mm美女1313视频在线观看,黑人大群xxxx,中文字幕第二十页

本書分為基礎(chǔ)篇、進階篇、拓展篇三個模塊，共9個章節(jié)，包括R語言基礎(chǔ)知識、常用模型和特色應用。同時，本書將R語言和數(shù)據(jù)科學相結(jié)合，講解了數(shù)據(jù)獲取、數(shù)據(jù)描述、數(shù)據(jù)預處理、數(shù)據(jù)分析、數(shù)據(jù)挖掘、數(shù)據(jù)可視化的理論知識以及R語言的實現(xiàn)方法。除第9章外，每章配有綜合實驗，引導學生解決應用問題。本書是學習R語言、數(shù)據(jù)科學類課程的基礎(chǔ)教材，配有完備的教學資料，支持多種教學模式，可作為各類高等院校開設(shè)R語言、數(shù)據(jù)科學類課程的通識基礎(chǔ)教材，也可供數(shù)據(jù)科學、R語言愛好者自學使用。

大數(shù)據(jù)時代已經(jīng)到來，基于數(shù)據(jù)科學的方法發(fā)現(xiàn)問題并做出科學客觀的決策越來越重要。R是世界上應用廣泛的數(shù)據(jù)分析、數(shù)據(jù)挖掘及數(shù)據(jù)可視化語言，是從大數(shù)據(jù)中獲取信息的重要工具。它是開源、免費、跨平臺、第三方支持的語言，在程序設(shè)計語言類排名中位于前十，在經(jīng)濟、金融、管理、生物、醫(yī)學等眾多領(lǐng)域發(fā)揮著巨大作用。近年來隨著大數(shù)據(jù)、數(shù)據(jù)科學、機器學習、開源平臺的發(fā)展，R語言的功能不斷豐富，幾乎能夠完成任何數(shù)據(jù)處理任務(wù)，可安裝運行于所有主流平臺，是科學研究、大數(shù)據(jù)人才培養(yǎng)的重要工具。
國內(nèi)外有豐富的R語言開放論壇、在線平臺等資源，例如，RStudio網(wǎng)站中Resources專欄涵蓋了從基礎(chǔ)入門到高級R編程的豐富內(nèi)容，Kaggle、Datacmap等在線平臺從課程到項目再到競賽一應俱全，國外很多高校公開了R語言的課程和學習資料庫。相對而言，我國開設(shè)R語言程序設(shè)計的通識課程還不多，相關(guān)教材和實驗資源較少。編者所在的北京交通大學設(shè)置了全校信息技術(shù)通識課R語言程序設(shè)計，面向大學低年級學生選修。本書結(jié)合此課程的教學目標和教學實踐編寫，有以下特點。
（1）本書幫助學生較為全面地了解R語言，包括R語言基礎(chǔ)知識、常用模型和特色應用，是讀者學習和拓展R語言應用的基礎(chǔ)資料。
（2）本書將R語言和數(shù)據(jù)科學相結(jié)合，內(nèi)容涵蓋數(shù)據(jù)獲取、數(shù)據(jù)描述、數(shù)據(jù)預處理、數(shù)據(jù)分析、數(shù)據(jù)挖掘、數(shù)據(jù)可視化的理論知識和R語言的主要實現(xiàn)方法，每章配有綜合實驗，引導學生利用所學知識解決問題。理論和實踐相結(jié)合，為學生后續(xù)課程中的數(shù)據(jù)處理打下基礎(chǔ)。
（3）本書分為基礎(chǔ)篇、進階篇、拓展篇三個模塊，共9個章節(jié)，支持32～64學時的R語言程序設(shè)計數(shù)據(jù)科學等信息技術(shù)類通識課程，支持個性化教學、分層教學、混合式教學等多種教學模式。
（4）為幫助師生更好地使用本書，本書配有完備的教學資料，包括教學大綱、PPT課件和習題。本課程在中國大學MOOC（春季學期）上開課，方便學習。
本書可作為各類高等院校開設(shè)R語言、數(shù)據(jù)科學等通識類課程的教材，也可供數(shù)據(jù)科學、R語言愛好者自學使用。感謝為本書的編寫提供直接或間接幫助的各位朋友。在編寫過程中，李皓維、盧靜、蔣方冰、廖云飛、陳曉瑜、羅敘卿參與了資料收集、案例測試等工作，北京交通大學R語言程序設(shè)計選修課的同學們參與了本書的實驗測試，并對教材內(nèi)容進行了反饋，在此表示感謝。R語言的實用性很強，同學們在今后的科研實踐活動中能用得上，有些同學使用R語言參加建模方面的競賽，獲得一些成績，作為教師非常高興。面對日新月異的大數(shù)據(jù)時代，希望讀者以此書為起點，學有所獲，讓學習常態(tài)化，不斷進取。
在本書的編寫過程中，編者總能發(fā)現(xiàn)有很多值得完善的地方，今后會在中國大學MOOC的在線課程中不斷優(yōu)化完善。由于水平和精力所限，書中難免有錯誤和不足之處，懇請廣大讀者批評指正。

