gè)人數(shù)據(jù)加載到 R 語言 環(huán)境中 31 2.2.4 確定每月和每天的 費(fèi)用總額 32 2.4 使用 ggplot2 程序包對(duì)數(shù)據(jù)進(jìn)行 可視化處理 36 2.4.1 數(shù)據(jù)可視化基本 原理 36 2.4.2 使用 ggplot 程序包來進(jìn)行 數(shù)據(jù)可視化 42 2.5 更多參考 47 2.6 小結(jié) 47 第 3 章 數(shù)據(jù)挖掘進(jìn)階-數(shù)據(jù)挖掘標(biāo)準(zhǔn) 流程（CRISP-DM）方法論 49 3.1 數(shù)據(jù)挖掘標(biāo)準(zhǔn)流程（CRISP-DM） 方法論之?dāng)?shù)據(jù)挖掘周期 50 3.2 業(yè)務(wù)理解 51 3.3 數(shù)據(jù)理解 51 3.3.1 數(shù)據(jù)收集 52 3.3.2 數(shù)據(jù)描述 52 3.3.3 數(shù)據(jù)探索 53 3.4 數(shù)據(jù)準(zhǔn)備 57 3.5 建模 57 3.5.1 定義數(shù)據(jù)建模策略 58 3.6 評(píng)估 59 3.6.1 聚類評(píng)估 59 3.6.2 分類評(píng)估 60 3.6.3 回歸評(píng)估 60 3.6.4 如何判斷模型性能的 充分性 61 3.7 部署 62 3.7.1 部署計(jì)劃開發(fā) 62 3.7.2 維護(hù)計(jì)劃開發(fā) 63 3.8 小結(jié) 64 第4 章 保持室內(nèi)整潔-數(shù)據(jù)挖掘架構(gòu) 65 4.1 概述 65 4.2 數(shù)據(jù)源 67 4.2.1 數(shù)據(jù)源類型 68 4.3 數(shù)據(jù)庫和數(shù)據(jù)倉庫 69 4.3.1 中間層-數(shù)據(jù)集市 70 4.3.2 單層架構(gòu)的數(shù)據(jù)倉庫 70 4.3.3 雙層架構(gòu)的數(shù)據(jù)倉庫 71 4.3.4 三層架構(gòu)的數(shù)據(jù) 倉庫 71 4.3.5 實(shí)際應(yīng)用的技術(shù) 72 4.4 數(shù)據(jù)挖掘引擎 73 4.4.1 解釋器 74 4.4.2 引擎和數(shù)據(jù)倉庫之間的 接口 74 4.4.3 數(shù)據(jù)挖掘算法 74 4.5 用戶界面 75 4.5.1 清晰性原則 76 4.6 如何使用 R 語言來創(chuàng)建數(shù)據(jù) 挖掘架構(gòu) 79 4.6.1 數(shù)據(jù)源 79 4.6.2 數(shù)據(jù)倉庫 80 4.6.3 數(shù)據(jù)挖掘引擎 80 4.6.4 用戶界面 81 4.7 更多參考 82 4.8 小結(jié) 82 第 5 章 如何解決數(shù)據(jù)挖掘問題-數(shù)據(jù) 清洗和驗(yàn)證 83 5.1 安靜祥和的一天 83 5.2 數(shù)據(jù)清洗 85 5.2.1 Tidy data 框架 85 5.2.2 分析數(shù)據(jù)的結(jié)構(gòu) 87 5.2.3 數(shù)據(jù)整理 93 5.2.4 驗(yàn)證數(shù)據(jù) 99 5.2.5 數(shù)據(jù)合并 109 5.3 更多參考 111 5.4 小結(jié) 111 第 6 章 觀察數(shù)據(jù) - 探索性數(shù)據(jù) 分析 113 6.1 匯總 EDA 介紹 113 6.1.1 描述總體分布 114 6.1.2 測(cè)定變量之間的 相關(guān)性 124 6.2 圖形化 EDA 130 6.2.1 變量分布可視化 131 6.2.2 變量關(guān)系可視化 136 6.2.3 更多參考 141 6.3 小結(jié) 141 第 7 章 最初的猜想-線性回歸 142 7.1 定義數(shù)據(jù)建模策略 143 7.1.1 數(shù)據(jù)建模相關(guān)概念 146 7.2 應(yīng)用線性回歸 148 7.2.1 線性回歸的直觀解釋 149 7.2.2 線性回歸的數(shù)學(xué) 原理 150 7.2.3 如何在 R 語言中使用 線性回歸 152 7.3 更多參考 161 7.4 小結(jié) 161 第 8 章 淺談模型性能評(píng)估 163 8.1 定義模型性能 163 8.1.1 模型的擬合度與模型的 可解釋性 164 8.1.2 使用模型進(jìn)行預(yù)測(cè) 165 8.2 測(cè)量回歸模型的性能 167 8.2.1 均方誤差 167 8.2.2 R 平方 172 8.3 衡量分類問題模型的性能 177 8.3.1 混淆矩陣 178 8.3.2 準(zhǔn)確度 180 8.3.3 靈敏度 182 8.3.4 特異性 182 8.3.5 如何選擇合適的性能 統(tǒng)計(jì)指標(biāo) 183 8.4 區(qū)分訓(xùn)練數(shù)據(jù)集與測(cè)試 數(shù)據(jù)集 184 8.5 更多參考 185 8.6 小結(jié) 185 第 9 章 不要放棄-繼續(xù)學(xué)習(xí)包括多元 變量的回歸 187 9.1 從簡(jiǎn)單線性回歸到多元線性 回歸 188 9.1.1 符號(hào) 188 9.1.2 假設(shè) 188 9.2 降維 191 9.2.1 逐步回歸 192 9.2.2 主成分回歸 196 9.3 使用 R 語言擬合多元線性 模型 197 9.3.1 模型擬合 197 9.3.2 變量的假設(shè)驗(yàn)證 200 9.3.3 殘差假設(shè)驗(yàn)證 201 9.3.4 降維 202 9.4 更多參考 208 9.5 小結(jié) 208 第 10 章 關(guān)于分類模型問題的 不同展望 209 10.1 分類模型是什么？