目 錄
第1章 R簡介 1
1.1 開始使用R軟件 1
1.2 R對象 4
1.2.1 向量 4
1.2.2 數(shù)組 5
1.2.3 矩陣 7
1.2.4 數(shù)據(jù)框 9
1.2.5 因子 11
1.2.6 列表 11
1.2.7 對象轉換 12
第2章 數(shù)據(jù)的讀取與寫入 14
2.1 數(shù)據(jù)的讀取 14
2.2 數(shù)據(jù)的寫入與數(shù)據(jù)集 17
2.3 RData 格式數(shù)據(jù)的寫入與讀取 18
2.4 讀取 SQL Server 數(shù)據(jù)庫的數(shù)據(jù) 19
第3章 流程控制及自定義函數(shù) 20
3.1 條件執(zhí)行 20
3.2 循環(huán)控制 22
3.3 自定義函數(shù) 25
第4章 繪圖功能及基本統(tǒng)計 27
4.1 高級繪圖 27
4.2 低級繪圖 30
4.3 交互式繪圖 31
4.4 圖形參數(shù) 32
4.5 基本統(tǒng)計 34
第5章 相關程序包的介紹 39
5.1 機器學習 39
5.2 數(shù)據(jù)挖掘 40
5.3 社交網(wǎng)絡分析及文本挖掘 40
5.4 大數(shù)據(jù)分析 41
5.5 程序包的介紹 41
第6章 監(jiān)督式學習 51
6.1 決策樹 51
6.2 支持向量機 61
6.3 人工神經(jīng)網(wǎng)絡 65
6.4 組合方法 70
6.4.1 隨機森林 70
6.4.2 推進法 71
第7章 無監(jiān)督式學習 72
7.1 層次聚類法 72
7.2 K 平均聚類算法 75
7.3 模糊C平均聚類算法 77
7.4 聚類指標 83
第8章 進化式學習 86
8.1 基因算法 86
8.2 人工蜂群算法 92

第9章 混合式學習 95
9.1 使用 C50 和 ABCoptim 程序包范例 95
9.2 使用基因算法來調(diào)整人工神經(jīng)網(wǎng)絡參數(shù)的范例 97
第10章 關聯(lián)規(guī)則 107
10.1 關聯(lián)規(guī)則簡介 107
10.2 Apriori 算法 108
第11章 社交網(wǎng)絡分析和文本挖掘 117
11.1 社交網(wǎng)絡分析 117
11.2 文本挖掘 122
第12章 圖形化數(shù)據(jù)分析工具 125
12.1 導入數(shù)據(jù) 126
12.1.1 處理數(shù)據(jù)集 130
12.1.2 設置變量 131
12.2 探索和測試數(shù)據(jù) 131
12.3 轉換數(shù)據(jù) 135
12.4 建立、評估和導出模型 137
第13章 大數(shù)據(jù)分析 （R Hadoop） 141
13.1 Hadoop 簡介 141
13.2 R Hadoop 142
第14章 SparkR 大數(shù)據(jù)分析 170
14.1 dplyr 數(shù)據(jù)處理程序包 172
14.2 SparkR 數(shù)據(jù)處理 175
14.3 SparkR 與 SQL Server 181
14.4 SparkR 與 Cassandra 184
14.5 Spark Standalone 模式 186
14.6 SparkR 數(shù)據(jù)分析 189
附錄A 下載和安裝 R 197
附錄B 安裝RStudio Desktop 203
附錄C 安裝ODBC 209
附錄D 指令及用法 214
附錄E 在虛擬機上安裝 R Hadoop 218
附錄F 在虛擬機上安裝 SparkR 247
參考文獻 272