周圍崔瀕月2023年2月

基礎(chǔ)篇
第1章R語言概述3
1.1認識R語言3
1.1.1R語言是什么3
1.1.2R語言與數(shù)據(jù)科學3
1.1.3R語言與計算思維4
1.2第一個R語言會話4
1.2.1開發(fā)環(huán)境配置4
1.2.2程序編寫運行6
1.3R語言包9
1.3.1包的含義9
1.3.2包的安裝和使用9
1.4R語言數(shù)據(jù)集9
1.5綜合實驗10
1.5.1實驗1: R語言軟件安裝10
1.5.2實驗2: RStudio安裝15
1.5.3實驗3: 編寫Hello World!程序19
1.5.4實驗4: 工作空間的管理和使用20
1.5.5實驗5: 使用rmarkdown包22
思考與練習25
第2章數(shù)據(jù)對象27
2.1數(shù)據(jù)類型27
2.1.1數(shù)據(jù)類型分類27
2.1.2數(shù)據(jù)類型的轉(zhuǎn)換27
2.1.3數(shù)據(jù)類型的查看28
2.2數(shù)據(jù)結(jié)構(gòu)292.3向量30
2.3.1創(chuàng)建向量30
2.3.2向量的運算31
2.3.3向量的索引32
2.3.4向量的排序34
2.4矩陣34
2.4.1創(chuàng)建矩陣34
2.4.2矩陣的合并35
2.4.3矩陣的運算36
2.4.4矩陣的索引37
2.5數(shù)組38
2.6數(shù)據(jù)框39
2.6.1創(chuàng)建數(shù)據(jù)框40
2.6.2數(shù)據(jù)框的索引40
2.7列表41
2.7.1創(chuàng)建列表41
2.7.2列表的索引41
2.8因子42
2.8.1創(chuàng)建因子42
2.8.2創(chuàng)建有規(guī)律的因子44
2.9綜合實驗44
2.9.1實驗1: 熟悉向量的計算44
2.9.2實驗2: 靈活使用矩陣45
2.9.3實驗3: 綜合運用數(shù)據(jù)框50
2.9.4實驗4: 熟悉因子52
思考與練習53
〖3〗R語言程序設(shè)計目錄〖3〗第3章數(shù)據(jù)管理55
3.1控制結(jié)構(gòu)55
3.1.1分支結(jié)構(gòu)55
3.1.2循環(huán)結(jié)構(gòu)56
3.1.3控制語句58
3.2函數(shù)59
3.2.1數(shù)學運算函數(shù)59
3.2.2字符處理函數(shù)62
3.2.3日期處理函數(shù)64
3.2.4自定義函數(shù)66
3.2.5函數(shù)的嵌套68
3.3apply函數(shù)族68
3.3.1函數(shù)族68
3.3.2apply()函數(shù)69
3.3.3tapply()函數(shù)70
3.3.4lapply()函數(shù)71
3.3.5sapply()函數(shù)71
3.4數(shù)據(jù)輸入與輸出71
3.4.1數(shù)據(jù)輸入71
3.4.2數(shù)據(jù)輸出72
3.5綜合實驗73
3.5.1實驗1: 編寫自定義函數(shù)73
3.5.2實驗2: 百分制成績換算75
3.5.3實驗3: 兩種方法實現(xiàn)數(shù)據(jù)處理76
3.5.4實驗4: 實現(xiàn)爬蟲功能77
思考與練習78
第4章數(shù)據(jù)可視化79
4.1繪圖基礎(chǔ)79
4.1.1高級繪圖函數(shù)79
4.1.2低級繪圖函數(shù)83
4.1.3繪制圖形89
4.2繪圖進階93
4.2.1ggplot2繪圖包93
4.2.2使用qplot()函數(shù)繪圖94
4.2.3使用ggplot()函數(shù)繪圖94
4.3繪制更豐富的圖形96
4.4綜合實驗98
4.4.1實驗1: 繪制鳶尾花數(shù)據(jù)圖形98
4.4.2實驗2: 繪制汽車數(shù)據(jù)圖形100
4.4.3實驗3: 繪制交互式圖形106
思考與練習110
進階篇
第5章數(shù)據(jù)探索113
5.1數(shù)據(jù)描述113
5.1.1數(shù)據(jù)的類別113
5.1.2數(shù)據(jù)的集中趨勢114
5.1.3數(shù)據(jù)的離散程度114
5.1.4數(shù)據(jù)的分布特征115
5.1.5數(shù)據(jù)的相似性117