讀者為什么 需要分類模型 209 10.1.1 線性回歸應(yīng)用于分類 變量的局限性 210 10.1.2 常用的分類算法和 模型 211 10.2 邏輯回歸 213 10.2.1 邏輯回歸的原理 213 10.2.2 邏輯回歸的數(shù)學(xué) 原理 215 10.2.3 如何在 R 中應(yīng)用邏輯 回歸 218 10.2.4 邏輯回歸結(jié)果的 可視化與解釋 224 10.3 支持向量機(jī)（SVM） 228 10.3.1 支持向量機(jī)的 原支理 229 10.3.2 在原 R 語言中應(yīng)用支持 向量機(jī) 234 10.3.3 理解支持向量機(jī)的 結(jié)果 235 10.4 更多參考 238 10.5 小結(jié) 238 第 11 章 最后沖刺-隨機(jī)森林和 集成學(xué)習(xí) 239 11.1 隨機(jī)森林 239 11.1.1 隨機(jī)森林的構(gòu)建模塊-決策樹 簡(jiǎn)介 240 11.1.2 隨機(jī)森林的原理 243 11.1.3 在 R 語言中應(yīng)用隨機(jī) 森林 243 11.1.4 評(píng)估模型的結(jié)果 244 11.2 集成學(xué)習(xí) 249 11.2.1 基礎(chǔ)的集成學(xué)習(xí)技術(shù) 250 11.2.2 采用 R 語言對(duì)數(shù)據(jù)進(jìn)行 集成學(xué)習(xí) 250 11.3 在新數(shù)據(jù)上應(yīng)用估計(jì)模型 256 11.3.1 將 predict.glm()函數(shù)用于 邏輯模型的預(yù)測(cè) 257 11.3.2 將 predict.randomforest() 用于隨機(jī)森林的預(yù)測(cè) 258 11.3.3 將 predict.svm()函數(shù)應(yīng)用 于支持向量機(jī)的預(yù)測(cè) 258 11.4 結(jié)構(gòu)化更加良好的預(yù)測(cè)分析 方法 258 11.5 對(duì)預(yù)測(cè)數(shù)據(jù)應(yīng)用集成學(xué)習(xí)中的 多數(shù)投票技術(shù) 259 11.6 更多參考 260 11.7 小結(jié) 260 第 12 章 尋找罪魁禍?zhǔn)?用 R 語言執(zhí)行 文本數(shù)據(jù)挖掘 262 12.1 提取 PDF 文件中的數(shù)據(jù) 262 12.1.1 獲取文檔列表 263 12.1.2 通過 pdf_text()函數(shù)將 PDF 文件讀取到 R 語言 環(huán)境 264 12.1.3 使用 for 循環(huán)迭代提取 文本 266 12.2 文本情感分析 269 12.3 開發(fā)詞云 272 12.4 N 元組模型（n-grams） 分析 274 12.5 網(wǎng)絡(luò)分析 275 12.5.1 從數(shù)據(jù)幀中獲取邊 列表 279 12.5.2 使用 ggraph 程序包可視化 網(wǎng)絡(luò) 279 12.6 更多參考 283 12.7 小結(jié) 283 第 13 章 借助 R Markdown 與股東分享 公司現(xiàn)狀 284 13.1 富有說服力的數(shù)據(jù)挖掘報(bào)告之 原則 284 13.1.1 清晰闡明目標(biāo) 284 13.1.2 明確陳述假設(shè) 285 13.1.3 數(shù)據(jù)處理過程清晰 明了 285 13.1.4 數(shù)據(jù)一致性 286 13.1.5 提供數(shù)據(jù)譜系 286 13.2 編制 R MarkDown 報(bào)告 287 13.3 在 RStudio 中編制 R Markdown 報(bào)告文檔 288 13.3.1 Markdown 簡(jiǎn)介 288 13.3.2 插入代碼塊 289 13.3.3 通過內(nèi)聯(lián) R 語言代碼， 在文本中重現(xiàn)代碼的 輸出 292 13.3.4 Shiny 簡(jiǎn)介以及 reactivity 框架 293 13.3.5 添加交互式數(shù)據(jù)族譜 模塊 297 13.4 渲染和分享 R Markdown 報(bào)告 301 13.4.1 渲染 R Markdown 報(bào)告 301 13.4.2 分享 R Markdown 報(bào)告 301 13.5 更多參考 304 13.6 小結(jié) 304 第 14 章 結(jié)語 306 附錄 A 處理日期、相對(duì)路徑和函數(shù) 309 A.1 使用 R 語言處理日期 309 A.2 R 語言中的工作目錄和相對(duì) 路徑 309 A.3 條件聲明 310