基于R的統(tǒng)計(jì)分析與數(shù)據(jù)挖掘

定　價(jià)：￥48.00

作　者：	薛薇著
出版社：	中國(guó)人民大學(xué)出版社
叢編項(xiàng)：	統(tǒng)計(jì)數(shù)據(jù)分析與應(yīng)用叢書(shū)
標(biāo)　簽：	社會(huì)科學(xué) 統(tǒng)計(jì)學(xué)

購(gòu)買(mǎi)這本書(shū)可以去

ISBN：	9787300190747	出版時(shí)間：	2014-05-01	包裝：	平裝
開(kāi)本：	16開(kāi)	頁(yè)數(shù)：		字?jǐn)?shù)：

內(nèi)容簡(jiǎn)介

　　本書(shū)聚焦當(dāng)今備受?chē)?guó)內(nèi)外數(shù)據(jù)分析師和數(shù)據(jù)應(yīng)用者關(guān)注的R語(yǔ)言，關(guān)注如何借助R實(shí)現(xiàn)統(tǒng)計(jì)分析和數(shù)據(jù)挖掘。它既不是僅側(cè)重理論講解的統(tǒng)計(jì)分析和數(shù)據(jù)挖掘教科書(shū)，也不是僅側(cè)重R編程操作的使用手冊(cè)，而是以數(shù)據(jù)分析貫穿全書(shū)的兩者的有機(jī)結(jié)合。本書(shū)特色在于：以數(shù)據(jù)模擬的直觀方式論述方法原理的同時(shí)，通過(guò)案例強(qiáng)化R的操作實(shí)踐性；在以解決應(yīng)用問(wèn)題為目標(biāo)討論R操作的同時(shí)，通過(guò)原理論述強(qiáng)化模型結(jié)果的解讀理解。本書(shū)定位于統(tǒng)計(jì)分析和數(shù)據(jù)挖掘的學(xué)習(xí)者、實(shí)踐者和研究者，旨在使讀者理解統(tǒng)計(jì)分析原理，熟練操控R軟件，拓展數(shù)據(jù)應(yīng)用，提升研究水平。

作者簡(jiǎn)介

　　薛薇，工學(xué)碩士，經(jīng)濟(jì)學(xué)博士，中國(guó)人民大學(xué)應(yīng)用統(tǒng)計(jì)科學(xué)研究中心副主任，中國(guó)人民大學(xué)統(tǒng)計(jì)學(xué)院副教授。關(guān)注數(shù)據(jù)挖掘及統(tǒng)計(jì)建模、統(tǒng)計(jì)和數(shù)據(jù)挖掘軟件應(yīng)用、統(tǒng)計(jì)數(shù)據(jù)庫(kù)系統(tǒng)研發(fā)等方面。涉足網(wǎng)絡(luò)新媒體輿論傳播和互動(dòng)建模、政府和官方微博分析、電商數(shù)據(jù)分析、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?hù)關(guān)系管理等領(lǐng)域。主要著作：《SPSS統(tǒng)計(jì)分析方法及應(yīng)用》、《SPSS Modeler數(shù)據(jù)挖掘方法及應(yīng)用》、《基于R的統(tǒng)計(jì)分析和數(shù)據(jù)挖掘》、《基于信息技術(shù)的統(tǒng)計(jì)信息系統(tǒng)》等。