5.2數(shù)據(jù)清洗118
5.2.1處理缺失數(shù)據(jù)118
5.2.2處理異常數(shù)據(jù)119
5.2.3處理重復數(shù)據(jù)121
5.3數(shù)據(jù)集成121
5.3.1數(shù)據(jù)集的合并121
5.3.2數(shù)據(jù)子集的獲取122
5.3.3數(shù)據(jù)的分組匯總123
5.3.4數(shù)據(jù)的頻數(shù)計算124
5.3.5使用SQL語句125
5.4數(shù)據(jù)規(guī)范125
5.5數(shù)據(jù)重構(gòu)126
5.6綜合實驗128
5.6.1實驗1: 對mtcars數(shù)據(jù)集的初步探索128
5.6.2實驗2: 處理數(shù)據(jù)集中的缺失值130
5.6.3實驗3: 對mtcars數(shù)據(jù)集的標準化132
5.6.4實驗4: 數(shù)據(jù)重構(gòu)133
思考與練習135
第6章數(shù)據(jù)分析137
6.1隨機數(shù)模擬137
6.1.1生成隨機數(shù)137
6.1.2特定分布的隨機數(shù)137
6.1.3隨機抽樣138
6.2假設(shè)檢驗139
6.2.1假設(shè)檢驗的方法139
6.2.2均值檢驗139
6.2.3相關(guān)性檢驗141
6.3方差分析142
6.4線性回歸143
6.4.1變量間關(guān)系144
6.4.2一元線性回歸144
6.4.3多項式回歸146
6.4.4多元線性回歸147
6.5廣義線性模型149
6.5.1廣義線性模型概況149
6.5.2Logistic回歸150
6.5.3泊松回歸153
6.6綜合實驗154
6.6.1實驗1: 假設(shè)檢驗的應用154
6.6.2實驗2: 方差分析155
6.6.3實驗3: 一元線性回歸分析160
6.6.4實驗4: 多項式回歸分析162
6.6.5實驗5: 泊松回歸分析164
6.6.6實驗6: Logistics回歸分析166
思考與練習172
第7章數(shù)據(jù)挖掘174
7.1相關(guān)概念174
7.1.1數(shù)據(jù)分析與數(shù)據(jù)挖掘174
7.1.2數(shù)據(jù)挖掘與機器學習175
7.1.3數(shù)據(jù)驅(qū)動為核心的機器學習175
7.1.4模型評估176
7.2分類與回歸178
7.2.1決策樹178
7.2.2隨機森林178
7.2.3KNN178
7.2.4樸素貝葉斯179
7.2.5支持向量機179
7.2.6人工神經(jīng)網(wǎng)絡(luò)180
7.3聚類分析180
7.3.1K均值聚類180
7.3.2主成分分析181
7.4可視化挖掘工具181
7.5綜合實驗181
7.5.1實驗1: 決策樹181
7.5.2實驗2: 隨機森林183
7.5.3實驗3: KNN186
7.5.4實驗4: 樸素貝葉斯187
7.5.5實驗5: 支持向量機189
7.5.6實驗6: 人工神經(jīng)網(wǎng)絡(luò)192
7.5.7實驗7: KMeans聚類194
7.5.8實驗8: 主成分分析196
思考與練習199
拓展篇
第8章高級特性203
8.1面向?qū)ο蟮木幊?03
8.1.1面向?qū)ο蟮暮x203
8.1.2R語言與面向?qū)ο缶幊?04
8.1.3S3類206
8.1.4S4類207
8.2程序調(diào)試209
8.2.1程序調(diào)試介紹209
8.2.2R語言如何調(diào)試209
8.3性能提升210
8.3.1向量化210
8.3.2語句優(yōu)化212
8.4并行計算212
8.5綜合實驗213
思考與練習217
第9章應用拓展219
9.1R語言與數(shù)學219
9.1.1微積分219
9.1.2線性代數(shù)219
9.1.3概率論與數(shù)理統(tǒng)計220
9.1.4多元統(tǒng)計分析220
9.1.5數(shù)值計算220
9.2R語言的應用拓展220
9.2.1關(guān)聯(lián)規(guī)則220
9.2.2智能推薦221
9.2.3時間序列221
9.2.4深度學習222
思考與練習222
附錄A本書使用的函數(shù)223
參考文獻229

你還可能感興趣

我要評論