圖書(shū)目錄

第1章關(guān)于R
1．1 為什么選擇R
1．2 如何學(xué)習(xí)R
1．3 R入門(mén)必備
1．4 小結(jié)
第2章 R的數(shù)據(jù)組織
2．1 R的數(shù)據(jù)對(duì)象
2．2 創(chuàng)建和訪(fǎng)問(wèn)R的數(shù)據(jù)對(duì)象
2．3 從文本文件讀數(shù)據(jù)
2．4 外部數(shù)據(jù)的導(dǎo)入
2．5 R數(shù)據(jù)組織的其他問(wèn)題
2．6 小結(jié)
第3章 R的數(shù)據(jù)管理
3．1 數(shù)據(jù)合并
3．2 數(shù)據(jù)排序
3．3 缺失數(shù)據(jù)報(bào)告
3．4 變量計(jì)算
3．5 變量值的重編碼
3．6 數(shù)據(jù)篩選
3．7 數(shù)據(jù)保存
3．8 數(shù)據(jù)管理中控制流程
3．9 小結(jié)
第4章 R的基本數(shù)據(jù)分析：描述和相關(guān)
4．1 數(shù)值型單變量的描述
4．2 分類(lèi)型單變量的描述
4．3 兩數(shù)值型變量相關(guān)性的分析
4．4 兩分類(lèi)型變量相關(guān)性的分析
4．5 小結(jié)
第5章 R的基本數(shù)據(jù)分析：可視化
5．1 繪圖基礎(chǔ)
5．2 數(shù)值型單變量分布的可視化
5．3 分類(lèi)型變量分布和相關(guān)性的可視化
5．4 兩數(shù)值型變量相關(guān)性的可視化
5．5 lattice繪圖
5．6 小結(jié)
第6章 R的兩均值比較檢驗(yàn)
6．1 兩獨(dú)立樣本的均值檢驗(yàn)
6．2 兩配對(duì)樣本的均值檢驗(yàn)
6．3 樣本均值檢驗(yàn)的功效分析
6．4 兩總體分布差異的非參數(shù)檢驗(yàn)
6．5 兩樣本均值差的置換檢驗(yàn)
6．6 兩樣本均值差的自舉法檢驗(yàn)
6．7 小結(jié)
第7章 R的方差分析
7．1 單因素方差分析
7．2 單因素協(xié)方差分析
7．3 多因素方差分析
7．4 小結(jié)
第8章 R的回歸分析：一般線(xiàn)性模型
8．1 回歸分析概述
8．2 建立線(xiàn)性回歸模型
8．3 線(xiàn)性回歸方程的檢驗(yàn)
8．4 回歸診斷：誤差項(xiàng)是否滿(mǎn)足高斯馬爾科夫假定
8．5 回歸診斷：診斷數(shù)據(jù)中的異常觀測(cè)點(diǎn)
8．6 回歸診斷：多重共線(xiàn)性的診斷
8．7 回歸建模策略
8．8 回歸模型驗(yàn)證
8．9 帶虛擬變量的線(xiàn)性回歸分析
8．10 小結(jié)
第9章 R的回歸分析：廣義線(xiàn)性模型
9．1 廣義線(xiàn)性模型概述
9．2 logistic回歸分析：連接函數(shù)和參數(shù)估計(jì)
9．3 logistic回歸分析：解讀模型和模型檢驗(yàn)
9．4 logistic回歸分析：R函數(shù)和示例
9．5 logistic回歸分析：回歸診斷
9．6 泊松回歸分析
9．7 廣義線(xiàn)性模型的交叉驗(yàn)證
9．8 小結(jié)
第10章 R的聚類(lèi)分析
10．1 聚類(lèi)分析概述
10．2 K-Means聚類(lèi)
10．3 層次聚類(lèi)
10．4 兩步聚類(lèi)
10．5 小結(jié)
第11章 R的因子分析：變量降維
11．1 因子分析概述
11．2 構(gòu)造因子變量：基于主成分分析法
11．3 構(gòu)造因子變量：基于主軸因子法
11．4 因子變量的命名
11．5 計(jì)算因子得分
11．6 小結(jié)
第12章 R的線(xiàn)性判別分析：分類(lèi)模型
12．1 距離判別
12．2 Fisher判別
12．3 小結(jié)
第13章 R的決策樹(shù)：預(yù)測(cè)模型
13．1 決策樹(shù)算法概述
13．2 分類(lèi)回歸樹(shù)的生長(zhǎng)過(guò)程
13．3 分類(lèi)回歸樹(shù)的剪枝
13．4 建立分類(lèi)回歸樹(shù)的R函數(shù)和示例
13．5 建立分類(lèi)回歸樹(shù)的組合預(yù)測(cè)模型
13．6 隨機(jī)森林
13．7 小結(jié)
第14章 R的人工神經(jīng)網(wǎng)絡(luò)：預(yù)測(cè)和聚類(lèi)
14．1 人工神經(jīng)網(wǎng)絡(luò)概述
14．2 B-P反向傳播網(wǎng)絡(luò)
14．3 B-P反向傳播網(wǎng)絡(luò)的R函數(shù)和示例
14．4 SOM自組織映射網(wǎng)絡(luò)
14．5 小結(jié)